使用机器学习的单细胞拉曼显微镜突出了中性粒细胞外细胞陷和亡的独特生化特征
Patrick Michael Lelliott1, Alison Jane Hobro2, Nicolas Pavillon2
1Laboratory of Biophotonics, Immunology Frontier Research Center, Osaka University, Yamadaoka 3-1, Suita, Osaka, 565-0871, Japan. plelliott@ifrec.osaka-u.ac.jp.
Scientific reports
|June 21, 2023
概括
拉曼光谱通过揭示分子差异来区分中性粒细胞外细胞陷 (NETs) 和其他细胞死亡类型. 这种技术比传统方法更有效地识别NET,并根据其诱导路径区分NET.
科学领域:
- 细胞生物学 细胞生物学
- 生物物理学的生物物理.
- 频谱学是一种光谱学.
背景情况:
- 中性细胞细胞外陷 (NETs) 在免疫中至关重要,但区分它们独特的生物学与其他细胞死亡形式仍然具有挑战性.
- 目前用于NET识别的方法缺乏明确的歧视,阻碍了对其特定机制的研究.
研究的目的:
- 调查拉曼散射测量的实用性,以区分NET与其他细胞死亡模式.
- 探索拉曼光谱在描述各种刺激诱导的NET之间的分子差异方面的潜力.
主要方法:
- 高通量拉曼光谱平台,用于快速单细胞光谱采集.
- 主要组件分析 (PCA) 和用于光谱数据分析的机器学习算法.
- 与传统的NET检测技术,如免疫光和ELISA进行比较.
主要成果:
- 来自NET的拉曼光谱与使用PCA的结/解死细胞的光谱明显区别开来,尽管有形态相似之处.
- 传统的NET分析技术无法区分NET和死细胞.
- 机器学习识别了由脂聚糖 (LPS) 诱导的NET与醇酸 (PMA) 诱导的细微分子差异.
结论:
- 拉曼显微镜提供了一种强大的,整体的方法来识别和描述基于其独特的分子特征的NET.
- 这种技术在区分NET与其他细胞死亡途径方面超越了传统方法,可以揭示刺激依赖的分子变异.
更多相关视频
07:17Immunofluorescence Labelling of Human and Murine Neutrophil Extracellular Traps in Paraffin-Embedded Tissue
Published on: September 10, 2019
13.4K
07:19Author Spotlight: Quantifying Neutrophil Extracellular Traps in Disease and Drug Screening Using Dual-Color Live-Cell Imaging
Published on: December 1, 2023
1.0K
