Wetenschap
UCLA's computationele cytometer. Krediet:UCLA Engineering Institute for Technology Advancement
Detectie van zeldzame cellen in bloed en andere lichaamsvloeistoffen heeft tal van belangrijke toepassingen, waaronder diagnostiek, het volgen van ziekteprogressie en het evalueren van de immuunrespons. Bijvoorbeeld, het detecteren en verzamelen van circulerende tumorcellen (CTC's) in bloed kan helpen bij de diagnostiek van kanker, hun rol in de metastatische cascade bestuderen en patiëntuitkomsten voorspellen. Echter, omdat elke milliliter volbloed miljarden bloedcellen bevat, de zeldzame cellen (zoals CTC's) die voorkomen bij extreem lage concentraties (meestal lager dan 100-1000 cellen per milliliter) zijn erg moeilijk te detecteren. Hoewel er verschillende oplossingen zijn ontwikkeld om deze uitdaging aan te gaan, bestaande technieken in het algemeen worden beperkt door hoge kosten en lage doorvoer.
Onderzoekers van de UCLA Henry Samueli School of Engineering hebben een nieuw cytometrieplatform ontwikkeld om zeldzame cellen in bloed te detecteren met een hoge doorvoer en lage kosten. Gepubliceerd in Light:Wetenschap en toepassingen, deze nieuwe cytometrietechniek, magnetisch gemoduleerde lensloze spikkelbeeldvorming genoemd, gebruikt eerst magnetische kraal labeling om de doelcellen te verrijken. Vervolgens wordt het verrijkte vloeibare monster dat met magnetische kraal gelabelde doelcellen bevat, onder een wisselend magnetisch veld geplaatst, waardoor de doelcellen zijwaarts oscilleren met een vaste frequentie. Tegelijkertijd, een laserdiode verlicht het monster van bovenaf en een beeldsensor die onder het monster is geplaatst, legt een lensloze video met hoge framesnelheid vast van het in de tijd variërende optische patroon dat door het monster wordt gegenereerd. Het opgenomen spatiotemporele patroon bevat de informatie die nodig is om de oscillerende doelcellen te detecteren.
De onderzoekers bouwden een compact en goedkoop prototype van deze computationele lensloze cytometer met behulp van kant-en-klare beeldsensoren, laserdiodes en elektromagneten, en gebruikte een op maat gemaakte vertaalfase om de imager-eenheid in staat te stellen een vloeibaar monster te scannen dat in een glazen buis is geladen. Het prototype kan het equivalent van ~ 1,2 ml volbloedmonster in ~ 7 minuten screenen, terwijl het slechts ~ $ 750 kost en ~ 2,1 kg weegt. Er kunnen ook eenvoudig meerdere parallelle beeldvormingskanalen aan het systeem worden toegevoegd om de monsterdoorvoer verder te vergroten.
Om een optimale gevoeligheid en specificiteit van de detectie van zeldzame cellen te garanderen, er is een tweestaps rekenprocedure ontwikkeld, waarbij een computationeel bewegingsanalyse-algoritme betrokken was om micro-objecten te detecteren die oscilleren op de gespecificeerde wisselfrequentie, en vervolgens een op diep leren gebaseerd classificatie-algoritme op basis van een nauw verbonden pseudo-3-D convolutionele neurale netwerkstructuur (P3D CNN). Het diepe neurale netwerk verbeterde de nauwkeurigheid van de techniek aanzienlijk, wat resulteert in een detectielimiet van 10 cellen per milliliter volbloed.
Deze AI-gestuurde cytometrietechniek vertrouwt op de magnetische deeltjes voor zowel celverrijking als detectie, wat de tijd en kosten voor het detecteren van zeldzame cellen vermindert, terwijl een hoge gevoeligheid behouden blijft. Deze compacte, goedkoop maar krachtig cytometriesysteem kan tal van toepassingen vinden, vooral in omgevingen met beperkte middelen.
Wetenschap © https://nl.scienceaq.com