单细胞共培养成像研究:解锁癌细胞与成纤维细胞互作下的药物奥秘

【字体: 时间:2025年02月26日 来源:Communications Biology 5.2

编辑推荐:

  为解决多数单细胞研究聚焦单一细胞类型、忽视细胞间相互作用复杂性的问题,卡罗林斯卡学院(Karolinska Institutet)的研究人员开展了癌细胞与成纤维细胞共培养的单细胞图像分析研究,发现细胞系遗传和形态特征影响特征提取方法,成像数据能揭示细胞对药物的细微反应,为药物筛选和单细胞分析提供了新视角与数据支持。

  在生命科学领域,探究药物对细胞的影响一直是科研人员关注的焦点。以往,大多数单细胞图像分析研究都聚焦于单一细胞类型,就像在显微镜下只盯着一个小小的世界,却忽略了细胞之间相互作用的复杂 “生态系统”。这种局限性使得我们对药物在复杂细胞环境中的作用机制了解十分有限。想象一下,细胞们就像生活在一个社区里,它们彼此交流、相互影响,而药物则像是外来的 “访客”,会对这个社区产生各种各样的影响。但之前的研究却没有充分考虑到这种社区式的互动,这就好比只研究了单个居民,却没关注整个社区的动态。为了填补这一空白,卡罗林斯卡学院(Karolinska Institutet)的研究人员勇敢地踏上了探索之路,开展了一项别具一格的研究。他们建立了一套独特的分析流程,专门用于提取与成纤维细胞共同培养的癌细胞的表型特征。这项研究成果意义非凡,不仅为我们深入理解药物作用机制打开了新的大门,还为药物筛选和单细胞分析提供了宝贵的数据支持,相关成果发表在《Communications Biology》期刊上。

在研究过程中,研究人员主要运用了以下几种关键技术方法:首先是高内涵成像(High-content imaging,HCI)技术,它就像一个超级 “显微镜”,能对细胞进行全方位、多角度的观察,获取大量关于细胞形态和功能的信息;其次是 CellProfiler(CP)和神经网络(Neural Network,NN)两种特征提取技术,它们负责从细胞图像中提取关键的表型特征,帮助研究人员分析细胞的变化;另外,研究人员还使用了 Cellpose 细胞分割算法,精准地识别出单个癌细胞,为后续的分析打下坚实的基础。

下面让我们深入了解一下具体的研究结果:


综合来看,研究人员通过对 CP 和三种预训练基线 NN 的研究,发现细胞间的背景信息可能干扰特征提取,而限制信息提取范围能使 NN 和 CP 的 MOA 富集分数更具可比性。预训练 NN 在某些细胞系上表现出色,但对具有独特特征的细胞系泛化能力不足。细胞系对药物的敏感性或抗性会影响数据分析结果,进而干扰 MOA 的预测。研究人员还发现,针对特定任务训练模型能提升其性能,并且高分辨率图像和结合多种数据模式可能是未来研究的方向。这项研究为深入理解癌细胞与成纤维细胞共培养环境下药物对癌细胞的影响提供了重要依据,推动了药物发现和单细胞分析领域的发展,让我们在探索细胞奥秘和开发更有效药物的道路上又前进了一大步。
相关新闻
生物通微信公众号
微信
新浪微博
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号