肺癌静脉注射在芯片上:可视化和机器学习辅助的自动量化
Christy Wing Tung Wong1,2,3, Joyce Zhi Xuen Lee1,2, Anna Jaeschke1,2,3
1Institute for Tissue Engineering and Regenerative Medicine, The Chinese University of Hong Kong, Hong Kong SAR, China.
Bioactive materials
|July 18, 2025
概括
研究人员使用微流体学和机器学习开发了一种先进的肺癌转移模型,以研究瘤细胞输血. 这种创新的芯片技术加速了药物发现,并个性化了癌症治疗.
科学领域:
- 在瘤学瘤学.
- 生物技术是生物技术.
- 细胞生物学 细胞生物学
背景情况:
- 肺癌转移涉及表皮细胞到介质细胞的过渡 (EMT),使瘤细胞能够入侵血管.
- 了解静脉注射对于开发有效的抗转移疗法至关重要.
研究的目的:
- 开发一种人体体外微生理学模型,用于研究EMT驱动的肺癌静脉注射.
- 利用机器学习来自动识别和量化血管内事件.
主要方法:
- 使用巨受条件介质和TGF-β1.1制备一种诱导EMT的尾酒 (EMT-IC).
- 在暴露于EMT-IC的微流体器件中与微血管网络 (MVN) 共同培养肺瘤微量质.
- 采用机器学习辅助的船舶细分和同定位分析来检测输入.
主要成果:
- 在24小时内,EMT-IC促进了瘤细胞膜突起和输血进入MVN.
- EMT-IC降低了底层膜和血管接口蛋白 (胺素,VE-Cadherin),增加了血管的透性.
- 该模型显示了细胞特异性敏感性,反映了不同肺癌细胞系的转移潜力.
结论:
- 开发的"芯片上输血"模型为研究癌症转移提供了一个生理学上相关的平台.
- 这种高分辨率的快速模型有望加速药物开发,并为个性化癌症治疗策略提供信息.
关键词:
癌症的血管内扩散.皮质到介质细胞的转变 (EMT)图像细分 图像细分 图像细分肺癌是一种肺癌.机器学习辅助的图像处理巨细胞是一个巨细胞.微流体设备的使用方法模式识别 模式识别 模式识别随机的森林随机的森林转化生长因子β1 (TGF-β1) 的转化生长因子-β1 (TGF-β1) 的转化生长因子-β1 (TGF-β1) 的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化生长因子-β1的转化.
