使用定制的可注射荧光纳米颗粒进行高分辨率的体内运动学追踪

《SCIENCE ADVANCES》：High-resolution in vivo kinematic tracking with customized injectable fluorescent nanoparticles

使用近红外量子点（QD）作为体内标记物，开发了非侵入式运动追踪方法QD-Pi。通过皮肤或关节注射QD，结合优化成像硬件，实现了长达4个月的稳定追踪，并构建了QD-Pi-120K数据集用于训练标记无关键点追踪器。该技术显著提升了小鼠运动分析的精度，为神经运动控制研究提供了新工具。

　　这项研究介绍了一种全新的方法，使用近红外量子点（QDs）作为可注射的标记物，以实现对自由移动小鼠的运动追踪。这种方法旨在解决传统无标记关键点追踪方法在精度和长期性方面的不足。传统的无标记关键点追踪方法依赖于动物体表特征，这可能无法准确反映骨骼运动的细节，尤其是在老鼠等实验动物中，由于软组织和毛发的遮挡，关节和骨骼的运动轨迹难以准确捕捉。相比之下，商业的运动捕捉系统在人类身上表现出更高的精度，但并不适用于小动物。因此，该研究提出了一个基于量子点的新型无标记追踪方法，称为QD-Pi，这不仅提高了追踪的精度，还支持长期的动物行为研究。

研究人员首先选择了两种量子点，QD800.1和QD800.2，它们分别用于血管追踪和细胞标记。然而，这两种量子点在体内仅能维持几天的荧光信号，无法满足长期追踪的需求。因此，研究团队开发了第三种量子点变体，即QD800.3，它将量子点固定在微珠上，以延长其在体内的可见性。实验结果显示，QD800.3在体内保持了超过两周的荧光信号，这一成果为后续研究奠定了基础。

为了进一步提高追踪精度，研究团队还开发了第四种变体QD800.4，将量子点与特定的抗体结合，用于靶向标记体内特定的蛋白质，如胶原蛋白和纤维连接蛋白。这种标记方法显著延长了量子点的寿命，甚至可以达到四个月以上，这为长期研究动物运动和疾病进展提供了可能。此外，研究还发现，QD800.2的荧光信号主要集中在细胞内部，而QD800.1则更多地沉积在细胞外，这表明不同的量子点变体在体内行为上存在差异。

研究人员还利用量子点进行关节直接追踪，这标志着一个重要的进展，因为关节运动是骨骼运动的重要组成部分。通过将量子点注射到老鼠的膝关节中，他们成功地捕捉到了关节的运动轨迹，并展示了这一方法的可行性。这种方法能够提供更精确的运动数据，有助于更全面地理解神经活动与运动之间的关系。

为了评估这种新型追踪方法的性能，研究团队创建了一个大规模的基准数据集，称为QD-Pi-120K。该数据集结合了量子点荧光和体表反射信号，用于训练和测试无标记关键点追踪模型。实验表明，使用QD-Pi-120K数据集，无标记关键点追踪算法可以达到2毫米的平均误差，这一精度远高于传统的手动标记方法。此外，研究还发现，随着训练数据的增加，算法的精度进一步提高，这表明大规模数据集对于训练更精确的追踪模型至关重要。

在硬件方面，研究团队优化了图像采集系统，使用了不同波长的LED光源和长波通滤光片，以提高信号与噪声比（SNR）。通过调整这些参数，他们能够更有效地捕捉量子点的荧光信号，从而提高追踪的准确性。同时，研究还探讨了不同摄像头配置对追踪效果的影响，表明该方法对硬件的适应性较强，可以根据实验需求进行调整。

在实验过程中，研究人员还关注了量子点在体内的分布情况。他们通过空间自相关分析，评估了量子点荧光信号在不同时间点的扩散情况。结果显示，QD800.3和QD800.4的荧光信号在体内保持稳定，表明这些变体在长期追踪中具有优势。然而，由于量子点的注射过程是由人工完成的，因此在实验中可能存在信号分布不均的问题，这需要在未来的实验中通过自动化注射系统进行改进。

除了追踪方法的优化，研究还探讨了量子点在医学成像中的潜在应用。例如，研究人员使用量子点进行组织标记，并通过荧光显微镜和共聚焦显微镜观察其在体内的分布情况。这些实验不仅验证了量子点的生物相容性和长期可见性，还展示了它们在医学研究中的价值。

此外，研究还讨论了量子点与其他标记方法的比较。例如，传统的标记方法如紫外线墨水或金属标记可能受到动物自身行为的影响，如舔舐或抓挠，而量子点则具有更高的稳定性和更长的寿命。然而，量子点的使用也存在一定的局限性，如信号衰减、可能的生物相容性问题以及注射后的组织反应。这些因素都需要在实际应用中进行进一步的研究和优化。

在讨论部分，研究团队指出，尽管量子点追踪方法在精度和长期性方面具有优势，但仍需进一步探索其在不同实验条件下的表现。例如，量子点的荧光信号在不同波长下的表现可能有所不同，因此需要优化光源和滤光片的配置。此外，研究还提到，随着深度学习技术的进步，未来的无标记关键点追踪模型可能会更加复杂，例如基于Transformer的架构，这将有助于更高效地利用大规模数据集进行训练。

总的来说，这项研究提出了一种新的量子点追踪方法，该方法在自由移动动物的运动追踪中表现出较高的精度和长期性。通过结合量子点与抗体，研究团队能够实现对特定组织和蛋白质的高分辨率标记，这为未来的神经科学研究和医学成像提供了新的工具。此外，该研究还创建了一个大规模的基准数据集，为无标记关键点追踪算法的开发和优化提供了重要资源。未来，随着技术的进一步发展，量子点追踪方法有望在更多生物医学应用中发挥重要作用。