Conor L. Evans博士是一位教授、研究员和显微镜专家，通过运用自身知识和解决问题的能力，为患者护理研发新的光学工具和成像工具。在本次与Conor Evans博士的交谈中，我们讨论了他的临床研究历程，显微镜在工作中的重要性，以及他如何使用显微镜系统来解决医学和生物学方面的难题。了解Conor的详细信息并阅读以下他的访谈录。

关于Conor L.Evans博士

ConorEvans博士拥有布朗大学化学物理学学士学位和哈佛大学化学博士学位。他是哈佛大学医学院的副教授、哈佛大学生物物理项目的兼职教师和激光生物医学研究中心的教师。

Conor Evans博士在马萨诸塞州综合医院（MGH）的Wellman光医学中心主持Evans实验室的工作。Evans实验室开发并利用多种显微镜工具和方法来检测、测量和量化隐藏的信息，以解决患者护理中未得到满足的需求。他一直在努力将自己的技术转化到临床应用中，而Evans实验室的研究和创新也为他赢得了无数奖项和专利。

问：您的学术背景是化学物理和化学。您的学术经历是如何让您专注到与患者护理相关的研究中的？还有您是如何学到如此多的显微镜知识的？

Conor：我一直对生物医学感兴趣，而且在我爱上化学和物理化学之前，我正在考虑攻读神经科学学位。当我开始读博时，我想从事应用性的跨学科研究，而物理化学可以成为解决更大问题的桥梁。

我加入了Sunney Xie在哈佛的实验室。在那里，我获得了加入他的团队这一难得的机会，参与了将相干反斯托克斯拉曼散射（CARS）开发成强大生物医学显微技术的工作。在Sunney的实验室里，我有幸与博士后Eric Potma密切合作。我所有的显微镜知识几乎全部得益于他。在三年的时间里，我与Eric一起构建、插接和重建了大约15台显微镜！

如果没有这两段经历，我可能会继续从事化学学术研究。首先，Sunney看到了我对应用研究的兴趣，并鼓励我探索CARS显微镜在医学中的应用。当我开始看到这一切机会时，我马上就深陷其中！其次，我的哥哥成为了一名急诊医生，他对我的启发很大。他对患者护理的热情让我坚定地选择在马萨诸塞州综合医院（MGH）做博士后，而在那里，我第一次有机会从事以患者为中心的研究。

问：您能告诉我们您的实验室重点从事哪些工作吗？您希望通过这些研究计划实现什么？

1.氧传感器

Conor：我的实验室在氧传感器方面的工作重点是开发新的工具包，以定量测量组织氧浓度，也就是人们所熟知的pO2。虽然这项研究计划的目的是为了应对癌症治疗中的挑战，但在我有幸参观过圣安东尼奥医疗中心的Intrepid航母救治中心后，我们的工作重点发生了变化。

我和我的团队见到了受伤的战士，了解到在对他们的护理中所面临的各种挑战。因此，我们启动了一项研究计划，旨在开发可直接应用于患者护理的分子氧传感器。我与团队中的讲师Manolis Rousakis一起开发了一个超亮卟啉氧传感器家族，并学习了如何将这些传感器嵌入和结合到多种材料和形状因子中，以直接观察和量化组织中的氧。

我们开发了薄膜、可涂和可喷绷带、水凝胶绷带材料、可穿戴传感器以及最近的针头和导管传感器。每种传感器都针对不同的患者和军事医疗护理需求。我们现在正与商业伙伴合作，将这些技术转化为真正的产品，以期改善患者的健康状况。

2.可视化和测量体内药物摄取和治疗效果的工具

Conor：药物开发中的主要挑战之一是确保药物能够真正到达其细胞和亚细胞靶点。虽然标记生物制剂等大分子是很容易的，但对于小分子药物来说，这是个挑战。因为传统的标记物可能比分子本身更大，并可完全改变其药代动力学。可以使用射线照相标记和质谱法等方法详细了解药物的摄取，但这些方法要么与临床研究不兼容，要么需要活检。

我们感兴趣的是基于荧光参数和化学振荡等分子固有特性而进行药物成像和定量的方法。我们正在开发基于荧光寿命和相干拉曼成像法的成像方法，且目前已经应用于局部皮肤中的定量。我们正在与商业伙伴和美国食品药品管理局（FDA）密切合作，开发用于测量药物的生物利用度和生物等效性的新的相干拉曼成像法，后者可能是开发通用局部用药的重要工具。

