Abstract Light sheet microscopy is a powerful technique for high-speed 3D imaging of subcellular dynamics and large biological specimens. How-ever, it often generates datasets ranging from hundreds of gigabytes to petabytes in size for a single experiment. Conventional com-putational tools process such images far slower than the time to acquire them and often fail outright due to memory limitations. To address these challenges, we present LLSM5DTools, a scalable soft-ware solution for efficient petabyte-scale light sheet image processing. This software incorporates a suite of commonly used processing tools that are memory and performance-optimized. Notable advancements include rapid image readers and writers, fast and memory-efficient geometric transformations, high-performance Richardson-Lucy decon-volution, and scalable Zarr-based stitching. These features outperform state-of-the-art methods by over one order of magnitude, enabling the processing of petabyte-scale image data at the full teravoxel rates of modern imaging cameras. The software opens new avenues for biological discoveries through large-scale imaging experiments.

Abstract Lattice light sheet microscopy excels at the non-invasive imaging of three-dimensional (3D) dynamic processes at high spatiotemporal resolution within cells and developing embryos. Recently, several papers have called into question the performance of lattice light sheets relative to the Gaussian sheets most common in light sheet microscopy. Here we undertake a comprehensive theoretical and experimental analysis of various forms of light sheet microscopy which both demonstrates and explains why lattice light sheets provide significant improvements in resolution and photobleaching reduction. The analysis provides a procedure to select the correct light sheet for a desired experiment and specifies the processing that maximizes the use of all fluorescence generated within the light sheet excitation envelope for optimal resolution while minimizing image artifacts and photodamage. Development of a new type of “harmonic balanced” lattice light sheet is shown to improve performance at all spatial frequencies within its 3D resolution limits and maintains this performance over lengthened propagation distances allowing for expanded fields of view. Significance Statement Despite its rapidly growing use, several misconceptions remain concerning the physics of image formation and its optimization in light sheet microscopy, particularly in high resolution variants tailored for subcellular imaging. These include the role of excitation sidelobes, the significance of out-of-focus fluorescence, the importance and optimization of deconvolution, and the perceived advantages of Gaussian beams. Here we attempt to shatter these misconceptions by showing that the professed tradeoffs between axial resolution and background haze, photobleaching rate, phototoxicity, and propensity for image artifacts do not exist for well-crafted lattice light sheets whose data is acquired and processed rigorously. The framework we provide should enable others to optimize light sheets and extract the most information at the lowest cost in their experiments.

Signal bias and membrane trafficking have recently emerged as important considerations in the therapeutic targeting of the glucagon-like peptide-1 receptor (GLP-1R) in type 2 diabetes and obesity. In the present study, we have evaluated a peptide series with varying sequence homology between native GLP-1 and exendin-4, the archetypal ligands on which approved GLP-1R agonists are based. We find notable differences in agonist-mediated signalling, endocytosis and recycling, dependent both on the introduction of a His → Phe switch at position 1 and modification to the mid-peptide helical regions and C-terminus. These observations were linked to insulin secretion in a beta cell model and provide insights into how ligand factors influence GLP-1R function at the cellular level.

Abstract Receptors for the peptide hormones glucagon-like peptide-1 (GLP-1), glucose-dependent insulinotropic polypeptide (GIP) and glucagon (GCG) are important regulators of insulin secretion and energy metabolism. Recently described GLP-1 receptor agonists showing signal bias in favour of cyclic AMP over β-arrestin-2 recruitment have delivered promising results in preclinical studies. Here we first sought to establish the role of β-arrestins in the control of intracellular signalling and trafficking responses at the closely related GLP-1, GIP and GCG receptors, through studies performed in cells depleted of both β-arrestin isoforms. We also generated analogues of GLP-1, GCG and GIP which in some cases showed selective reduction in β-arrestin-2 recruitment versus cAMP signalling compared to the parent peptide. Despite reduced acute signalling potency and/or efficacy, some biased GLP-1 and GIP analogues increased maximal sustained insulin secretion from INS-1 832/3 clonal beta cells, although only at high agonist concentrations. Biased GCG analogues did not affect maximal insulin release, or glucose output in hepatocytes.

ABSTRACT We present a robust, long-range optical autofocus system for microscopy utilizing machine learning. This can be useful for experiments with long image data acquisition times that may be impacted by defocusing resulting from drift of components, e.g. due to changes in temperature or mechanical drift. It is also useful for automated slide scanning or multiwell plate imaging where the sample(s) to be imaged may not be in the same horizontal plane throughout the image data acquisition. To address the impact of (thermal or mechanical) fluctuations over time in the optical autofocus system itself, we utilise a convolutional neural network (CNN) that is trained over multiple days to account for such fluctuations. To address the trade-off between axial precision and range of the autofocus, we implement orthogonal optical readouts with separate CNN training data, thereby achieving an accuracy well within the 600 nm depth of field of our 1.3 numerical aperture objective lens over a defocus range of up to approximately +/− 100 μm. We characterise the performance of this autofocus system and demonstrate its application to automated multiwell plate single molecule localisation microscopy.