2025年1月2日，陈春来课题组与索津莉、戴琼海课题组合作，在《自然通讯》（Nature Communications）杂志发表了题目为“有监督的多帧双通道降噪实现极弱光长时程单分子FRET测量（Supervised multi-frame dual-channel denoising enables long-term single-molecule FRET under extremely low photon budget）”的研究论文，以数据驱动的方式化解成像类单分子FRET观测时长与时间分辨率的矛盾。

  本研究提出了一种被称为“多帧双通道融合去噪网络（MUFFLE）” 深度学习的信号重建策略，其结构包括bi-ConvLSTM、U-net CNN和Dual-chanel Residual Fusion模块，充分利用单分子FRET视频数据在时间、空间和光谱层面的冗余信息，通过对视频弱信号进行增强和去噪，实现了在每帧仅需60-70个光子的极弱单分子荧光条件下，进行长时程的单分子FRET测量（图1）。

图1. MUFFLE的网络结构（a）和应用效果（b和c）

Nat Commun16, 74 (2025). https://doi.org/10.1038/s41467-024-54652-w