3、单分子定位技术（SMLM）：STORM/PALM原理、质心拟合算法、定位精度影响因素
好，咱们进入第三讲。单分子定位显微技术，圈内人常叫它 SMLM。说白了，就是让荧光分子一颗一颗地亮，然后精确算出它的位置，最后合成一张超分辨率图像。
我最早接触这个技术是在 2010 年左右，当时被一张微管蛋白的图像震撼到了。明明只有几十纳米的分辨率，却能看到传统显微镜下糊成一团的细节。嗯，今天我们就把它拆开看透。
3.1 STORM 与 PALM 的核心原理
先理清一个概念：STORM 和 PALM 本质上是同一类技术，区别只在于用的荧光探针不同。
- STORM（随机光学重构显微术）：用可切换的有机染料，比如 Cy5-Cy3 对。通过激光控制，让大部分分子处于暗态，只有极少部分随机闪烁。
- PALM（光激活定位显微术）：用光激活荧光蛋白，比如 mEos、PA-GFP。紫外光一照，蛋白从绿色变成红色，然后被激发成像。
它们的共同逻辑是：时间换空间。传统显微镜一次拍所有分子，挤在一起分不清。SMLM 让分子分时亮起，每次只拍稀疏的几个点，然后精确定位。
核心公式：
定位精度 ≈ σ / √N
其中 σ 是点扩散函数的标准差，N 是收集到的光子数。光子越多，定位越准。
我在项目中遇到过一个问题：为什么有时拍了一万帧，重建出来的图像还是模糊？后来发现是分子密度没控制好。太密了，两个分子同时亮，定位算法就懵了。
3.2 质心拟合算法
拿到单分子图像后，怎么算出它的精确坐标？最经典的方法就是质心拟合。说白了，就是把光斑当成一个质量分布，找到它的重心。
3.2.1 质心法（Centroid Method）
公式很简单：
x_c = Σ(x_i * I_i) / Σ(I_i)
y_c = Σ(y_i * I_i) / Σ(I_i)其中 I_i 是像素 i 的强度值。这个方法快，但受噪声影响大。我建议只用在信噪比很高的场景。
3.2.2 高斯拟合（Gaussian Fitting）
更精确的做法是用二维高斯函数去拟合光斑：
I(x, y) = A * exp(-((x - x0)² + (y - y0)²) / (2σ²)) + B其中 A 是振幅，B 是背景，σ 是 PSF 宽度。用最小二乘法或最大似然估计，迭代出 x0、y0。
你想想看，为什么高斯拟合比质心法好？因为它把背景和噪声单独建模了。我在做单分子追踪时，用质心法定位误差有 20 nm，换成高斯拟合直接降到 5 nm 以下。
我的经验： 如果分子信号弱（光子数 < 500），用最大似然估计（MLE）比最小二乘法更鲁棒。MLE 对泊松噪声的建模更准确。
3.2.3 算法对比
| 算法 | 精度 | 速度 | 适用场景 |
|---|---|---|---|
| 质心法 | 低（~20 nm） | 极快 | 高信噪比、实时预览 |
| 高斯拟合（LS） | 中（~10 nm） | 快 | 常规单分子定位 |
| 高斯拟合（MLE） | 高（~5 nm） | 较慢 | 弱信号、高精度需求 |
| 径向对称法 | 中（~12 nm） | 快 | 对称 PSF 场景 |
3.3 定位精度影响因素
定位精度不是凭空来的。我把它归纳为三大类：光子噪声、背景噪声、以及探测器噪声。
3.3.1 光子数（Photon Count）
这是最核心的因素。根据 Thompson 公式：
定位精度 ≈ s / √Ns 是 PSF 的标准差，N 是光子数。光子数翻 4 倍，精度翻 2 倍。所以，能多收集光子就多收集。
我曾经为了提升光子数，把激发光功率从 1 mW 调到 5 mW。结果分子漂白速度也快了 5 倍，总光子数反而没增加多少。嗯，这里要注意：光功率不是越高越好，要找到光子和漂白之间的平衡点。
3.3.2 背景噪声（Background Noise）
背景噪声来自：
- 样品自发荧光
- 缓冲液散射
- 探测器暗电流
背景噪声会降低信噪比，让定位算法更难找到真实信号。我建议用 TIRF 照明来减少背景，或者用更干净的成像缓冲液。
3.3.3 像素大小（Pixel Size）
像素太大，光斑采样不足；像素太小，光子分散到更多像素上，信噪比下降。经验法则是：像素大小 ≈ PSF 半高宽的 1/3。
举个例子，如果 PSF 的 σ = 150 nm，半高宽 ≈ 350 nm，那么像素大小在 100-120 nm 比较合适。
避坑指南： 我曾经用过 60 nm 的像素去拍单分子，结果每个分子只收集到 200 个光子，定位精度反而比 100 nm 像素时更差。因为光子被稀释了，信噪比大幅下降。
3.3.4 漂移（Drift）
单分子成像通常要拍几千到几万帧，耗时几分钟甚至半小时。这段时间里，样品台会热漂移、机械漂移。漂移量可能达到几百纳米，直接毁掉超分辨率图像。
我的做法是：用荧光微球作为 fiducial marker，实时追踪漂移量，然后在后处理中校正。或者用硬件反馈系统，比如主动稳台。
3.4 知识结构图
下面这张图总结了 SMLM 的核心流程和影响因素：
3.5 实战建议
最后，我总结几条实战中容易踩的坑：
- 分子密度控制： 每帧激活的分子数不要超过 1 个/μm²。太密了，定位算法会串扰。
- 缓冲液配方： STORM 需要含氧清除系统（如葡萄糖氧化酶 + 过氧化氢酶）和还原剂（如 MEA）。我试过不加 MEA，分子闪烁次数直接减半。
- 数据量： 一张超分辨率图像通常需要 10,000-50,000 帧。硬盘空间要留够，我吃过一次亏，拍到一半硬盘满了，前功尽弃。
- 定位精度验证： 用已知距离的双色荧光珠来验证定位精度。如果测出来偏差超过 10 nm，就要检查系统了。
小技巧： 如果你用 sCMOS 相机，注意像素间的增益差异。我习惯先做一张 flat-field 校正，把每个像素的增益归一化，能提升定位一致性。
好了，单分子定位的核心内容就这些。记住：光子是王道，噪声是敌人，算法是工具。把这三点拿捏住，SMLM 就没什么秘密了。