使用时间动力学的定量相位成像预测了造血干细胞多样性的预测
Takao Yogo1, Yuichiro Iwamoto2, Hans Jiro Becker3
1Division of Cell Regulation, Center for Experimental Medicine and Systems Biology, The Institute of Medical Science, The University of Tokyo, Tokyo, Japan. takayogo0430@g.ecc.u-tokyo.ac.jp.
Nature communications
|July 14, 2025
概括
这项研究引入了一种新的方法,用于使用活细胞成像和机器学习来预测造血干细胞 (HSC) 多样性. 它通过分析随时间推移的细胞行为来揭示以前隐藏的HSC变异,改善干细胞治疗预测.
科学领域:
- 干细胞生物学 干细胞生物学
- 造血干细胞研究的研究.
- 定量的相位成像成像技术
- 机器学习在生物学中的应用
背景情况:
- 造血干细胞 (HSC) 对于干细胞疗法至关重要,但其功能质量很难评估.
- 当前的分析技术只能提供一个快照,错过了HSC的动态性质.
- 了解HSC时间异质性对于改善治疗结果至关重要.
研究的目的:
- 开发一种用于预测HSC多样性和功能质量的新系统.
- 通过结合时间信息来克服基于快照的分析的局限性.
- 推进动态的,时间解决的HSC的评估.
主要方法:
- 整合单一HSC外体扩展技术与定量相位成像 (QPI).
- 机器学习算法的应用,从QPI数据分析细胞动力学.
- 基于时间细胞行为的HSC多样性的预测系统的开发.
主要成果:
- 通过实时动态分析发现了以前无法检测到的HSC多样性.
- 证明QPI驱动的机器学习显著提高HSC功能质量的预测准确性.
- 使用时间数据,在单细胞水平上对干细胞的定量评估.
结论:
- 开发的平台可以动态,时间解决HSC功能质量的预测.
- 这种方法超越了静态识别,对HSC的动态理解.
- 这些发现对提高干细胞治疗的安全性和有效性有重大影响.
更多相关视频
12:48A Time-lapse, Label-free, Quantitative Phase Imaging Study of Dormant and Active Human Cancer Cells
Published on: February 16, 2018
7.5K
17:08In vivo Clonal Tracking of Hematopoietic Stem and Progenitor Cells Marked by Five Fluorescent Proteins using Confocal and Multiphoton Microscopy
Published on: August 6, 2014
13.3K
