机器学习增强的微流体阻抗平台用于罕见细胞分析.
Wei Yang1, Wei Lai2, Minhui Liang3
1Wenzhou Institute, University of Chinese Academy of Sciences, Wenzhou, Zhejiang 325001, China.
Analytical chemistry
|March 5, 2026
概括
这项研究引入了一种机器学习增强的基于阻抗的微流体流动细胞计 (μIFC) 平台,用于精确检测罕见癌细胞. 无标签系统在区分癌细胞和白细胞 (WBCs) 方面取得了很高的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 细胞生物学 细胞生物学
- 分析化学 分析化学
背景情况:
- 罕见的细胞,包括癌细胞,显著影响健康和疾病,但由于稀少,难以检测.
- 高精度的方法对于识别和分析这些罕见细胞种群至关重要.
- 基于微流体阻抗的流细胞计 (μIFC) 为单细胞分析提供了一种无标签的方法.
研究的目的:
- 开发和验证一个与支持矢量机器 (SVM) 学习策略集成的多频 μIFC 平台.
- 使用无标签的方法,准确地区分罕见的癌细胞与白细胞 (WBC).
- 通过后预测校正策略,提高罕见细胞检测的可靠性.
主要方法:
- 使用了一种基于阻抗的多频微流体流动细胞计 (μIFC) 平台.
- 实施了用于细胞分类的支持向量机器 (SVM) 学习策略.
- 应用了预测后纠正策略,以减少虚假识别率.
- 通过从淋巴细胞 (Jurkat) 和PBMCs中区分癌细胞系 (MDA-MB-231,A549,HeLa) 来验证性能.
主要成果:
- 在将癌细胞系与白细胞系区分时,获得了超过99%的准确性.
- 证明了该平台在1%-10%度下检测WBC群体内的罕见癌细胞的能力.
- 在μIFC结果和常规流细胞计之间显示出很高的一致性.
- 使用预测后纠正策略减少了错误识别率.
结论:
- 建立了一个强大的,无标签的,机器学习增强的μIFC平台,用于罕见癌细胞分析.
- 开发的平台提供了高精度和可靠性,用于区分罕见的癌细胞和白细胞.
- 这项技术对推进罕见细胞表征和相关应用具有前景.
