测量癌细胞的代谢变化使用双光子光终身成像显微镜和机器学习分析
Jiaxin Zhang1, Horst Wallrabe1, Karsten Siller2
1The W.M. Keck Center for Cellular Imaging, University of Virginia, Charlottesville, Virginia, USA.
Journal of biophotonics
|November 26, 2024
概括
这项研究使用了双光子光终身成像显微镜来监测药物治疗期间的癌细胞代谢. 对NAD,P) H和FAD共酶的机器学习分析揭示了早期药物反应的更强大.
科学领域:
- 细胞的新陈代谢
- 生物物理学的生物物理.
- 癌症研究 癌症研究
背景情况:
- 细胞代谢对于癌症的进展和药物反应至关重要.
- 实时跟踪代谢变化对于了解癌症生物学至关重要.
- 像NAD,P) H和FAD这样的自光共酶是关键的代谢指标.
研究的目的:
- 为了评估两个光子光终身成像显微镜 (2P-FLIM) 的NAD和FAD的同时800nm激发.
- 为了比较不同分析方法 (FLIRR,PCA,AE) 对于代谢跟踪的有效性.
- 用先进的成像技术评估癌细胞早期药物反应.
主要方法:
- 采用了双光子光终身成像显微镜 (2P-FLIM).
- 同时的800nm激发与顺序激发协议进行了比较.
- 分析涉及光寿命氧化还原比 (FLIRR) 和机器学习 (PCA,AE).
主要成果:
- 同时800纳米激发对于代谢成像证明是有利的.
- 这三种分析方法都确定了早期药物反应.
- 机器学习模型 (PCA,AE) 在统计学上提供了优越和强大的结果.
结论:
- 具有同时激发的2P-FLIM对于跟踪细胞代谢是有效的.
- 机器学习增强了对药物反应评估的代谢变化的分析.
- 这种方法为癌细胞代谢动态提供了高分辨率的洞察力.
