自动图像分析用于描述循环瘤细胞和由磁升起排序的集群

科学领域:

• 生物医学工程 生物医学工程
• 细胞生物学 细胞生物学
• 计算生物学 计算生物学

背景情况:

• 手动量化罕见细胞 (CTC,CTCC) 是耗时且容易出现错误的,特别是复杂的3D结构.
• 现有的方法与集群中的异质细胞类型和染色文物作斗争.
• 基于磁悬浮的分类提供了先进的罕见细胞隔离,但需要强大的分析工具.

研究的目的:

• 开发和验证"Fastcount",一个基于MATLAB的自动化算法,用于精确量化和CTC和CTCC的表型表征.
• 克服手动计数和商业软件在分析2D和3D罕见细胞成像数据方面的局限性.
• 与手动方法和商业软件相比,评估Fastcount的准确性和效率.

主要方法:

• 开发了一个基于MATLAB的内部算法,名为Fastcount.
• 在2D和3D中对CTC和CTCC进行自动定量和表型表征.
• 分析了400 GB的光成像数据,包括具有3D聚合和染色工件的具有挑战性的样本.
• 经过培训的技术人员对手工计数进行验证,并与商业软件进行比较.

主要成果:

• 与手动计数相比,快速计数的速度增加了120倍.
• 结果显示与训练有素的实验室技术人员相比,偏差为±7.3%,表明可靠性高.
• 快速计数在精度上超过了手动计数和商业软件,特别是在3D聚合细胞和带有染色器件的样本方面.
• 对结直肠腺癌和细胞癌CTCCs的分析揭示了集群内的空间细胞组成的显著异质性.

结论:

• 快速计数为罕见细胞量化和表征提供了精确,自动化和高效的解决方案.
• 该算法在处理复杂的3D细胞结构和成像挑战方面非常强大.
• 快速计数在CTC检测,CTCC分析和生物传感器应用的实验室芯片设备中具有广泛的应用.