Команда, состоящая из научной компании-стартапа и ученых-исследователей, изобрела новую систему идентификации и сортировки клеток под названием Ghost Cytometry. Система сочетает в себе новую технику визуализации с искусственным интеллектом для идентификации и сортировки клеток с беспрецедентно высокой пропускной способностью. Ученые, возглавляющие проект, надеются, что их метод будет использоваться для выявления и сортировки раковых клеток, циркулирующих в крови пациентов, что позволит быстрее открывать лекарства и улучшать качество клеточной медицинской терапии.
«Призрачная цитометрия поможет исследователям, которым необходимо классифицировать клетки в лаборатории, а также врачам и пациентам, которым необходимо быстрое и точное выделение и диагностика образцов клеток», - сказал доцент Садао Ота из Токийского университета.
В статье, опубликованной в выпуске журнала Science от 15 июня 2018 года, исследователи продемонстрировали, что призрачная цитометрия может сортировать по крайней мере два разных типа клеток с одинаковыми размерами и структурами с очень небольшим количеством ошибочно идентифицированных клеток. Призрачная цитометрия может идентифицировать клетки со скоростью более 10 000 клеток в секунду и сортировать клетки по соответствующим группам со скоростью несколько тысяч клеток в секунду. Существующие машины для сортировки клеток не могут различать типы клеток с таким сходным внешним видом. Эксперты-люди, использующие микроскопию, обычно идентифицируют и сортируют менее 10 клеток в секунду, иногда с меньшей точностью.
Название Ghost Cytometry относится к тому, как этот метод анализирует минимальные данные о световых волнах, не преобразовывая какие-либо из этих световых данных в изображение; это технология обработки изображений без изображений. Современные методы идентификации различных типов клеток основаны на микроскопических изображениях клеток, которые затем классифицируются либо компьютерной программой распознавания изображений, либо человеком-наблюдателем. Использование полных изображений сделало сортировку ячеек с высокой пропускной способностью в режиме реального времени недостижимой целью.
В начале этого проекта мы были небольшой группой молодых ученых в плохо оборудованной комнате. Из-за наших ограниченных ресурсов мы сосредоточились на наиболее эффективном способе использования информации, а не на создании лучшего оборудования. Это привело нас к идее не разрабатывать новые методы на основе изображений традиционным способом, а вместо этого преобразовывать визуальную информацию в формат, позволяющий быстро обрабатывать ее с помощью машинного обучения», - сказал Ота. Ота является частью междисциплинарной исследовательской группы специалистов по оптическим изображениям, биоинженеров, биофизиков и экспертов по машинному обучению, которые разработали этот метод. Некоторые члены исследовательской группы также основали компанию ThinkCyte, целью которой является коммерциализация оборудования.
Иногда нет пятен, красителей или других биомаркеров, которые могли бы эффективно маркировать разные типы клеток или разные состояния активации одной и той же клетки. Это тот случай, когда фантомная цитометрия может быть особенно ценной для клиницистов, пациентов, и исследователи», - сказал Ота.
В Ghost Cytometry клетки мчатся по одной через узкий канал под камерой с одним пиксельным детектором, которая улавливает флуоресцентные световые волны, излучаемые каждой клеткой. Эта интерпретация световых волн без необходимости преобразования их в полное изображение делает Ghost Cytometry визуальной системой без изображений. Электрическая схема, оснащенная алгоритмами машинного обучения, подключена к камере с однопиксельным детектором и изучает уникальный рисунок световой волны каждого типа клеток, чтобы идентифицировать клетки в течение 10 микросекунд. Затем схема посылает электрический сигнал, чтобы подтолкнуть клетки к правильному пути сортировки для их типа, когда они проходят мимо.
Системе машинного обучения не нужны изображения для анализа клеток, но если исследователям потребуются изображения для дополнительного анализа, камера с однопиксельным детектором собирает достаточно информации для цифровой реконструкции традиционных двумерных изображений клеток, которые проходят через система цитометрии, если исследователям требуются изображения для дополнительного анализа.
Существующий метод призрачной цитометрии включает в себя окрашивание клеток флуоресцентными красителями, которые естественным образом окрашивают клетки любого типа уникальным образом. Текущие исследовательские проекты изучают возможность того, что более продвинутые программы машинного обучения и методы визуализации могут полностью устранить необходимость во флуоресцентном окрашивании.
Это первая сверхбыстрая технология сортировки клеток, активируемая флуоресцентной визуализацией, которая может выделять определенный тип клеток из смеси физически схожих клеток с высокой пропускной способностью. ThinkCyte планирует начать проекты клинических исследований в области онкологии и регенеративной медицины с использованием Ghost Cytometry в сотрудничестве с научно-исследовательскими институтами в этом году. Компания также разработала исследовательский прототип оборудования Ghost Cytometry и планирует коммерциализировать бета-версию исследовательского продукта в 2019 году.