![]()
从异质样本中分选特定细胞对于研究和临床应用非常重要。
2024年11月5日，北京理工大学张帅龙、李航、中国科学院马汉彬共同通讯在Advanced Science 在线发表题为“Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics”的研究论文。该研究提出了一种新型无标记细胞分选方法，该方法将深度学习图像识别与微流体操作相结合，以根据形态区分细胞。
使用有源矩阵数字微流体(AM-DMF)平台，YOLOv8物体检测模型可确保精确的液滴分类，而安全间隔路径规划算法可管理多目标、无碰撞的液滴路径规划。模拟和实验表明，检测模型精度、浓度比和分选周期显著影响回收率和纯度。以HeLa细胞和聚苯乙烯珠为样本，该方法在三个周期内实现了98.5%的分选精度、96.49%的纯度和80%的回收率。经过一系列实验验证，该方法还可用于从红细胞中分选HeLa细胞、从白细胞中分选癌细胞（以HeLa细胞和Jurkat细胞为代表），以及区分白细胞亚型（以HL-60细胞和Jurkat细胞为代表）。使用此方法分选的细胞可直接在芯片上在其宿主液滴内裂解，从而确保样品损失最小并适合下游生物分析。这种创新的AM-DMF细胞分选技术具有巨大的潜力，可推动细胞生物学的诊断、治疗和基础研究。
细胞分选是从异质群体中分离特定细胞类型或亚群的关键技术，在推动生物医学研究（包括癌症诊断、干细胞研究和再生医学）方面发挥着至关重要的作用。例如，从液体活检样本中精确分离循环肿瘤细胞(CTC)直接影响基于病变追踪的癌症诊断中的细胞组学分析。此外，在临床应用中，不使用抗体的无标记细胞分选和分离方法对于低成本和快速的血液疾病诊断非常重要。因此，开发有效的细胞分选技术对于推进相关研究工作具有深远的意义。近几十年来，荧光激活细胞分选(FACS)已成为一种主要的细胞分选技术。FACS是基于流式细胞术建立的，利用具有不同激发波长的荧光标记来识别和分选目标细胞。结合表面声波操纵、细胞内标记和基于微通道的微流体等互补方法，FACS能够对各种细胞类型进行分选，包括MCF-7细胞、内分泌细胞和K562细胞。此外，磁激活细胞分选(MACS)最近也引起了广泛关注。在MACS中，细胞被标记上与磁珠相连的抗体，通过施加磁场即可将它们与未标记的背景细胞分离。该技术已广泛应用于精子选择、干细胞分离和细菌分类等研究领域。然而，这两种方法在分选分辨率和复杂性方面都存在一定的局限性。例如，FACS会损害图像的空间分辨率并需要延长处理时间，这通常会导致细胞形态细节减少。另一方面，MACS依赖于用磁珠标记细胞，因此无法同时对多种细胞类型进行分选。此外，这两种技术都涉及可能影响细胞活动和生理状态的细胞标记，从而可能限制各种生物应用的下游实验，例如单细胞蛋白质组学。AM-DMF 细胞分选示意图（图源自Advanced Science ）为了克服这些挑战，创新的细胞分选技术，例如无标记的基于图像的细胞分选(IBCS)，最近引起了很多研究兴趣。这种方法将微流体和微阵列与光学成像相结合，以提高分选精度和效率。通过图像处理，根据细胞的形态特征对其进行分类。尽管当前的IBCS方法，例如微流体IBCS和微阵列IBCS（详见表S1，支持信息），有助于实现无标记细胞分选，但仍迫切需要进一步改进自动化、空间分辨率和一体化细胞操作。作为高度集成和完全自动化的生物医学分析平台，数字微流体(DMF)已在各个领域得到广泛应用，包括分子诊断、单细胞组学、血液检测等。传统的DMF设备利用电介质电润湿(EWOD)效应来实现对微升大小液滴的精确操纵，从而促进液滴的移动、分裂和合并等任务。基于EWOD原理，研究人员集成薄膜晶体管（TFT）技术，开发出由数万个微小电极组成的有源矩阵（AM）-DMF，可用于操纵nL甚至pL液滴。近年来，人工智能（AI）技术的成熟和广泛应用，推动了微流体与计算机视觉AI模型的融合。这种融合推动了流式细胞术成像、细胞分选、细胞活力评估、免疫测定和其他各个领域的研究。在这里，作者提出了一种新颖的无标记细胞分选方法，该方法将深度学习物体检测与DMF操纵相结合，以根据细胞的形态特征对其进行区分。利用AM-DMF平台（见图1a），作者建立了一种新颖的YOLOv8物体检测模型（预测工作流程和网络结构如图1c所示，详细信息参见图S1，支持信息），用于对nL液滴内的细胞进行准确分类，并建立了一种安全间隔路径规划算法(SIPP)来控制这些液滴的运动并实现芯片上无碰撞的细胞分离。分选过程主要包括五个步骤（见图1b），通过将新鲜液滴引入系统可以不断提高其效率（详见电影S1，支持信息）。该方法可以实现快速、一体化、无标记的细胞分选，对HeLa细胞和聚苯乙烯珠(PSB)混合物的分选纯度达到96%以上，回收率超过80%。此外，作者应用该方法对红细胞（RBC）和HeLa细胞、HeLa细胞和Jurkat细胞以及HL-60细胞和Jurkat细胞的混合物进行分选，证明了其适用于不同细胞样本的潜力。https://onlinelibrary.wiley.com/doi/10.1002/advs.202408353![]()
—END—
内容为【iNature】公众号原创，
转载请写明来源于【iNature】
微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群（16个PI群及64个博士群），同时更具专业专门组建了相关专业群（植物，免疫，细胞，微生物，基因编辑，神经，化学，物理，心血管，肿瘤等群）。温馨提示：进群请备注一下（格式如学校+专业+姓名，如果是PI/教授，请注明是PI/教授，否则就直接默认为在读博士，谢谢）。可以先加小编微信号（love_iNature），或者是长按二维码，添加小编，之后再进相关的群，非诚勿扰。
![]()
![]()
投稿、合作、转载授权事宜
请联系微信ID：13701829856 或邮箱：iNature2020@163.com
觉得本文好看，请点这里！
