Этикетка свободной идентификации лимфоцитов подтипы, с использованием трехмерных количественных этап визуализации и машинного обучения

Лимфоциты могут быть разделены на различные подтипы, включая B, помощник (CD4 +) T, цитотоксических T (CD8 +) и регулирования T клетки. Каждый тип лимфоцит имеет другую роль в адаптивной иммунной системы; например лимфоциты вырабатывают антитела, тогда как Т-лимфоцитов обнаружения специфических антигенов, устранить аномальные клетки и регулировать лимфоцитов. Функцию лимфоцитов и регулирование плотно управляется и относящиеся к различным заболеваниям, включая рак¹, аутоиммунных заболеваний²и³вирусных инфекций. Таким образом идентификация типов лимфоцитов имеет важное значение для понимания их патофизиологические ролей в таких заболеваний и для иммунотерапии в клиниках.

В настоящее время методы для классификации типов лимфоцитов полагаются на реакции антиген антитело, нацеленных на конкретные поверхности мембранных белков или поверхностных маркеров⁴. Ориентация поверхности маркеров является точное и точный метод определения типов лимфоцитов. Однако это требует дорогостоящих реагентов и длительных процедур. Кроме того он несет риски модификация белков мембранных структур и изменения клеточных функций.

Для преодоления этих проблем, описанных здесь протокол вводит лейбл свободный идентификация типов лимфоцитов с помощью 3D количественных этап визуализации (QPI) и машинного обучения⁵. Этот метод позволяет классификация типов лимфоцитов на уровне одной ячейки на основе морфологических сведений, извлеченных из метки Бесплатные 3D визуализации отдельных лимфоцитов. В отличие от обычных флуоресцентной микроскопии методы QPI использует индекс преломления (RI) дистрибутивов (внутренние оптические свойства живых клеток и тканей) оптических контраст^6,7. РИ томограмм отдельных лимфоцитов представляют фенотипические информацию, относящуюся к подтипам лимфоцитов. В этом случае системно использовать 3D ри томограмм отдельных лимфоцитов, использовался алгоритм обучения под наблюдением машины.

Используя различные методы QPI, 3D ри томограмм клеток активно использовались для изучения патофизиологии клеток потому, что они предоставляют метку бесплатно, количественные визуализации возможность^{8,9,10, 11,12,13}. Кроме того 3D ри распределения отдельных ячеек может предоставить морфологических, биохимических и биомеханических информацию о клетки. 3D ри томограмм, ранее использовались в области гематологии^14,,1516,17, инфекционные заболевания^{18,19, 20}, иммунологии²¹, ячейки биологии^22,23, воспаление²⁴, рак²⁵, нейронауки^26,27, биологии развития²⁸, токсикологии ²⁹и микробиологии^12,30,,3132.

Хотя 3D ри томограмм подробно Морфологические и биохимические клеток, классификация лимфоцитов подтипы трудно достичь, просто визуализации 3D ри томограмм⁵. Воспользоваться систематически и количественно измеряемых 3D ри томограмм для классификации типа клеток, мы использовали алгоритм обучения машины. Недавно несколько работ были зарегистрированы в котором количественных фазе изображения клеток были проанализированы с различных машинного обучения алгоритмов³³, включая обнаружение микроорганизмов³⁴, классификация бактериальных род^{35 , 36}, быстрый и бесплатный этикетки обнаружения спор сибирской язвы³⁷, автоматизированный анализ клеток спермы³⁸, анализ рака клеток^39,40и выявления активации макрофагов⁴¹.

Этот протокол обеспечивает подробные шаги для выполнения лейбл свободной идентификации типов лимфоцитов на уровне отдельных клеток с использованием 3D QPI и машинного обучения. Это включает в себя: 1) лимфоцитов изоляции от мыши крови, 2) лимфоцитов сортировки через поток цитометрии, 3) 3D QPI, 4) количественные функция извлечения из 3D ри томограмм и 5) под наблюдением обучения для выявления типов лимфоцитов.