微流体流动细胞计学的进步使单细胞电气和结构性质的高通量表征成为可能
Xukun Huang1,2, Xiao Chen1,3, Huiwen Tan1,3
1State Key Laboratory of Transducer Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, People's Republic of China.
概括
这项研究引入了微流细胞计,用于高通量单细胞分析. 它使用微通道和深度神经网络以高精度分类细胞类型,为该领域提供了新的视角.
科学领域:
- 生物医学工程 生物医学工程
- 单细胞分析的方法
- 微流体学 微流体学
背景情况:
- 传统的流细胞计在对单细胞特征的电气和结构特征的高通量表征方面存在局限性.
- 基于结合的电气和结构性质来表征细胞可以提高分类的准确性.
研究的目的:
- 开发和演示一种微流量细胞计,用于同时对单细胞电气和结构特征进行高通量表征.
- 利用深度神经网络进行特征提取和细胞类型的分类.
主要方法:
- 细胞通过狭窄的微通道,产生阻抗变化,并使高质量的成像.
- 循环神经网络 (RNN) 和卷积神经网络 (CNN) 分别用于提取电气和结构特征.
- 使用支持矢量机器 (SVM) 来融合提取的特征以进行细胞类型分类.
主要成果:
- 实现了高分类准确率:电气特征99.3% (LSTM-RNN),结构特征96.7% (Resnet18-CNN) 和组合特征 (SVM) 的百分之百.
- 该系统证明了两种白血病细胞系 (HL60与Jurkat) 之间的有效分化.
- 微流体装置成功捕获了高质量的图像,没有焦点损失.
结论:
- 开发的微流体流动细胞计通过整合电气和结构特征表征,实现高效准确的单细胞分析.
- 深度神经网络与微流体学相结合,为先进的细胞类型分类提供了强大的方法.
- 这项技术为单细胞分析领域提供了全新的视角.
