本文属于类型a，即单一原始研究的学术报告。以下是对该研究的详细报告。

主要作者与机构

该研究由Sébastien Mailfert、Meriem Djendli、Roxane Fabre、Didier Marguet与Nicolas Bertaux共同完成。其中，Didier Marguet来自法国马赛免疫中心（Centre d’Immunologie Marseille-Luminy），Nicolas Bertaux来自法国马赛中央理工学院（Centrale Méditerranée）菲涅尔研究所（Institut Fresnel）。该论文发表于《Biophysical Journal》，于2025年2月21日被接收，2025年4月1日正式刊出。

学术背景与研究目的

单分子定位显微镜（single-molecule localization microscopy, SMLM）通过重建纳米尺度的分子空间分布，极大推动了细胞组织结构的研究。然而，SMLM的瓶颈不仅在于图像采集和后处理分析耗时，还在于结果高度依赖数据质量与操作者经验。传统上，SMLM数据的质量评估通常是在采集完成后进行，例如使用NanoJ-Squirrel等软件对超分辨率图像进行事后量化。这种方法存在明显缺陷：一旦数据质量不佳，往往无法在采集阶段及时调整参数，导致样本、时间和存储资源的浪费。因此，开发一种能够在采集过程中实时评估SMLM数据质量的工具，成为该领域的重要需求。然而，实时评估面临计算速度的挑战，因为对每帧图像中的单分子进行检测与亚像素定位通常需要大量计算资源。

为此，研究团队开发了质量控制图（quality control maps, QCM）算法。QCM的核心目标是：在SMLM数据采集过程中实时计算关键质量指标，并以可视化方式呈现，帮助实验者即时判断数据的信噪比、粒子密度和定位精度，从而决定是否继续采集或调整采集参数。此外，QCM还提供离线模式，用于已有数据的标准化评估和教学用途。

研究流程与实验方法

QCM的开发包含两个主要模块：超快无监督定位（ultrafast unsupervised localization, UFUL）模块和质量控制（quality control, QC）模块。UFUL模块负责粒子检测与亚像素定位，QC模块负责实时估计质量指标并显示直方图和彩色编码图。

在算法设计上，UFUL模块基于广义似然比检验（generalized likelihood ratio test, GLRT）实现粒子检测。该检测器在已知背景均值和方差的前提下，对每个像素判断是否存在粒子信号。研究团队对GLRT的数学表达进行了重写，使用可分离卷积分别估计背景、方差和信号强度，从而大幅减少计算量。检测到粒子后，UFUL通过将点扩散函数（point spread function, PSF）建模为高斯函数，并取强度图像的对数，推导出粒子横向和纵向的PSF尺寸及亚像素坐标的直接解析表达式，无需迭代拟合。

在性能验证方面，研究团队生成了具有真实噪声、信号水平、PSF尺寸和粒子密度的合成数据。他们将UFUL与最小均方误差（minimum mean-square error, MMSE）估计器进行了比较。在不同信噪比（SNR）条件下（20–40 dB），UFUL的定位精度接近克拉美罗界（Cramér-Rao bound, CRB），且检测概率接近100%。他们还在不同PSF尺寸和不同工作窗口大小的条件下比较了UFUL与MMSE的表现，发现UFUL能较准确地估计PSF尺寸，尽管在PSF较大时存在轻微偏差。此外，他们还测试了三维像散条件下的PSF尺寸估计性能，表明UFUL能对PSF在i轴和j轴上的尺寸进行有效估计，但要完全集成到QCM软件中仍需进一步开发。

在计算速度方面，研究团队评估了CPU和GPU上的UFUL性能。结果表明，GPU模式下，对于256×256像素图像，分析速率超过10,000帧/秒；对于2048×2048像素图像，分析速率约为800帧/秒。这一速率远超当前SMLM相机的典型采集速率（约100帧/秒），从而保证了实时分析的可行性。

QCM的QC模块基于UFUL结果计算关键指标：每帧粒子密度（dframe）、信噪比（SNR）和定位精度（precision）。这些指标以直方图和彩色编码图实时显示，用户可查看最近50帧、500帧或整个视野的数据，也可选择感兴趣区域（ROI）进行局部评估。QCM的界面还包括相机实时图像、重建的SMLM图像以及背景、密度、信噪比和精度的彩色编码图。

在实验验证方面，研究首先使用DNA折纸纳米尺（DNA origami nanorulers）作为标准样品，在DNA-PAINT成像条件下采集数据。QCM在采集前仅需约2000帧（约1分钟）即可提供信息丰富的SNR和dframe直方图。研究将QCM结果与事后分析软件UNLOC和GATTAnalysis进行比较，发现当SNR约为22.4 dB且dframe为1.3粒子/μm²/帧时，之后的分析中仅有12%的纳米尺达到优于20 nm的精度，说明可通过QCM直方图提前判断数据质量不佳。

在生物样本上，研究团队对COS-7细胞中的β-微管蛋白（β-tubulin）和HeLa细胞中的Nup133进行了dSTORM成像。他们使用前2000帧的QCM结果来优化采集条件，然后将完整数据（最多50,000帧）用UNLOC进行事后分析。结果显示，β-微管蛋白和Nup133分别有36%和49%的检测信号达到优于20 nm的定位精度。此外，研究还展示了QCM在双色DNA-PAINT实验中的应用，通过调整成像链浓度（imager concentration）来优化TOM20和α-微管蛋白的成像条件。在1.5 nM和0.3 nM的成像链浓度下，QCM显示定位精度较差，而30 pM浓度下则可获得合适的定位精度。这些结果与完整数据事后重建的图像一致。

主要结果

QCM算法实现了对SMLM数据的实时质量评估。UFUL模块的检测和定位精度接近MMSE估计器，接近CRB，表明其数学性能可靠。在计算速度上，GPU模式下QCM可达到800帧/秒的分析速率（2048×2048像素），足以实时处理相机数据流。在实验验证中，QCM能提前识别低SNR或高粒子密度导致的定位精度下降，从而指导实验者调整激光功率、相机积分时间或成像链浓度，显著提升数据质量。使用QCM指导采集后，生物样本的数据中定位精度优于20 nm的粒子比例明显提升。

结论与意义

QCM是一种无需参数调整（仅需设置PSF半径和相机参数）的实时SMLM质量控制算法。它打破了SMLM数据“先采集后评估”的传统模式，将质量评估提前到数据采集阶段，实现了数据质量控制的前移。这一转变具有重要意义：一方面，它避免了无效数据的产生，节省了样本、时间和存储资源；另一方面，它降低了SMLM实验的操作门槛，使非专业人员也能通过直观的彩色编码图和直方图判断数据质量，从而做出采集决策。此外，QCM的离线模式可用于已有数据的标准化评估、教学和同行评审，推动了SMLM数据的可发现性、可访问性、可互操作性和可重用性（FAIR原则）。

研究亮点

QCM的核心创新在于：1）通过数学重构GLRT检测器，将粒子检测与定位的复杂度大幅降低，无需迭代计算即可获得亚像素定位和PSF尺寸；2）在GPU上实现了远超相机采集速率的分析速度，使实时质量控制成为可能；3）通过密度-信噪比空间图，将定位精度（以dB表示的SNR）作为核心对比参数，提供统一的定量评估框架；4）算法无需参数调整，适应性强，可在不同相机和实验条件下使用。此外，QCM将质量控制从“事后”转向“实时”，为智能显微镜（smart microscopy）的发展提供了关键工具。