一个改进的双射击追踪算法,用于动态分析瘤环境中的自然杀手细胞
Yanqing Zhou1, Yiwen Tang2, Zhibing Li3
1School of Physics, Sun Yat-sen University, Guangzhou 510275, China.
Bioengineering (Basel, Switzerland)
|June 27, 2024
概括
自然杀手细胞 (NKC) 在两极分化时表现出增强的活动和定向运动,促进癌细胞相互作用. 改进的追踪方法揭示了NKC动态及其在癌细胞上的分布.
科学领域:
- 免疫学 免疫学 免疫学
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 自然杀手细胞 (NKC) 对于先天免疫和抗癌免疫疗法至关重要.
- 了解NKC运动和集体动态对于开发有效的癌症治疗至关重要.
- 目前的跟踪算法因其小尺寸和复杂的环境而难以进行NKC分析.
研究的目的:
- 通过深度学习分析NKC形态和关键点.
- 改进NKC动态的多对象跟踪算法.
- 探索影响NKC运动的因素及其与癌细胞的相互作用.
主要方法:
- 深度学习用于NKC形态分析.
- 开发距离级联匹配和再搜索跟踪方法.
- 分析了超过5000个图像 (大约. 300,000个细胞) 来研究NKC的动态.
主要成果:
- 极化NKC表现出增强的活动和沿着极化轴的定向运动.
- 极化促进NKC对癌细胞的接近.
- 癌细胞表面的NKC分布遵循在平衡状态下的博尔兹曼分布.
结论:
- 优化的跟踪算法增强了对NKC动态的研究.
- 细胞形态,特别是两极分化,显著影响NKC行为和癌细胞相互作用.
- 可以模拟NKC的集体行为,提供对免疫疗法机制的见解.


