高速全息术的细胞斑点身体疾病的灯塔

杜克大学生物医学工程师设计的全息系统的成像和分析成千上万的细胞每分钟发现和识别疾病的迹象。

概念验证演示,技术区分健康样品和癌变或carcinogen-exposed癌前期细胞几乎100%的准确率,只用四个基本细胞物理参数的全息小组25。结果指向一个有前途的筛查或诊断技术,更简单,更便宜的使用比目前标准实践,使其潜在的用于远程目标,资源匮乏的地区。

这项研究发表在11月30日的在线杂志物理前沿。

“细胞通过扫描仪飞得太快,如果计算机没有慢下来,在屏幕上,你甚至不能够看到他们,”亚当说蜡,杜克大学生物医学工程教授。“我们非常兴奋能够形象这许多细胞,因为它指向这一技术现场即时诊断的潜力。”

在传统的细胞诊断过程,细胞从组织获得抓取或细针活检穿上幻灯片和染色一个训练有素的医生仔细放大和检查。但是在某些情况下,染色过程中会破坏细胞,使幻灯片的眼睛训练有素的专家可以几天如果不是几周。

在新的全息成像的方法,收集细胞样本可以冲洗掉仪器到生物适合的解决方案和插入到微流控芯片。小设备转移样品为一系列平行的渠道,通过下一行相机,像是一个传送带通过新生产的物品在一个自治扫描仪检查。减速时,3月的细胞图像让人想起电脑屏幕上倾泻下来的绿色字符矩阵。

随着细胞飞过,设备自动挑出整个细胞,让更多人了解。基于时间的不同光返回的旅程和一个畅通的参考光束,相机可以确定每个单元和计算的地形特征,如形状和高度。虽然这些可能听起来像简单的测量,当他们结合成千上万的数据点和深度学习先进技术,他们可以成为发现疾病的信号。

“过程需要大约30秒1毫升示例可能包含超过50细胞,”辛迪说,博士生在蜡的实验室工作,论文的第一作者。”,一旦完成,病理学家可以打开个人资料的任何细胞成像的仔细检查。”

为了演示这种方法的潜力,蜡和陈用它来形象总计8500个细胞从三个不同的细胞lines-healthy乳房细胞,癌症乳腺癌细胞和乳房癌前期细胞被暴露在镉、一个已知的有效的致癌物。而技术捕捉25单独的物理特征的细胞,研究人员发现,在这种情况下,只有四个是必要的区分三种类型。

使用机器学习算法,该设备是能够成功地分类每个单元与98%到99%的准确率仅使用2 d区占据,3 d空间占用,其形状和其平均高度。

“这是一个简单,label-free成像技术获取数据类似的流式细胞术,观察细胞一次,通常需要引入荧光标记,”陈先生说。“我们的想法是,通过这些财富的量化数据,你可以单独的细胞比如果你使用一个单一的指标。”

“我们现在试图找出如何将这一技术在现阶段找出如果人被暴露于这些致癌物质在发展中国家,比如砷在地下水,“添加蜡。”例如,您可能甩掉一些细胞的人的嘴,看看他们接触致癌物质在饮用水。”

参考:陈残雪,公园商品,价格H,蜡a自动分类的乳腺癌细胞使用高通量全息血细胞计数。前的今天。2021年。doi:10.3389 / fphy.2021.759142

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。