電話：
021-67610176傳真：
50多年來，基于流式細胞儀（flow cytometry）的細胞分選是依據(jù)細胞的表面標志物表達譜從物理上分裂這些細胞，它已成為生物學實驗室中的一種廣泛使用的工具。但是，在一項新的研究中，來自一個研究團隊揭示出這個關鍵過程的下一步發(fā)展，即“智能圖像激活細胞分選（Intelligent Image-Activated Cell Sorting, IACS）”。相關研究結果于2018年8月27日在線發(fā)表在Cell期刊上，論文標題為“Intelligent Image-Activated Cell Sorting”。
圖片來自Cell, doi:10.1016/j.cell.2018.08.028。
IACS是一種智能機器，它集成了光學、微流體、電學、計算和機械技術，不僅可以根據(jù)細胞的全局表型譜，還可以利用一種圖像驅動方法獲得細胞的空間和形態(tài)特性來對這些細胞進行分選。這些研究人員將推出一種開放式創(chuàng)新平臺，在這種平臺上，用戶可以在日本東京大學構建出的這種智能機器上提出想法和提交有趣的樣本并進行測試。另外，一家初創(chuàng)公司CYBO公司（CYBO Inc.）將把這種IACS技術轉變?yōu)橐环N商業(yè)產品。
論文通信作者、東京大學物理化學家Keisuke Goda說，“我們的目標是將流式細胞儀的能力從一維強度擴展到二維圖像，以便分選出具有*的生物分子空間結構的細胞。這將有助于解決新的基本生物學問題，如‘細胞結構如何在分子水平上與生理功能相關聯(lián)？’我們設想這種開發(fā)出的工具可廣泛地應用于研究哪些基因影響細胞內的各種分子的空間定位。”
為了讓IACS成為現(xiàn)實，這些研究人員需要在速度和準確度之間取得平衡。在來自日本東京大學、名古屋大學、京都大學、日本理化研究所、美國加州大學洛杉磯分校和哥倫比亞大學等26個機構的50多位專家組成的努力合作下，這些研究人員鑒定出一種實時不中斷地分離靶細胞而不中斷的方法：利用深度學習快地速處理高分辨率數(shù)據(jù)。他們花了2年時間進行設計，又花了2年時間開發(fā)子系統(tǒng)，再花了2年時間將這些子系統(tǒng)整合在一起并在微藻和血細胞樣本上對這種平臺進行測試。Goda采用了LIGO（Laser Interferometer Gravitational-Wave Observatory，激光干涉引力波天文臺）戰(zhàn)略，領導構建出這種高度跨學科的復雜機器。
與所有流式細胞儀一樣，將含有懸浮細胞樣品的試管被放置在注射口處，從而將它引導入這種IACS系統(tǒng)中。在運行過程中，讓細胞逐個地在顯微鏡透鏡下通過并進行成像；實時收集這些成像數(shù)據(jù)并用于制定分選決策，從而將符合標準的細胞與那些不符合標準的細胞在物理上分離開來。在完成分離后，收集一個含有經(jīng)過分選的細胞樣品部分的試管和一個含有剩余的細胞樣品部分的試管，在在光學顯微鏡下檢查這兩個試管，并評價它們的產率和純度。與流式細胞儀不同的是，細胞依據(jù)它們的空間和形態(tài)學參數(shù)（比如細胞內的蛋白定位和細胞間相互作用）從大的異質群體中分離出來。
Goda說，“這種平臺即使采用深度學習算法，也能狗在32毫秒內完成圖像采集、圖像處理、決策制定和驅動，從而實現(xiàn)以每秒約100個細胞的速度進行實時的基于圖像的智能細胞搜索和分選。這種IACS技術具有廣泛的用途。能夠處理從微生物學到血液學等各種領域的各種類型和大小的細胞，并有望在生物科學、制藥和醫(yī)學科學領域取得基于機器的發(fā)現(xiàn)。”
目前，這種平臺經(jīng)優(yōu)化后可用于分析單個細胞，但是不能夠處理更大的生物學靶標，比如細胞類球體、類器官、組織切片和整個有機體。然而，這些研究人員正在計劃修改這種平臺的微流體通道和光學系統(tǒng)，以便讓它在未來能夠處理。鑒于這種系統(tǒng)龐大而又復雜，因此在實驗室外構建它并不是很容易的。在短期內，這些研究人員將使用這種開放式創(chuàng)新平臺來幫助任何對使用這種工具感興趣的人。（生物谷 ）
參考資料：
Nao Nitta, Takeaki Sugimura, Akihiro Isozaki et al. Intelligent Image-Activated Cell Sorting. Cell, Published Online: 27 August 2018, doi:10.1016/j.cell.2018.08.028.
13224517959
