智能微流体学:一个深度学习集成平台,用于高精度的卵细胞膜透性表征在冷生物学

科学领域:

• 生物物理学的生物物理.
• 细胞生物学 细胞生物学
• 生殖科学 生殖科学

背景情况:

• 卵细胞冷保存受到低效的水和冷保护剂 (CPA) 运输的限制.
• 目前用于测量膜透性的方法缺乏自动化和高吞吐量,阻碍了协议优化.
• 需要一个可扩展的框架来对膜运输现象进行可靠的表征.

研究的目的:

• 开发一个自动化,高通量平台来量化卵细胞膜的透性.
• 为了能够精确测量液压导电性 (Lp) 和CPA透性 (Ps).
• 解决冷保存研究中手动分析的局限性.

主要方法:

• 开发 CryoSIM,一个集成的微流体-AI平台.
• 使用具有专用通道和微柱阵列的微流体芯片来实现稳定的CPA梯度.
• 使用深度学习模型 (MLSNet) 进行高精度卵细胞细分和实时分析.
• 通过Python接口实现运输模型 (双参数,Kedem-Katchalsky) 来计算Lp和Ps.

主要成果:

• CryoSIM实现了卵细胞膜透性的自动并行量化.
• 在卵细胞细分方面,MLSNet显示出98.7%的像素级准确度.
• 该平台可以在各种CPA度和温度 (4-37°C) 中计算Lp和Ps.
• 与手工方法相比,CryoSIM可将分析吞吐量提高90%以上,表现一致.

结论:

• CryoSIM提供了一个统一的,高吞吐量的工作流程,集成微流体,人工智能和运输建模,用于精确的膜透性表征.
• 这个平台推进了冷保存分析,并为生物物理研究提供了广泛适用的工具.
• 它支持生育保护研究和生物分析测试的开发.