基于ODEP的机器人系统用于初级细胞的微处理和流动分析
Joanna Filippi1,2, Paola Casti1,2, Valentina Lacconi3
1Department of Electronic Engineering, University of Rome Tor Vergata, 00133 Rome, Italy.
Cyborg and bionic systems (Washington, D.C.)
|May 20, 2025
概括
这项研究介绍了一种使用光学诱导导电解 (ODEP) 和机器学习进行自动化单细胞表型化的机器人系统. 该平台准确地区分不同细胞类型,为先进的诊断铺平了道路.
科学领域:
- 生物物理学的生物物理.
- 细胞生物学 细胞生物学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 由于复杂的遗传,环境和生活方式相互作用,特征化多因素细胞缺陷具有挑战性.
- 早期和准确的细胞异常识别对于有效的诊断和治疗至关重要.
研究的目的:
- 开发一个机器人微操作和分析系统,用于单细胞表型.
- 为了利用光学诱导的过电泳 (ODEP),微流体学,活细胞成像和机器学习进行无标签的细胞分析.
- 展示系统在不同细胞群体之间进行区分的能力.
主要方法:
- 利用光学诱导导电解 (ODEP) 产生不均的电场用于细胞操纵.
- 集成的微流体和活细胞成像,用于实时细胞观察和测量.
- 采用机器学习算法来分析细胞反应,包括中心运动,电变形和方向动态.
- 开发了一个机器人平台,用于自动化单细胞微操作和分析.
主要成果:
- 基于ODEP的系统成功地以自动化,灵活和无标签的方式表征细胞特性.
- 通过分析电动力学指纹和变形动力学来阐明单细胞水平的微妙差异.
- 该平台证明了从生育期患者的初级子宫内膜层细胞和受体/选择性平衡受损的细胞之间进行区分的能力.
- 在患者层面分析多个细胞时,平均准确率为98%.
结论:
- 基于ODEP的联合机器人和自动分析平台为单细胞表型化提供了一种新的方法.
- 这项技术有可能在细胞病理的临床诊断和管理中得到广泛应用.
- 该系统提供了一种强大的工具,用于理解和识别高精度的细胞缺陷.
