Cell:深度学习对传统流式细胞术的革新-资讯-知识分子

Cell:深度学习对传统流式细胞术的革新

2018/08/28
导读
8.28日,国际顶级期刊《CELL》在线发表了一项重磅技术。


撰文 | 何东明

责编 | 叶水送

 

流式细胞术是生物科研的重要基本技术,不过采用现有的方法,要求找到合适的特异细胞表面分子进行荧光标记,这很大程度上限制了许多细胞的分选。现在,科学家对这一重要生物学技术进行了革新性的改进。


j/j2/zsfz1535416359.7098961.jpg


8月28日,国际顶级期刊Cell在线发表了一项重磅技术。这项成果由日本东京大学Keisuke Goda教授科研团队研发,他们结合深度学习对传统流式细胞术进行优化,实现了基于细胞内或表面荧光信号、分子-分子空间组织结构、细胞相互作用等多维度信息的高效快速采集与处理,开发出一种全自动化、高通量、高纯度、多维信息的实时细胞分选新技术——Image Activated Cell Sorting,简称为智能IACS技术。

 

该技术具有高适应性,有望在生物、制药和医学科学领域,实现基于机器学习的许多科学新发现。

 

IACS构成与技术原理

 

智能IACS技术是在混合软件 - 硬件数据管理设备上高效集成了高通量细胞显微镜,聚焦和分类的功能模块,实现了数据采集、处理、决策和执行的实时自动化操作。在30微秒内,实现前所未有的每秒100次事件的快速高效分选。

 

它的主要步骤分为如下5步:


1


2


3


4


5

 


IACS不再限于细胞表面标记,以细胞-细胞互作差异来分选

在没有染色的情况下,检测和分离固定血液中活化的血小板(例如,血小板聚集体),具有很大的临床应用潜力,有利于动脉粥样硬化中血栓形成的准确诊断和抗血小板治疗的监测。

 

智能IACS使用8层深度CNN方法对未染色的人全血的血小板聚集体进行分类,实现了成功区别开单个血小板与二个血小板聚集体,且具有99.0%高特异性和82.0%灵敏度。


研究者还分选到了胰腺癌患者血液中极为罕见的EpCAM阳性循环细胞,这些都是现有流式分选术无法实现的,或者如果通过显微镜进行,会非常耗费人力和时间,甚至需要借助机械臂。智能IACS中用于实时信号处理的基于FPGA的硬件与基于CPU-GPU的软件的组合,可更灵活地扩展和部署按需网络功能的基于数字的图像分析,机器学习和细胞分选的复杂算法,包括已有显微与流式细胞术的图像分析算法都得到了很好的应用。现有流式细胞技术只能基于荧光信号进行分选,因此对样品的制备,对荧光抗体标记选择都十分讲究,许多细胞需要采用双荧光标记或多标记,就必须选择合适的荧光抗体以避免出现串色,同时还存在抗体孵育等烦杂过程。智能IACS技术有效解决了这些问题,它基于分子空间组织结构等多维信息,能采用细胞内单荧光标记对大型异质细胞群体进行高效分选。

 

不过,IACS是一个庞大的设备,研究者表示可以提供给其他研究者进行试验。毫无疑问,这是一个重大的技术。据悉,已经有公司准备将其商业化。


原文链接:Intelligent Image-Activated Cell Sorting,Nitta et al., 2018, Cell 175, 1–11


参与讨论
1 条评论
评论
  • 何东明 2018/08/28

    通宵分选,抢流式有望结束了,即使如中科院大sibs也只有二个实验平台有4台流式仪;生化所曾艺老师筛选出乳腺干细胞MSC的mark,分选出高纯度MSC验证了MSC的发育全能性,刷新了以往的认识,登上Nature封面;李劲松老师研究单倍体胚胎干细胞为何变为二倍化,如果分选到高纯度的不同二倍化倾向性的细胞,就可能揭示出细胞增减的机理日本科学家这次可是脑洞打开,这一复杂精密设备令人惊叹,领队d曾经是LIGO团队成员。

订阅Newsletter

我们会定期将电子期刊发送到您的邮箱

GO