基于整合素表达的磁性排序SW 620细胞的机器学习分类,同时通过O-PTIR和SERS进行分类

科学领域:

• 生物技术是生物技术.
• 细胞生物学 细胞生物学
• 频谱学是一种光谱学.

背景情况:

• 不朽化的细胞系对于体外研究至关重要,但可以形成亚群,使数据解释复杂化.
• 细胞系的异质性源于突变或异步细胞周期,影响研究可重现性.
• 需要一种分类和分离这些亚群的方法,以提高对细胞反应的理解.

研究的目的:

• 开发和验证一种基于生物化学差异分类和分离细胞亚群的方法.
• 利用磁性排序细胞的光谱信号来识别独特的子群.
• 提高使用异质细胞系的体外研究的可靠性和解释性.

主要方法:

• 用RGDfC功能化纳米颗粒化SW620结肠癌细胞进行磁性分类.
• 细胞根据α5β1整合素结合活性进行分类.
• 同时的表面增强拉曼散射 (SERS) 和光热红外光谱 (O-PTIR) 用于成像和分析.

主要成果:

• 在SERS中的皮尔森相关性可视化了循环RGDfC-整体素α5β1相互作用.
• 对O-PTIR光谱的部分最小平方区分分析成功分类了排序的细胞亚群.
• 这项研究表明,能够根据生物化学变化对细胞进行分类,使用整合素活性试验.

结论:

• 同时的SERS和O-PTIR光谱学与磁性细胞分类相结合,可以有效地区分和分离细胞亚群.
• 这种基于整合素活性的测定方法提供了一种新的方法,用于在体外研究中解决细胞异质性.
• 开发的方法增强了对单一细胞系内的生物化学变异的理解,从而导致更可靠的研究结果.