通过无标签多式非线性光学显微镜和机器学习加速生物制药细胞系选择
Jindou Shi1,2,3, Alexander Ho1,2,4, Corey E Snyder1,3
1GSK Center for Optical Molecular Imaging, University of Illinois Urbana-Champaign, Urbana, IL, USA.
Communications biology
|February 3, 2025
概括
使用无标签显微镜和机器学习,选择高性能生物制药细胞系的速度更快. 这种非扰动性方法可以在发育早期准确地识别细胞系.
科学领域:
- 生物技术是生物技术.
- 光学显微镜的使用方法
- 机器学习 机器学习
背景情况:
- 生物制药细胞系选择至关重要,但效率低下.
- 目前的方法是耗时和劳动密集的.
研究的目的:
- 开发一种无标签,无扰乱的方法,用于分析生物制药细胞系.
- 为了加快高性能细胞系的选择,使用内在的分子对比.
主要方法:
- 采用了同时使用的无标签自光多声波 (SLAM) 显微镜和光终身成像显微镜 (FLIM).
- 在早期通道 (0-2) 中特征的中国仓鼠卵巢 (CHO) 细胞系 (0-2).
- 应用了机器学习 (ML) 辅助的分析管道来进行单细胞分类.
主要成果:
- 在通道2的单克隆细胞系分类中实现了超过96.8%的平衡精度.
- 确定相关性特征和FLIM模式对于早期分类至关重要.
- 证明了多式非线性光学显微镜和ML的有效性.
结论:
- 集成的光学生物成像和ML为细胞系选择提供了快速,非扰乱的解决方案.
- 这种方法可以加速识别优质生物制药细胞系.
- 这些技术显示出在各种生物领域更广泛地表征单细胞的潜力.


