在芯片上3D多能干细胞分化动态的无标签成像
Scott Atwell1, Dominik Jens Elias Waibel2,3, Sayedali Shetab Boushehri2,4,5
1Helmholtz Pioneer Campus, Helmholtz Zentrum München - German Research Center for Environmental Health, Neuherberg, Germany.
Cell reports methods
|August 3, 2023
概括
研究人员开发了Bright2Nuc,这是一种无标签的深度学习工具,可以在微流体芯片上对3D干细胞培养进行成像. 这种方法可以从明亮场图像中预测核染色,从而实现自动化细胞分化分析.
科学领域:
- 生物技术是生物技术.
- 细胞生物学 细胞生物学
- 生物工程是生物工程.
背景情况:
- 先进的3D干细胞培养需要高分辨率成像以进行有效的分析.
- 目前的成像方法可能会限制大规模的自动化细胞分化研究.
研究的目的:
- 开发一种无标签的深度学习方法,用于成像3D干细胞培养.
- 在微流体平台上实现高含量,动态成像,用于自动化细胞分化.
主要方法:
- 开发了Bright2Nuc,这是一个深度学习模型,从明亮场共聚焦显微镜图像中预测3D核染色.
- 在微流体芯片上将该方法应用于人类诱导的多能干细胞分化.
- 集成的Bright2Nuc与图像分析工具用于核细分和形态定量.
主要成果:
- Bright2Nuc从明亮场图像中准确预测了核形态和差异化状态.
- 该方法使3D干细胞培养中的自动表型和细胞跟踪成为可能.
- 在微流体平台上成功应用于数百种分化干细胞培养.
结论:
- Bright2Nuc为3D干细胞研究提供无标签,高内容的成像.
- 开源管道允许可扩展的图像采集和工程组织的表型.
- 在微流体系统中推进干细胞分化的自动化分析.
