Célula automatizada

Scientific Reports volume 12, Artigo número: 19873 (2022) Citar este artigo

853 acessos

1 Citações

2 Altmétrico

Detalhes das métricas

Este estudo teve como objetivo classificar automaticamente células vivas com base em seu tipo celular, analisando os padrões de sinais retroespalhados de células com efeito mínimo na fisiologia e atividade celular normal. Nossos estudos anteriores demonstraram que a detecção acústica sem rótulo usando ultrassom de alta frequência em alta frequência de repetição de pulso (PRF) pode capturar e analisar um único objeto de uma amostra heterogênea. No entanto, é crucial eliminar possíveis erros na configuração manual e processos demorados ao pós-processar coeficientes de retroespalhamento integrado (IB) de sinais retroespalhados. Neste estudo, é proposto um sistema automatizado de classificação de tipo de célula que combina uma técnica de detecção acústica sem rótulo com modelos de inteligência artificial com aprendizado profundo. Aplicamos um autoencoder convolucional unidimensional (1D) para eliminar o ruído dos sinais e conduzimos o aumento de dados com base na injeção de ruído gaussiana para aumentar a robustez do sistema de classificação de ruído proposto. Posteriormente, os sinais retroespalhados com ruído foram classificados em tipos de células específicos usando modelos de redes neurais convolucionais (CNN) para três tipos de representações de dados de sinais, incluindo modelos CNN 1D para análise de forma de onda e espectro de frequência e modelos CNN bidimensionais (2D) para análise de espectrograma. Avaliamos o sistema proposto classificando dois tipos de células (por exemplo, RBC e PNT1A) e dois tipos de microesferas de poliestireno, analisando seus padrões de sinal retroespalhados. Tentamos descobrir as propriedades físicas das células refletidas nos sinais retroespalhados, controlando variáveis ​​experimentais, como diâmetro e material da estrutura. Avaliamos ainda a eficácia dos modelos de redes neurais e a eficácia das representações de dados, comparando sua precisão com a dos métodos de linha de base. Portanto, o sistema proposto pode ser usado para classificar de forma confiável e precisa vários tipos de células com diferentes propriedades físicas intrínsecas para o desenvolvimento personalizado de medicamentos contra o câncer.

A separação celular de uma mistura heterogênea de células é crítica para a pesquisa do câncer e para o desenvolvimento de novos medicamentos personalizados . O isolamento preciso de tipos celulares distintos proporciona uma melhor compreensão das funções e papéis celulares nos sistemas biológicos e permite a identificação de populações celulares específicas envolvidas na progressão da doença e na resposta ao tratamento1,2,3,4,5,6,7,8, 9,10,11,12. Técnicas de separação celular foram desenvolvidas com base em marcadores de superfície celular, como corantes fluorescentes13,14,3.0.co;2-l (1999)." href="/articles/s41598-022-22075-6#ref-CR15" id="ref-link-section-d9538225e490">15 e anticorpos específicos 16,17 ou propriedades físicas intrínsecas da célula, incluindo tamanho, densidade e compressibilidade 18,19,20,21. Entre essas técnicas, métodos de classificação de células sem rótulo baseados em biomarcadores físicos intrínsecos têm sido amplamente utilizados porque não requerem tarefas intensivas ou rótulos específicos de superfície celular para identificar células de interesse. Assim, os efeitos colaterais indesejados na fisiologia e atividade celular normal podem ser minimizados em comparação com aqueles da triagem celular auxiliada por rótulo convencional métodos, como triagem de células ativadas por fluorescência e triagem de células ativadas magnéticamente . Abordagens como pinças ópticas e plataformas microfluídicas podem separar células de maneira eficaz e confiável. No entanto, esses métodos sofrem de limitações críticas, como o efeito fototérmico, juntamente com o uso de uma forte intensidade de luz, técnicas difíceis e efeitos indesejáveis ​​de tensão de cisalhamento, aderência e bloqueio nas funções e respostas celulares devido a irregularidades estruturais dentro das microestruturas20,21,22,23.

Demonstrou-se recentemente que pinças acústicas baseadas em ultrassom são capazes de capturar células individuais ou medir propriedades físicas de células como um coeficiente de retroespalhamento com uma configuração experimental relativamente simples e econômica . Pulsos de ultrassom mais longos e pulsos curtos subsequentes são necessários para manipular e adquirir com segurança sinais retroespalhados da célula única aprisionada, respectivamente, usando o mesmo transdutor ou transdutores diferentes para cada procedimento. No entanto, a medição precisa em uma única célula aprisionada é um desafio devido ao uso inevitável de duas sequências de pulso diferentes juntamente com as configurações experimentais, o que pode resultar em informações enganosas. Para resolver esta limitação crítica, pinças acústicas com ultrassom de alta frequência em alta frequência de repetição de pulso (PRF) foram desenvolvidas para capturar simultaneamente uma única célula alvo e medir seus sinais retroespalhados . Pulsos de ultrassom monociclo com alto PRF são capazes de capturar uma única célula alvo, com um nível mais baixo de força de captura acústica em comparação com pinças acústicas convencionais com energia acústica excessiva com pulsos mais longos. Além disso, eles podem medir simultaneamente os sinais retroespalhados dos objetos presos de tamanho único de mícron, para identificar dois diâmetros diferentes de microesferas, como 5 e 10 \(\upmu\)m, e dois diâmetros celulares diferentes, incluindo glóbulos vermelhos (RBCs). ) com diâmetros entre 6 e 8 \(\upmu\)m e células normais da próstata epitelial imortalizada SV40 (PNT1A) com diâmetros entre 9 e 11 \(\upmu\)m, sem comprometer a viabilidade celular. No entanto, o pós-processamento dos coeficientes de retroespalhamento integrado (IB) com base em sinais retroespalhados medidos é normalmente um processo demorado e causa possíveis erros devido à configuração manual do tempo do sinal refletido entre o primeiro e o minúsculo sinal de ultrassom refletido produzido pelo objeto único preso. . Além disso, o enorme sinal de ultrassom refletido vem do filme fino de Mylar, já que o coeficiente IB é definido como a razão entre a energia retroespalhada de um volume dispersor e a de um alvo plano de quartzo. Para superar as limitações causadas pela análise manual, modelos de inteligência artificial com aprendizado profundo são empregados neste estudo para minimizar o pós-processamento.