Cell | 细胞分选领域的颠覆之作，以惊人的速度实现了基于实时图像的智能的细胞筛选

了解细胞广泛的异质性，是当今生物学的一大挑战。特别是如何将细胞的组成、结构和形态细胞生理学联系在一起。不幸的是，在揭示这些关系方面，传统技术十分受限。

2018年8月27日，Cell期刊在线刊登了日本东京大学Keisuke Goda团队的成果《Intelligent Image-Activated Cell Sorting》，研究人员在本文中提出了一种基于完全不同架构的机器智能技术，它以前所未有的速度实现了基于实时图像的智能的细胞分类。

这种技术，研究人员称之为智能图像激活的细胞分类，集成了高通量细胞显微镜，聚焦和分类的混合软硬件数据管理基础设施，使数据采集，数据处理，决策和驱动得以自动化、实时化。

研究人员利用该技术，在文中用其来展示基于细胞内蛋白质定位的微藻和血细胞的实时分选以及来自大量异质群体的细胞间相互作用，分别用于研究光合作用和动脉粥样硬化血栓形成。这项技术用途广泛，有望在生物、制药和医学领域实现基于机器的科学发现。

来源：iNature

选稿：Brainnews| Simon

题图：网络

排版：Brainnews| Ya  

细胞的组成、结构和形态的差异与其生理功能有关，这是细胞同一性的一个重要方面。例如，转录因子定位于细胞核或细胞质会导致细胞行为的显著差异，而细胞几何学（例如，大小、形状）会影响细胞内信号，并调节细胞的生长和分化其他一些形态特征。核形状、核浆比、细胞骨架结构、染色体异常、细胞与细胞间的相互作用、RNA定位和脂滴分布等，也可能与独特的细胞功能有关。

为了解这种细胞与细胞之间的差异，需要新的方法来快速搜索和从大量异质细胞群中筛选出具有独特化学和形态特征的细胞。因为传统技术在揭示这些关系方面受到限制。研究人员认为，以高速率对细胞进行分类的技术将为揭示细胞的新的亚群体和罕见的细胞特征以及加速迈向精确医学、细胞疗法、药物发现、代谢工程和蛋白质工程的时代奠定基础。

成像—智能—筛选

不幸的是，由于图像数据的体积和复杂性（与准确性相关）与数据传输和图像处理速度（与响应时间相关）之间的制衡，这种技术的实现具有很大的挑战性。

事实上，传统的高通量细胞分选技术，如荧光活化细胞分选（FACS）只能处理低分辨率数据（例如，∼20光散射和没有空间信息的荧光信号），用于实时数据处理和分类。

另一方面，对基于图像的高含量筛选中的高分辨率数据进行数字分析和成像流式细胞术，由于高维数据的可用性，机器学习是有效的，但其数据传输和图像处理的速度有限，执行实时驱动的速度太慢。

提高数据处理输出量的一种典型策略是使用多台计算机并行处理数据，但这通常仅限于“离线”操作，从而导致较长的周转时间（超过几秒钟），并且不允许实时驱动。

以往为实现实时分析和排序所做的努力都采用了独特的电子、化学、微流控、光学，以及机械方法，但这些方法缺乏高输出量或成像能力。目前，还没有一种高通量的基于图像的细胞筛选技术。

本文中，研究人员提出了一种实时机器智能技术，通过使用截然不同的数据管理设施，克服了准确性和速度之间的权衡，从而以前所未有的速度实现了基于图像的实时“在线”智能细胞筛选和排序。这项技术研究人员称之为智能图像激活细胞分类器（IACS）。

该技术集成了高通量细胞显微镜、聚焦和筛选，并在电信级10 Gbps全因特网协议（IP）体系结构的混合软硬件数据管理基础设施上运行。该光学-微流体-电子-计算机-机械系统具有很高的灵活性、高度的可扩展性，并实现了数据采集、数据处理、决策和驱动的自动化操作，即使采用深度学习算法也能在32 ms内实现。

从某种意义上说，智能IACS是FACS的成像版本，它在技术和应用方面提供了更多的功能。为了展示智能IACS的力量和广泛用途（如微生物学、血液学），研究人员在文中分别展示了基于细胞内蛋白质定位和大量异质群体细胞间相互作用的微藻和血细胞实时分选，以研究光合作用和动脉粥样硬化。

虽然目前智能IACS中的流道和光学系统是为分析单个细胞而优化的，但改变流道和光学系统可以对较大的生物物体（如细胞球体、器官、组织碎片以及可能的整个生物体）进行基于图像的分类（如果蝇胚胎、斑马鱼等）而无需改变智能IACS的基本操作。

此外，根据最近的一份报道，贴壁单细胞也可以通过在水凝胶微载体上培养细胞，成为流式细胞术成像实验的对象。重要的是，这些载体具有剪应力遮挡特性，防止粘附细胞在流经微通道时受到破坏，这表明粘附细胞分类具有兼容性。智能IACS有望对这些类型的细胞和组织样品进行分析。

智能IACS凭借其高度的灵活性、高的可扩展性和实时的自动化操作，可以在各个方向上进一步提高其性能。

• 首先，不同的成像方法（例如，拉曼成像、定量相位成像、光声成像）、传感器或计算硬件（例如CPU、FPGA、GPU）可以作为模块添加到智能IACS中，以提高专用性、速度或计算能力，而无需对智能IACS平台进行任何修改。

• 第二，智能IACS可以与高通量单细胞体分析工具无缝集成，简化与形态表型相关的分子基础的识别。

• 第三，分类细胞的图像可以用来进一步训练深层CNN以提高智力，改进排序决策，并优化识别极其罕见细胞（例如循环肿瘤细胞、抗原特异性T细胞、癌症干细胞）的准确性。

有了这些额外的能力，智能IACS的潜在应用是巨大的，并有望在生物、制药和医学领域实现基于机器的科学发现。

原文链接：

https://www.cell.com/cell/fulltext/S0092-8674(18)31044-4

有兴趣使用智能IACS的研究人员可以使用文中的开放创新平台。

有关开放创新平台的更多信息，请访问以下网站：

http://www.goda.chem.s.u-tokyo.ac.jp/intelligentIACS.

前 文 阅 读

 

图书推荐：