脑脊液细胞外囊泡的自动形态分类和量化通过AFM和机器学习
Mario Kurtjak1, Vera Tomas2, Leon Ivović3
1Advanced Materials Department, Jožef Stefan Institute SI-1000 Ljubljana Slovenia.
Nanoscale advances
|October 23, 2025
概括
优化样本准备是使用原子力显微镜 (AFM) 准确进行细胞外囊泡 (EV) 形态分析的关键. 我们开发了一种机器学习工具来识别EV形状,揭示了乙醇脱水和临界点干燥最能保存EV结构的诊断潜力.
科学领域:
- 生物物理学的生物物理.
- 纳米技术 纳米技术
- 生物化学 生物化学
背景情况:
- 脑脊液中的细胞外囊泡 (EV) 是大脑疾病的关键生物标志物.
- 原子力显微镜 (AFM) 在空气中提供了可访问的EV可视化,但可以扭曲原生形态.
- 准确的EV形态评估对于可靠的诊断应用至关重要.
研究的目的:
- 使用AFM系统地比较24种用于脑脊液EVs的制备方法.
- 开发用于自动化EV形态分析和形状分类的计算工具.
- 确定最佳的准备技术,以在AFM成像过程中保持EV形态.
主要方法:
- 通过AFM比较了24种EV准备方法,分析了尺寸,高度,比例和形状分布.
- 定义了5个EV形状类别 (圆,平,,单叶,多叶) 并排除了工件.
- 开发了一种计算机程序,用于手动观测和形状识别EV.
- 采用机器学习 (卷积神经网络) 模型用于自动化EV形状识别 (85 ± 5% F1得分).
主要成果:
- 固定方法对EV捕获和基板上的保护有重大影响.
- 临界点干燥可以比六甲基基拉更好地保存EV形态.
- (3-aminopropyl) triethoxysilane可以导致EV平坦化;NiCl2促进了文物形成.
- 乙醇梯度脱水,然后临界点干燥最好的保存 EV 形态.
- 用二甲氧化进行的化学脱水产生了平衡的形状和较低的尺寸比.
- 最高的尺寸比,匹配液体AFM,是通过乙醇脱水和临界点干燥NiCl2涂层来实现的.
结论:
- 优化样本准备对于使用AFM进行准确的EV形态分析至关重要.
- 机器学习显著提高了EV形状分类的速度和客观性.
- 特殊的制备技术,特别是乙醇脱水和临界点干燥,对于保持近原生EV形态是优越的.
- 这些发现提升了基于AFM的EV分析用于诊断目的的潜力.
