一个集成的微流体系统,用于使用深度学习模型YOLO进行一站式复合外体PD-L1和MMP9自动化分析

科学领域:

• 生物医学工程 生物医学工程
• 癌症研究 癌症研究
• 纳米技术纳米技术

背景情况:

• 瘤的发展涉及免疫逃脱和物理入侵,外体标记物传统上使用易产生偏差的复杂方法进行分析.
• 使用微流体技术的非侵入性液体活检对于分析外体瘤进展标志物是有利的.
• 目前对外体标志物分析的方法通常是复杂和耗时的,阻碍了护理点的应用.

研究的目的:

• 开发一个集成的微流体系统,用于芯片上的隔离和对外体瘤进展标志物的量化.
• 为了实现PD-L1和MMP9的敏感和准确检测,这些是癌症进展的关键标志物.
• 创建一个快速,自动化和用户友好的外体分析平台.

主要方法:

• 开发一个集成的微流体芯片,利用微流体设计原理和单分散微珠,以高效地处理样品.
• 实现基于YOLOv5的定位迁移策略,用于自动化光量化.
• 使用四种不同的细胞系验证该系统,以评估外体蛋白签名和检测极限.

主要成果:

• 微流体系统成功地隔离并量化了外体PD-L1和MMP9的高灵敏度和精度.
• 该平台显示,完整分析的处理时间不到40分钟.
• 达到了12.58颗粒/μL的低检测极限,表明高灵敏度.
• 在不同细胞系中确定了明显的外体蛋白签名.

结论:

• 开发的微流体芯片提供了一个灵敏,准确,易于操作的工具,用于外体标志物分析.
• 这项技术在癌症识别和个性化治疗指导方面具有重大潜力.
• 该系统与在瘤学中日益增长的治疗点检测 (POCT) 需求保持一致.