2020年，我们发布了一份关于需要升级数据存储基础设施以支持生命科学中先进图像生成器的白皮书。我们预测，推动这些新需求的关键因素之一将是AI在高端显微镜工作流程中的不断增长的应用。
如今，到了2023年，我们可以看到这一预测在低温电子显微镜（cryo-EM）、低温电子断层扫描显微镜（cryo-ET）、扫描电子显微镜（SEM）以及透射电子显微镜（TEM）领域已经成为现实。换句话说，我们正处于一个AI支持的数据分析迅速发展的时代初期，这将极大地拓展这些技术的应用范围。
随着AI的不断发展，我们可以期待这些成像生成器将展示新的前景，推动跨学科的突破，重新定义知识的边界。未来将带来一个由AI驱动的纳米尺度探索、发现和创新的时代。让我们拭目以待。
低温电子显微镜（Cryo-EM）、低温电子断层扫描显微镜（Cryo-ET）、扫描电子显微镜（SEM）和透射电子显微镜（TEM）简介
在深入讨论之前，让我们快速了解一下这些高端显微镜工作流程的比较。
| 技术 | 用途 | 样品制备 | 成像深度 | 分辨率 | 应用领域 |
| 低温电子显微镜（Cryo-EM） | 近原子分辨率下可视化生物结构 | 快速冷冻和保存在无定形冰中 | 2D（单个颗粒）或3D（cryo-ET） | 近原子级（约1-3 Å） | 结构生物学、蛋白质复合物、病毒 |
| 低温电子断层扫描显微镜（Cryo-ET） | 细胞结构的3D可视化 | 快速冷冻和保存在无定形冰中 | 3D | 纳米尺度（几纳米） | 细胞器官、细胞结构、病毒 |
| 扫描电子显微镜（SEM） | 表面形态成像 | 涂覆导电层或低温制备 | 2D | 纳米尺度（几纳米） | 材料科学、纳米技术、生物学 |
| 透射电子显微镜（TEM） | 内部结构成像 | 超薄切片和染色或低温制备 | 2D | 原子到纳米尺度（次-Å） | 材料科学、生物学、纳米技术 |
低温电子显微镜（Cryo-EM）和低温电子断层扫描显微镜（Cryo-ET）都擅长提供详细的生物样本内部结构信息，而Cryo-ET还能提供3D视角。扫描电子显微镜（SEM）则专注于表面形态学，适用于检查各种材料的外部特征，尤其在纳米技术和各种工业应用中非常实用。而透射电子显微镜（TEM）则更进一步，以高分辨率成像内部结构。总之，所有这些技术都使研究人员能够揭示医学、材料等领域的重要进展。
高端显微镜中AI的不断增长应用
现在我们已经很清楚，AI并没有被过度吹捧。事实上，它正在迅速成为一种必要的工具，帮助我们解决由最先进的显微镜方法产生的大量数据所遇到的问题和障碍。
AI 助力低温电子显微镜和低温电子断层扫描显微镜的改进
随着这些显微镜变得更加精密，继续产生更大、更复杂的数据集，传统的低温电子显微镜和低温电子断层扫描显微镜中的数据处理策略在用户时间和计算资源方面迅速变得成本过高；这就是AI可以改变游戏规则的地方。
确实，由于多种因素，包括历史上糟糕的数据管理、不同的数据类型和协作障碍，AI在这一领域的应用进展相对较慢。另一个障碍涉及到训练算法所需的完整数据集的缺乏——截止目前，仅有约一半的数据地图在电子显微镜数据库（EMDB）中具有完整的原子结构信息。
但随着这些领域的活动不断增加，一切都在迅速改变。在最近的进展和更好的数据管理实践的推动下，目前正在低温电子显微镜和低温电子断层扫描显微镜工作流程中应用了几种完全自动化的基于深度学习的图像处理方法，包括诸如粒子挑选（例如DeepPicker、DeepEM、TOPAZ）、3D分类（例如CryoGAN、3DFlex）、分辨率确定、图像锐化以及后处理（例如DeepRes）等步骤。
AI在扫描电子显微镜（SEM）和透射电子显微镜（TEM）中的应用
我们看到AI应用也被用于加速扫描电子显微镜（SEM）和透射电子显微镜（TEM）中的洞察力产生和结果改进。在POSTECH与韩国材料科学研究院（KIMS）之间的最近合作中，研究人员使用深度学习开发了一种用于SEM工作流程的超分辨率成像技术。结果令人瞩目：微观结构图像分辨率提高了4倍、8倍甚至16倍，导致成像时间指数级减少——与传统SEM系统相比，速度提高了高达256倍。
透射电子显微镜（TEM）在理解细胞、纳米粒子甚至原子结构的内部排列方面不可或缺，通过AI驱动的自动化，也有望取得巨大进展。预计AI启用的显微镜数据分析，包括用于从大规模TEM成像、衍射和光谱数据集中检索有用信息的机器学习增强工具，将大幅加速工作流程。
AI以更短时间实现更多可能
那么，这对于什么有着重要的意义呢？将AI融入低温电子显微镜（cryo-EM）、低温电子断层扫描显微镜（cryo-ET）、扫描电子显微镜（SEM）和透射电子显微镜（TEM）的工作流程，实际上是最大程度地释放它们潜力的关键一步。
- 速度和效率：AI的自动化显著加快了传统上需要耗费大量人力和时间的流程，如粒子挑选和图像重建，使研究人员能够专注于解释结果，而不必费力地处理数据。
- 质量和准确性：AI驱动的算法在需要高度精确的任务方面表现出色，如图像去噪和分割。这提高了重建结构的质量和准确性，为研究人员提供了更可靠的分析数据。
- 克服复杂性：生物系统和细胞结构的复杂性要求使用复杂的分析技术。AI能够识别这些复杂数据集中的模式和关系，使研究人员能够发现可能一直未知的隐藏见解。
- 专业知识的普及：AI自动化处理传统上需要专业知识的复杂数据处理任务。这种知识的普及使来自不同背景的研究人员能够使用高端显微镜技术，而不必受制于陡峭的学习曲线。
- 探索未知领域：AI提供的速度和效率打开了探索研究中尚未开拓的新领域的大门。研究人员现在可以开展更大规模、更有雄心的项目，推动我们在药物发现、材料科学和神经科学等领域的理解不断前进。
与时俱进的数据存储和管理解决方案
在这个迅速发展的AI支持显微镜技术的领域，建立坚实的数据存储和管理基础至关重要。随着这些尖端技术产生的数据量不断增加，存储系统要准备好提供所需的无缝基础设施，以确保科学探索的顺利进行。
存储解决方案旨在处理来自AI增强的显微镜工作流程的数据洪流。无论是来自低温电子显微镜和低温电子断层扫描显微镜的大规模数据集，还是来自SEM和TEM工作流程的极快速度结果，确保数据安全存储、轻松访问，并准备好进行分析。借助我们可靠的架构和极其简单的管理界面，研究团队可以专注于科学研究，而存储系统将照顾好数据。
