研究人员为细胞成分的无染色标记打开了大门

EPFL和ConsiglioNazionaledelleRicerche(CNR)、UniversityFedericoII和意大利那不勒斯CEINGE-Biotecnologieavanzate的科学家们开发了一种无需荧光标记即可快速可靠地筛选单个细胞的新方法。他们的工作发表在NaturePhotonics杂志上，为早期肿瘤诊断和药物开发开辟了新途径。

在显微镜下，健康和不健康的细胞很难区分。科学家们使用针对特定蛋白质的染色剂或荧光标签来识别细胞类型，表征它们的状态，并研究药物和其他疗法的影响。虽然它对医学的影响是变革性的，但这种方法有其局限性。一方面，标记细胞既昂贵又耗时，并且很大程度上取决于研究人员的技能。最重要的是，染色过程可能对正在研究的细胞有害。

这就是为什么研究人员一直在开发替代方法来快速可靠地筛选单个细胞。在最近发表在NaturePhotonics杂志上的一篇文章中，EPFL工程学院的研究人员和来自意大利波佐利CNR应用科学与智能系统研究所的同事提出了一种能够准确区分生活中特定区域的无污染方法细胞。这项工作将全息成像和微流体与基于神经网络的信号处理独特地结合起来，为循环肿瘤细胞检测的液体活检和药物测试的高通量分析铺平了道路。

从相位延迟到折射率

该研究建立在学习断层扫描的基础上，这是一种先前由DemetriPsaltis及其团队在EPFL光学实验室开发的方法。学习断层扫描不是使用显微镜来创建正在研究的标本的视觉图像，而是依赖于定量相位成像，这是一种全息成像方法，可以揭示当显微镜的光束穿过构成细胞的物质时产生的相位延迟。

在几个不同的角度重复这个过程并通过神经网络运行相位数据，研究人员可以生成每个个体素的折射率的3D图——每个三维体积都通过该方法解析。“折射率受分子密度和材料的影响，”Psaltis解释说。增加迭代次数进一步提高了折射率分布估计的准确性。

在他们的出版物中，Psaltis和他的团队介绍了他们如何克服定量相位成像方法的长期限制：无法识别细胞内成分。“使用自聚类方法将具有相似折射率的体素与机器学习工具相结合，使我们能够将集群组装成我们可以分类的形状。例如，不同类型的原子核具有不同的折射率，”Psaltis说.缩小这一差距为定量相位成像铺平了道路，以提供以前只能使用荧光显微镜才能获得的洞察力。

第二个挑战是开发一种不需要固定细胞的方法来筛选细胞。这一挑战的解决方案来自共同作者PietroFerraro和他在CNR的实验室，他们在使用芯片实验室设备进行流式断层扫描方面拥有丰富的经验。“我们的想法是将细胞置于50到100微米宽的流体通道中，让通道中的流速梯度旋转细胞，”Psaltis说。“通过使用固定光束和检测器观察细胞沿通道翻滚时，我们可以检测相位延迟，估计细胞的方向，并应用我们的学习断层扫描方法生成3D折射率图。”

“可实现的横向分辨率为半微米到一微米，”Psaltis说。“我们无法检测到单个蛋白质，但我们可以看到蛋白质聚集体，它们往往有几十微米。它还让我们能够评估细胞核的大小和细胞的轮廓，当细胞癌变时，细胞的轮廓会变得不那么光滑。”研究人员通过将他们的发现与使用共聚焦荧光显微镜(当今3D细胞成像的黄金标准)的观察结果进行比较来验证他们的方法。

无染色细胞筛查的一个重要应用是液体活检，可以检测循环癌细胞，既可用于识别手术中的癌症类型，也可作为癌症转移的早期诊断工具。

另一个是药物开发。许多疾病，例如帕金森氏症，都与交联蛋白有关。Psaltis和他的合作者开发的方法提供了一种高效、非侵入性的方法来评估药物的有效性，这些药物旨在通过在成像装置中反复运行处理过的细胞来实时分解这些交联蛋白。同样，该方法可用于为研究人员提供有关病原体对健康细胞的实时影响的新见解。

根据Psaltis的说法，未来的工作将涉及应用机器学习工具从估计的折射率分布中提取生物学相关信息和具体诊断。