通过集成机器学习和组合生物物理线索映射探测纳米拓介导的巨细胞极化
Yannan Hou1, Brandon Conklin1, Hye Kyu Choi1
1Department of Chemistry and Chemical Biology, Rutgers, The State University of New Jersey, Piscataway, New Jersey 08854, United States.
ACS nano
|September 3, 2024
概括
我们开发了一个新的平台来选超过一百万个纳米图形,确定控制巨细胞炎症反应的特定表面特征,以获得更好的生物医学植入物.
科学领域:
- 生物材料科学 生物材料科学
- 纳米技术 纳米技术
- 免疫学 免疫学 免疫学
背景情况:
- 生物医学植入物成功受到炎症反应和宿主排斥的限制.
- 在植入物接口控制巨细胞的行为对于减少炎症和改善整合至关重要.
- 由于有限的纳米结构和控制,研究纳米拓学对巨细胞两极分化的影响具有挑战性.
研究的目的:
- 开发一个高通量查 (HTS) 平台,用于研究纳米拓学对巨分极的影响.
- 为了确定特定的纳米结构,调节巨细胞的炎症反应.
- 为了阐明参与纳米拓学调节的巨细胞命运的机械传导途径.
主要方法:
- 使用动态激光干扰光刻法 (DLIL) 制造一个大规模的组合生物物理线索 (CBC) 阵列,包含超过100万个纳米图形.
- 高通量选纳米拓学对巨细胞两极分化的影响.
- 机器学习 (ML) 的应用,特别是高斯过程回归,以识别关键的地形信号.
- 机械传导途径分析,包括细胞骨重塑和ROCK依赖的表观遗传激活.
主要成果:
- 确定了促进M1 (促炎) 或M2 (抗炎) 巨细胞两极分化的特定纳米图谱.
- 证明了CBC阵列能够选从100nm到微米的各种纳米结构的能力.
- 揭示了细胞骨重塑和机械转导通路中的ROCK依赖表观遗传激活的关键作用.
结论:
- 开发了一个集成的平台,结合DLIL,HTS和ML进行纳米生物相互作用预测.
- 该平台增强了对纳米拓学调节的巨细胞炎症反应的理解.
- 这项技术有可能为改进的生物材料和植入物设计先进的纳米结构涂层.