为了将这些工具从实验室转化到临床应用，我们构建了一个用推车移动的相干拉曼系统。这一系统将在未来几个月内首次用于人体临床研究。我们的目标是将药物摄取的观察与下游治疗效果相结合，以在细胞到组织水平上全面了解药物治疗响应。我们将这种临床成像方法视为直接评估健康人和患者药物摄取的第一步，进而开发出更好的治疗和干预措施。

3.深度学习图像分析

Conor：深度学习已经成为一款非常优秀的工具，可以克服图像分析和信号分析方面的一些巨大的难点。我们的显微镜和传感器每天产生海量数据，有时甚至可达数百G。这些数据需要自动化的分析。

一个人甚至一个科学家团队都根本无法手动整理如此多的图像数据。使用机器视觉和计算分析方法时，我常常感到沮丧，因为这些方法虽然有效，但可能会失败或在分析中引入偏倚，特别是在我看一眼图像就能立即知道对错时。

深度学习让我们能够利用自身经验和直觉，并将这些知识转移到计算机上，从而实现复杂分析任务的完全自动化。我们已经能够将深度学习应用到药物动力学研究，以及可穿戴氧传感器等新领域。对于在边缘计算领域中的进展，我们感到非常兴奋。深度学习模型可以直接在设备上应用于从药物开发到可穿戴医学传感器等领域。

问：哪个研究课题最让您感到振奋，或者您想解决哪个主要问题？

Conor：我认为在我自己的研究中反复出现的一个主题是让“不可见的”变得可见和可量化。我一直对获取通常是隐藏起来的或无法获取的信息感兴趣—这是一种专业上的好奇心。我和我的团队致力于开发获取这些参数并使其可量化的方法、工具和传感器，无论是组织中的氧浓度，到达靶的药物量，还是接受治疗中的细胞的状态。

问：是什么激发了您寻找隐藏或“不可见的”的信息的兴趣？

Conor：读博期间，我曾研究过相干拉曼成像中的一个极具挑战性的问题，即对CARS显微镜技术中非共振作用的抑制。CARS成像深受这一化学非特异性作用的影响。这种作用也是生物学和医学应用的主要障碍。

我们猜想，或许可以通过相位识别和消除这一背景：非共振作用在数学上是“真实的”，而化学特异性共振作用在数学上同时具有“真实”和“虚构”作用。我们找到了一种方法来隔离这两个分量，特别是CARS场的成像分量，并通过干涉法抑制非共振作用。Brian Saar当时是Sunney实验室的一名学生。他开玩笑地说我“把虚构变成了真实”。我很喜欢这个评价，在我随后的职业生涯中，我一直将它铭记于心。

问：您期望通过研究了解到什么？显微镜技术与之有何联系？

Conor：我想要了解的东西有很多！在与临床医生的日常紧密合作中，有一点令我们感到兴奋并充满挑战，那就是我们需要对医学和生物学中不知道或不了解的事物始终保持谦虚。需要解决的问题就像无底洞一样，无穷无尽。我希望继续专注于解决人类健康和医学方面的问题，同时利用到光化学和光子学这两个互补且非常容易转化的工具包。

显微镜技术位于光化学和光子学的交叉点。前者提供了分子级的对比度。后者则提供了查看、检测和定量的方法。对我来说，显微镜是研究中的关键，它为我们提供了直接了解时空过程的机会，无论是在组织还是在细胞中。

我们的很多短期和长期研究目标是通过显微镜技术的不断进步来推动的，例如我们在药理学和癌症生物学方面的努力。这些好处还扩展到了显微镜以外，被应用到我们在绷带和可穿戴传感器方面的工作中。我们经常利用成像和显微镜来理解制造方法、材料特性等。因此，显微镜成为我们以问题为导向的研究工作的中心资源。

问：您在工作中如何运用多光子和共聚焦成像？

Conor：我认为多光子成像一直是我研究的主要方面，而共聚焦在其中起到了重要的支持作用。相干拉曼成像是我们工作中的核心工具，这是一种多光子技术，可提供双光子和三光子成像的许多关键优势：近红外光激发、深层组织成像和自动深度切片。我们已经开发出相干拉曼成像方法—CARS和受激拉曼散射（SRS），将其用作生物医学的研究工具，而且目前正处于人体直接临床应用的前沿。

