无标签的单细胞癌症分类从粘附的空间分布接触动力学

科学领域:

• 生物技术是生物技术.
• 细胞生物学 细胞生物学
• 显微镜的使用方法

背景情况:

• 准确的单细胞识别和分离对于免疫疗法,再生医学和癌症诊断等应用至关重要.
• 目前的方法通常涉及侵入性标签或可能影响细胞功能的程序.
• 需要基于生物活动的快速,非侵入性工具来进行基于生物活动的高通量细胞选择.

研究的目的:

• 为了引入一种新的,高度精确的单细胞细分方法.
• 开发一个分类工作流程,用于单元格的半自动分离和分类.
• 评估这种无标签的细胞类型识别技术的性能.

主要方法:

• 结合相对比显微镜用于高空间分辨率与共振波导格 (RWG) 生物传感器用于粘附动态记录.
• 开发了一个分类工作流程,集成粘附动力学数据和空间分辨率数据.
• 在健康和癌细胞类型上使用功能化 (纤维蛋白) 和非涂层表面测试了该方法.

主要成果:

• 在最好的模型中实现了近95%的整体分类性能.
• 证明了基于结合显微镜和生物传感器数据对单细胞进行分类的能力.
• 在多种细胞类型和表面涂层中验证了方法,总样本超过12,000个.

结论:

• 开发的方法提供了一个高度准确,无标签和非侵入性的方法,用于单细胞识别和分离.
• 这种技术直接测量细胞活动而不影响细胞功能,使其适合进一步的细胞处理.
• 概念验证显示了适应现实生活中的自动诊断系统的潜力.