点击次数：

发布时间：2025-07-08

博客标题：先进光学显微与光谱技术团队

内容：

物光院-先进光学显微与光谱技术团队旨在研究先进光学显微与光谱技术，由11名教职工和14名博硕研究生组成，其中包括中组部人才计划1人、陕西省千人（原陕西省百人计划）2人。研究方向包括但不局限于：超分辨光学显微、定量相位显微、拉曼光谱、荧光相关光谱、荧光寿命成像技术。该团队与中科院西安光机所-瞬态光学与光子技术国家重点实验室建立 “瞬态-物光先进成像联合实验室”；与德国卡鲁工业学院（Karlsruhe Institute of Technology，KIT）和斯图加特大学（University Stuttgart）已经开展多年的合作研究。双方共同致力于研究新型光学显微与光谱技术，为生物医学提供观测手段；同时，将所研制的技术向产业化方向推进，逐步改变我国高端显微镜严重依赖进口的现状。该团队迄今在Nature Photonics (中科院1区，IF：32.521), Advance of Optics and Photonics (中科院1区，IF：21.286), eLife (中科院1区，IF： 7.551), Optics Letters等国际学术期刊发表研究论文70余篇、授权发明专利6项，发表论文被引1600余次。研究工作曾被选为期刊封面、光学研究热点、并被ScienceDaily, Physics News等海外媒体所报道。

1.超分辨光学显微

相对于其它显微手段，荧光显微技术具有对样品损伤小、可对特定化学结构进行特异性成像等优点，一直是生物医学研究的主流观测手段。然而，传统的荧光显微成像受光学衍射极限的限制，其分辨率只有200nm左右，不能满足观测样品细节的要求。如何突破光学衍射极限，进一步提高光学显微技术，一直是物理学与光学工程学科研究的热点。

                                             

2.定量相位成像

相位分布是光波除其强度分布之外的另一重要特性，它直接影响着聚焦光斑的三维分布、光学成像的空间分辨率；相位分布直接关联着物体三维形貌或透明物体厚度/折射率分布。因此，研究新型相位成像技术，在样品三维形貌检测、特殊光束产生、自适应成像等领域具有重要应用价值。

3. 荧光寿命成像技术

荧光寿命会随着荧光团所处的微环境而改变，但不受探针浓度、激发光强度和光漂白效应等因素影响，从而可提供代谢状态、酸碱度和离子浓度等功能信息。荧光寿命成像显微技术（Fluorescence lifetime imaging microscopy，FLIM）为研究者提供高精度三维成像数据,以及准确的亚细胞结构和动态成像，广泛应用于生物医学研究和材料科学中的表面分析。

         

 

4.荧光相关光谱技术

荧光相关光谱技术（Fluorescence correlation spectroscopy,简称FCS），通过测量被荧光标记的蛋白质等生物分子经过焦点时的动态强度变化，可以测得这些分子的大小和浓度。同时，当不同分子被标记上不同的荧光染料时，可以同时研究这两种分子的大小、浓度、以及它们之间的相互作用。该技术可以从分子层面研究蛋白质等生物大分子在生命过程、疾病成因中的调控作用和其微观机制。

5. 偏振拉曼光谱技术

偏振拉曼光谱技术，通过测量偏振受调制激光激发待测体系散射的拉曼光谱，来分析待测体系中目标分子的含量，存在形式等。利用拉曼除谱等新分析策略，再结合理论量子化学，分子动力学模拟，对待测体系的深入分析，可以对分子体系的微观结构，动力学等信息有深刻的认识，尤其是针对水溶液中的药物，及其与大分子的相互作用。除此之外，拉曼光谱技术结合深度学习分析方法还被广泛的用于食品，药品等产品的定量质量安全分析。

 

6. 表面增强光谱

表面增强光谱基于表面等离激元效应，可以显著提升物质的本征拉曼/荧光/红外光谱强度，为化学分析提供更灵敏有效的手段。其中，表面等离激元利用光与金属纳米结构如纳米颗粒、纳米棒、纳米锥等的相互作用，能够将光场束缚在亚波长甚至几纳米尺度内，可以成功突破光学衍射极限，并且往往伴随着显著的电磁场增强。表面增强光谱的研究有助于为拉曼/荧光/红外光谱检测提供高强度纳米光源，促进光谱技术在超分辨成像、单分子检测、光学传感等尖端科技领域的应用和突破。

 

7. 傅里叶红外光谱技术

傅里叶红外光谱技术，通过测量待测样品在近红外到中红外区间的吸收光谱，来分析待测样品中相关分子的含量，特征等。该技术与拉曼光谱技术都是振动光谱技术，但是该技术对偶极矩改变较大的分子振动更加敏感，是拉曼光谱技术的有利补充。利用该技术可以对生物相关体系做到原位快速的测量和分析。该技术再结合除谱，超额谱等新分析策略，及深度学习等算法大大拓宽了该技术的应用范围，尤其是生物医药，食品安全等检测方面。

8. 深度学习

深度学习(Deep Learning)是当前人工智能领域的研究热点。它通过构建多隐层的机器学习模型，利用海量的样本数据训练，学习更精准的特征，最终提高分类或预测的准确性。深度学习这种从数据中学习层次特征的特点，使得它非常适合训练高维数据，目前已在图像识别、数据分析、目标检测等领域得到了广泛应用。