smDeepFLUOR: глубокая нейросетевая классификация флуоресценции на уровне одиночных молекул

Изменения интенсивности флуоресценции давно используются как основной показатель для мониторинга биологических событий. Однако сигналы от одиночных фторофоров, возникающие при различных молекулярных событиях, часто демонстрируют схожие профили интенсивности, что затрудняет их классификацию традиционными методами. В настоящей работе мы представляем smDeepFLUOR — метод на основе глубокого обучения, который разделяет кажущиеся однородными пространственно-временные флуоресцентные сигналы, выявляя скрытые признаки, невидимые для обычного анализа. Используя трехмерную сверточную нейронную сеть, обученную на последовательностях изображений, захваченных в окнах размером 7 × 7 × 10 вокселей, smDeepFLUOR надежно различает специфическое и неспецифическое связывание белков, в том числе между разными экспериментальными днями, с точностью до 97%. Примечательно, что smDeepFLUOR также фиксирует кинетику синтеза ДНК в реальном времени, выявляя тонкие изменения пространственного расстояния между фторофором и 3’-концом вновь синтезируемой ДНК — признак, недоступный традиционным методам. Эти классификации достигнуты без введения явных физических правил или сконструированных признаков, что свидетельствует о существовании внутренних, ранее нераспознанных различий в шаблонах эмиссии. Подход существенно расширяет аналитические возможности флуоресцентной микроскопии одиночных молекул и открывает новые направления для минимально меченых и немаркированных исследований активности белков.