在芯片实验室设备中自动化T细胞增殖,集成微流体学和基于深度学习的图像分析,用于长期实验

科学领域:

• 免疫学 免疫学 免疫学
• 生物技术是生物技术.
• 生物工程是生物工程.

背景情况:

• T细胞对于癌症免疫疗法至关重要,但传统的扩张方法效率低下,容易受到污染.
• 在动态培养环境中维持悬浮细胞对研究构成重大挑战.

研究的目的:

• 开发和评估一种微流体系统,用于长期培养非附着细胞,特别是T细胞.
• 整合自动输液,图像采集和深度学习用于细胞量化.
• 与现有方法和芯片上的实验室设备相比,评估该系统的性能.

主要方法:

• 设计了一个具有自动 perfusion 和图像采集的微流体系统.
• 深度学习算法用于细胞覆盖量化和细胞数量估计.
• 该系统的性能与可训练的Weka分段 (TWS) 和两个实验室芯片 (LOC) 设备 (ibidi®和定制PDMS) 相比进行了基准测试.
• 培养了jurkat和初级人类T细胞,以评估介质交换期间的增殖和生存能力.

主要成果:

• 微流体系统成功地支持了Jurkat和原始人类T细胞的长期增殖.
• 深度学习分析提供了有效的细胞覆盖率和数量的量化.
• ibidi®和自定义PDMS LOC设备都适合长期T细胞扩张,每个都有独特的优势.
• 该系统表现出稳定的 perfusion 和支持多反应剂的管理与最小的手动干预.

结论:

• 开发的微流体系统为延长悬浮细胞培养提供了一个强大的平台,这对免疫治疗研究至关重要.
• 自动输液和基于深度学习的图像分析提高了效率,减少了人工劳动.
• 这项技术通过克服传统方法的局限性,促进了T细胞扩张和免疫疗法的先进研究.