无标签,高分辨率3D成像和机器学习分析肠道器官通过低一致性全息图
Jimin Cho1, Mahn Jae Lee2, Juyeon Park3
1Graduate School of Stem Cell and Regenerative Biology, Korea Advanced Institute of Science and Technology (KAIST).
Journal of visualized experiments : JoVE
|September 1, 2025
概括
这项研究引入了全息图 (HT) 用于无标签的肠道器官的3D成像. 这种方法量化了有机物特性,并使再生医学和药物查的高吞吐量分析成为可能.
科学领域:
- 生物物理
- 细胞生物学
- 复原医学
背景情况:
- 精确的肠道器官成像对于研究至关重要.
- 目前的方法可能涉及光标记物,导致光毒性.
- 无标签成像可以保持器官的完整性和功能.
研究的目的:
- 详细说明使用全息图 (HT) 进行无标签的3D成像.
- 为了实现高吞吐量,对有机物质的定量分析.
- 支持疾病建模和药物查中的应用.
主要方法:
- 使用低连贯性全息图 (HT) 进行高分辨率的3D可视化.
- 采用基于阶段的实时成像来进行无标签的跟踪.
- 应用机器学习对成像数据进行细分和特征提取.
主要成果:
- 提供无标签的有机体生物物理性质 (体积,蛋白质密度) 的定量评估.
- 机器学习的整合可以实现一致的高吞吐量分析.
- 该方案可以对有机体活力,结构和药物反应进行公正的评估.
结论:
- 该协议提供了可复制的器官成像和分析方法.
- 整体影像可以实时监测细胞下分辨率的形态变化.
- 该方法广泛适用于研究和开发中的各种类器官系统.