例如，上面这幅图像显示了接受冷治疗的大鼠坐骨神经的CARS图像。这是我们的合作者Lilit Garibyan和Rox Anderson在MGH开发的一种治疗疼痛的新技术。CARS成像系统被调谐到不饱和脂质的CH2对称拉伸，从而揭示了髓磷脂的分布。这幅图像由Isaac Pence博士拍摄。他是我们团队的一名研究员。当然医学博士Sara Moradi Tuchayi也参与了拍摄工作。

上面的第二个例子是以乙醇为载体的药物ruxolitinib（绿色，SRS调谐到腈振荡带）在小鼠皮肤表面给药后的SRS图像。在这里，我们通过调谐到CH2对称拉伸振荡（红色）的SRS，可以看到药物积聚在小鼠角质层中富含脂质的特征内。这幅图像由团队中的研究员Amin Feizpour博士拍摄。

最后的这幅小鼠皮肤的SRS深度图像中，对深度进行了颜色编码。在这幅图像中，当系统调谐到CH2对称拉伸振荡时，可以在不同深度上看到小鼠皮肤内独特的富含脂质结构。这幅图像由Isaac Pence博士拍摄。

问：您能分享一些重要的里程碑吗？

Conor：今年，我们的团队将在显微镜项目和传感研究方面达到几个重要里程碑。我们在《科学进展》（Science Advances）杂志上发表了氧传感工具包的首次人体研究。现在，我们正在这个新传感平台上进行另外三项人体研究。我们与3M公司启动了新的合作，试图将这些工具从实验室转化为产品。

在显微镜方面，令人激动的一件事是，我们发布了一个新方法，叫做稀疏光谱采样受激拉曼散射（S4RS）。它克服了过去几年中我们在相干拉曼成像中遇到的许多障碍。这种方法利用一种快速可调谐的光纤激光器，在拉曼光谱中跳到特定的拉曼波段，而不是在整个范围内调谐。这样就实现了拉曼光谱中的快速、化学特异性光谱采集，并为药物和代谢物等多种分子的成像与定量打开了大门。与此同时，我们已经使用这一激光系统开发出一个临床相干拉曼成像系统，并将于今年首次用于人体研究。

尽管新冠病毒带来了一定的挑战，但我们的团队在技术转化方面做了大量工作。我对他们所做出的成就感到无比自豪。

问：您认为显微镜技术的下一次革命将是什么？

Conor：在我看来，显微镜技术的一个大问题是我们都面临着海量的数据。自动多通道显微镜非常适合收集大量的数据。我们已经开发出相应的成像方案，可以快速、高效地收集多个染色、荧光团和光谱通道以及其他数据点的数据。

然而，这也带来了从获取的海量数据集中提取实际信息的挑战。显微镜数据中蕴含着丰富的信息。收集五维数据集相对简单，但这些数据具有空间、光谱和时间性。虽然有时可以手动排序这些数据，但深度分析和统计检验力需要对这些复杂的多维数据进行计算分析。

我认为显微镜技术的下一次革命将克服这些大数据问题，而且现在已经开始了。数据可视化、图像分析算法和机器学习的进步，都在应对中大型显微镜数据集挑战方面发挥着重要作用。我看到神经科学家的工作正在引领对这方面的探索。他们通过连接组和大脑图谱项目展示了可以做到什么程度。

但是，这些项目需要付出巨大的努力，也需要大量跨学科研究人员、数据科学家和程序员来支持与推动其向前发展。但在目前，这些资源不适用于较小的实验室。事实上，研究人员的传统显微镜入门培训中尚未普遍教授处理大型复杂成像数据集所需的技能，从而使得这一问题更加复杂化。既然这场革命已经发生，它将在如何培训学生和研究员以及如何处理显微镜数据方面引入新的视角，从而将这些进步带给从事显微镜研究的所有人。

这场革命对显微镜术的未来转化尤为重要，其中微尺度成像将在从疾病诊断到个性化治疗的各个方面发挥越来越重要的作用。Gary Tearney发明的显微镜用“药丸”可以吞服，从而实现了原位诊断、对患者来源细胞进行成像流式细胞分析，以及高通量CAR-T细胞治疗筛查。

随着这些基于显微镜的平台扩展到更多患者应用中，数据洪流必然增长，而对这些数据集的控制和有效利用只会变得更加重要。