Тонкий срез эвкалипта лежит под объективом микроскопа, и белый свет, пройдя через два поляризационных фильтра, превращает древесину в мозаику из пурпурных, жёлтых и голубых пятен. Эти цвета не случайны: они, как буквы на карте, показывают, куда направлены невидимые глазу нити целлюлозы внутри клеточных стенок. Раньше такую карту нельзя было прочитать без разрушения образца, потому что электронный микроскоп не отличает целлюлозу от соседних веществ, а обычный поляризационный микроскоп путал два разных направления укладки.

В основе метода лежит простое свойство: целлюлоза по-разному преломляет свет в зависимости от направления волны, поэтому при скрещенных поляризаторах она начинает светиться определённым цветом. Но у этого свечения есть слепое пятно: фибриллы, наклонённые под углом 45° и 135°, давали одинаковый сигнал, и микроскоп не мог их различить. Исследователи добавили в оптическую схему компенсатор — пластинку, которая сдвигает одну часть световой волны относительно другой на 530 нанометров. Этот сдвиг, как переводчик, разделяет два прежде неразличимых направления и превращает их в разные цвета.

Чтобы проверить, что каждый цвет действительно соответствует определённой укладке, учёные построили компьютерную модель клеточной стенки как полого цилиндра из множества слоёв. В каждом слое они задавали угол наклона фибрилл и рассчитывали, какой цвет увидит микроскоп. Оказалось, что пять типов архитектуры — линия, спираль, кольцо, перекрещённая спираль и скрученная спираль — имеют уникальные цветовые профили. На поперечном срезе линия всегда пурпурная, а на продольном срезе спираль и кольцо различаются по тому, какой цвет появляется при повороте компенсатора.

Эксперименты на реальных клетках подтвердили предсказания модели. В стволе дерева кольца составили 6%, спирали 27%, скрученные спирали 67%. В коре ветки из десяти клеток две оказались перекрещёнными спиралями, которые в обычном микроскопе неотличимы от линейных, но в поляризованном свете дают пурпурный цвет вместо голубого. Три разных способа идентификации дали одинаковый результат на одних и тех же клетках, что подтверждает надёжность цветовых меток.

Теперь цветная карта древесины становится инструментом, который можно читать автоматически. Цветовые профили настолько различимы, что идеально подходят для машинного зрения и нейросетевых алгоритмов. Уже сейчас метод позволяет одновременно анализировать десятки клеток, подсчитывать их типы и отмечать расположение кластеров. Следующий шаг — обучение нейронной сети на симулированных и экспериментальных изображениях для полностью автоматизированной классификации. Это откроет возможность быстрого скрининга больших массивов древесины и других растительных тканей, а также поможет в создании биомиметических материалов с улучшенной структурной целостностью.