作为ALI差异化人类气道上皮模型中的功能终点,自动量化脉跳动频率和区域的自动量化
Hee Sung Hwang1, Jee Hoon Choi1, San Deul Ryu1
1Department of Bio-application toxicity, Hoseo University, Asan, Republic of Korea.
概括
研究人员开发了一个自动化的Python管道来量化气道乳毛功能. 这种工具客观地测量了节拍的频率和区域,推动了呼吸系统疾病研究和体外气道模型的发展.
科学领域:
- 呼吸系统生理学 呼吸系统生理学
- 在体外建模模型.
- 生物信息学是一种生物信息学.
背景情况:
- 呼吸道的粘膜系统对于清除吸入的颗粒至关重要.
- 在研究呼吸道疾病和吸入毒性方面,需要具有生理相关的体外呼吸道模型.
- 目前的3D空气液体接口 (ALI) 气道培养缺乏强大的定量状功能评估.
研究的目的:
- 开发和验证基于Python的自动化管道,用于客观量化状活动.
- 整合时间 (眼节拍频率,CBF) 和空间 (眼节拍面积,CBA) 的参数.
- 为了实现空气道上皮细胞中纤维功能的高通量,用户独立的分析.
主要方法:
- 开发了一个Python管道,用于对高速视频显微镜数据进行自动分析.
- 将管道应用于在ALI条件下培养的初级人类小气道上皮细胞 (hSAEC) 和支气管上皮细胞 (hAECB).
- 与已建立的分化标志物 (TER,组织学,ICC) 相比,验证了自动化的毛度量.
主要成果:
- 自动化管道提供了客观的,全场的,高吞吐量状活动 (CBF和CBA) 的量化.
- 自动化毛指标显示与生物差异化标志物有很强的一致性.
- 时间解析分析显示了细胞类型依赖的纤维生成,在ALI分化28天后,CBA扩张和CBF稳定.
结论:
- 提供了一个可扩展的,定量框架,用于功能评估气道上皮质分化.
- 自动化管道克服了手动或基于ROI的分析的局限性.
- 允许使用体外气道模型改进疾病建模和吸入毒性的评估.
