通过机器学习增强的电阻谱法进行细胞时空动态的非侵入性实时监测
Manuel Carrasco Yagüe1,2,3, Xingjian Zhang1, Matthew Volpatti1
1LadHyX, CNRS, École Polytechnique, Institut Polytechnique de Paris, Palaiseau 91120, France.
Science advances
|July 16, 2025
概括
本研究介绍了一种非侵入性,无标签的方法,使用电阻谱学 (EIS) 和机器学习 (ML) 来实时监测细胞动态. 这种方法克服了传统显微镜研究细胞生长和竞争的局限性.
科学领域:
- 细胞生物学 细胞生物学
- 生物工程是生物工程.
- 生物物理学的生物物理.
背景情况:
- 监测细胞的时空动态对于理解发育和癌症等生物过程至关重要.
- 传统的活细胞光显微镜由于染料细胞毒性和光损伤而面临局限性.
研究的目的:
- 开发一种非侵入性,无标签的方法,用于实时监测细胞时空动态.
- 将这个平台应用于正常和癌症乳腺上皮细胞,以跟踪生长和细胞相互作用.
主要方法:
- 微电极阵列和电阻谱学 (EIS) 的整合.
- 机器学习 (ML) 模型的应用用于数据分析和预测.
- EIS测量与细胞生长参数自动化显微镜图像分析的相关性.
主要成果:
- 使用基于EIS数据的ML精确预测细胞密度和尺寸演变.
- 仅从EIS记录中成功分类不同的细胞类型.
- 在共同培养中实时跟踪细胞增殖和细胞竞争中的空间异质性.
结论:
- 开发的EIS和ML平台为监测细胞动态提供了一个非侵入性的,无标签的替代方案.
- 这项技术可以有效地跟踪复杂的细胞行为,并区分细胞类型.
- 在研究癌症进展和器官发育方面的潜在应用.
