动态光散射显微镜检测线粒体动态,用于通过深度学习增强的无标签检测三阴性乳腺癌
Meiai Lin1, Ting Liu2, Yixiong Zheng1
1Department of Biomedical Engineering, College of Engineering, Shantou University, Shantou 515063, China.
Biomedical optics express
|October 19, 2023
概括
我们使用深度学习和动态光散射显微镜开发了一种无标签的方法,通过分析线粒体动态来识别三阴性乳腺癌 (TNBC) 细胞. 这种技术在区分TNBC和HER2-阳性乳腺癌亚型方面达到89%的准确性.
科学领域:
- 生物物理学的生物物理.
- 细胞生物学 细胞生物学
- 医疗成像医学成像
背景情况:
- 三阴性乳腺癌 (TNBC) 缺乏向疗法,需要新的诊断方法.
- 线粒体动力学在癌细胞中发生了改变,提供了潜在的生物标志物.
- 无标签成像技术对于有效和非侵入性癌症检测至关重要.
研究的目的:
- 建立基于深度学习的动态光散射 (DLS) 显微镜方法,用于无标签识别TNBC细胞.
- 为了研究线粒体动力学和TNBC中的DLS信号之间的关系.
- 使用DLS显微镜区分TNBC和HER2阳性乳腺癌亚型.
主要方法:
- 利用动态光散射 (DLS) 显微镜测量亚细胞散射器的细胞内运动性.
- 分析了自相关函数以量化DLS信号容量.
- 采用共聚焦光成像来可视化线粒体形态.
- 应用了与DLS显微镜集成的双流深度学习模型,用于亚型分类.
主要成果:
- 验证了DLS显微镜检测细胞内移动性的能力.
- 证明了线粒体动态对TNBC细胞内的DLS信号的影响.
- 在区分TNBC与HER2-阳性乳腺癌亚型时,获得了0.89的分类准确度.
结论:
- 基于深度学习的DLS显微镜是一种有前途的无标签工具,用于识别TNBC.
- 线粒体动态是通过DLS显微镜检测到的显著指标.
- 这种方法为改善乳腺癌亚型和诊断提供了潜力.
