使用机器学习分析辅助表面增强拉曼光谱对肝原体和肝细胞样细胞分化的评估
Sanghwa Lee1, Eunyoung Tak2, Jiwan Choi2
1Biomedical Engineering Research Center, Asan Medical Center, Seoul 05505, Republic of Korea.
Biomaterials research
|May 8, 2025
概括
一项新技术使用人工智能和SERS来监测干细胞分化到肝细胞. 这种非侵入性方法准确地跟踪人间介质干细胞 (hMSCs) 成为肝脏前代细胞 (HPCs) 和肝细胞样细胞 (HLCs).
科学领域:
- 生物技术是生物技术.
- 再生医学是一种再生医学.
- 纳米技术纳米技术
背景情况:
- 人类介质干细胞 (hMSCs) 分化为肝细胞样细胞 (HLCs) 和肝细胞原生细胞 (HPCs) 为肝损伤疗法提供了伦理替代方案.
- 优化细胞分化对于提高基于细胞的治疗疗效至关重要.
研究的目的:
- 开发和验证一种高灵敏度,无标签,实时监测技术,用于将hMSC分化为HPC和HLC.
- 将人工智能 (AI) 与先进的传感集成在一起,以评估和优化差异化过程.
主要方法:
- 使用基于Au-ZnO nanorod阵列的表面增强拉曼散射 (SERS) 传感芯片进行细胞分泌物的非破坏性光谱分析.
- 采用主要组件线性差异分析 (PC-LDA),一种AI算法,用于光谱数据分析和细胞分类.
- 监测了hMSC到HPC和HPC到HLC在几天内分化的频谱变化.
主要成果:
- 实现了高监测准确度:使用PC-LDA的hMSC达到96.3%,HPC达到98.8%,HLC达到98.8%.
- 证明了hMSCs,HPCs和HLCs的明确光谱分组,证实了分化阶段.
- 验证了SERS与机器学习相结合的有效性,用于实时,非破坏性差异化监测.
结论:
- 基于SERS的系统与人工智能分析提供了一个强大的平台,用于实时,非破坏性监测和验证干细胞分化.
- 这项技术显示出临床应用的巨大潜力,包括使用患者衍生样本来治疗肝脏疾病.
