通过深度学习辅助的X射线纳米计算机断层扫描对单细胞中的HfO₂纳米粒子进行量化三维成像分析

科学领域:

• 纳米医学是一种纳米医学.
• 医疗成像医学成像
• 癌症研究 癌症研究

背景情况:

• 在纳米级单细胞中量化3D药物分布对于理解药物机制至关重要,但在分辨率,灵敏度和重建方面面临挑战.
• X射线纳米计算机断层扫描 (Nano-CT) 首选用于观察细胞药物分布,但耗时,需要专业知识,并且可能是主观的,特别是对超小金属纳米粒子 (NP).
• 对于超小NP的传统批量数据分析缺乏准确性.

研究的目的:

• 开发一种模块化和自动化深度学习辅助的纳米CT方法,用于对超小金属NP局部化和癌细胞吸收的定量分析.
• 在单细胞的3D纳米CT图像中建立超小物体的细分方法,使微小和超小NP的敏感分析成为可能.
• 创建一个局部定量分析方法,用于准确细分细胞内可生物利用的颗粒.

主要方法:

• 使用放射增强剂超小的二氧化 (HfO2) 纳米粒子作为模型系统.
• 开发了一个与Nano-CT集成的深度学习算法,用于自动化图像分析.
• 为3D纳米-CT数据建立了新的细分和本地化定量分析方法.

主要成果:

• 通过使用3D纳米CT,展示了一种高度敏感的方法来分析单细胞内的微小和超微小NP.
• 从细胞外和其他细胞内成分精确细分的细胞内生物利用的HfO2NP.
• 揭示了人类乳腺癌细胞系MCF-7中HfO2NP的大量吸收和亚细胞量化.

结论:

• 开发的深度学习辅助的纳米CT技术能够精确地定位和定量分析单细胞内纳米级的超小NP分布.
• HfO2纳米颗粒在瘤细胞中显示出高生物可用性,为其作为先进的放射增强剂的作用提供了机械洞察力.
• 这种3D成像方法为探索NP的亚细胞定量分析提供了有价值的工具,在瘤治疗有效性和安全性评估中具有潜在的应用.