通过elasto-惯性聚焦实现的大细胞的智能图像激活分类.
Yuzuki Nagasaka1, Akihiro Isozaki1,2, Hiroki Matsumura1,3
1Department of Chemistry, Graduate School of Science, The University of Tokyo, Tokyo 113-0033, Japan. tding@g.ecc.u-tokyo.ac.jp.
Lab on a chip
|February 25, 2026
概括
这项研究引入了一种新的图像激活细胞分类 (IACS) 方法,使用elasto-惯性聚焦以高速分类大细胞和物体. 这一突破克服了以前系统的局限性,使复杂的生物样本能够有效地进行分类.
科学领域:
- 生物技术是生物技术.
- 微流体学 微流体学
- 细胞分类 细胞分类
背景情况:
- 图像激活细胞分类 (IACS) 对于将单细胞层面的细胞形态和功能联系起来至关重要.
- 现有的IACS方法因微流体设备的聚焦不稳定性而难以对大型细胞和物体进行分类.
- 水力动力聚焦限制了IACS对于较大的生物实体的速度和纯度.
研究的目的:
- 开发一个IACS系统,能够以高速排序大型细胞和物体.
- 为了克服传统IACS系统中水力动力学聚焦的局限性.
- 为了实现高内容的实时图像分析,用于对大型生物实体进行分类.
主要方法:
- 开发了一个IACS系统,集成elasto-惯性聚焦,用于稳定粒子操纵.
- 在长距离 (≥35毫米) 上验证了以大颗粒 (>20微米) 的elasto-惯性聚焦器.
- 使用卷积神经网络分类器来分类大小混合的粒子和微藻 (Euglena gracilis).
主要成果:
- 使用elasto-惯性聚焦,证明了大颗粒 (>20微米) 的稳定聚焦.
- 实现了96.0%的纯度和80.5%的产量,用于每秒172次的大小混合粒子分类.
- 根据脂质液滴的形成成功分类Euglena gracilis,以每秒128次的速度实现4.5倍的丰富.
结论:
- 埃拉斯托惰性聚焦使大细胞和物体的高速IACS成为可能,克服了以前的局限性.
- 开发的IACS系统保持了复杂的生物样品的高分类纯度,产量和事件率.
- 这项技术为涉及大型细胞实体的科学和工业应用推进了单细胞分析和分类能力.


