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:
大
中
小
】
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:
- 癌细胞共培养的独特形态:研究人员构建了一个包含五种卵巢癌细胞与成纤维细胞共培养组合的 2D 共培养数据集。通过抗体染色区分不同细胞类型后,用 528 种药物以五种浓度处理共培养物,再进行高内涵成像。在分析处理细胞的形态之前,研究人员计算 Z’分数评估实验技术质量,结果显示分数大于 0.5,表明实验技术质量高。利用 Cellpose 技术分割癌细胞,分别用 CP 和 NN 进行特征提取。通过 UMAP 降维分析发现,两种方法都能区分不同共培养条件下的癌细胞,说明成纤维细胞对癌细胞形态有显著影响,且实验具有一致性。
- 优化特征提取的关键发现:研究人员通过计算运行的作用机制(Mechanism of action,MOA)富集分数,评估 CP 和预训练 NN 从化合物处理中恢复表型结果的能力。结果发现,在不同共培养组合中,两种方法各有优劣。进一步研究发现,NN 固定大小的边界框策略受细胞形态影响,如细胞面积和偏心度。通过对边界框进行掩膜处理并扩大尺寸,NN 的表现得到提升,在某些细胞系中甚至优于 CP。这表明掩膜处理能减少周围细胞的干扰,使 NN 和 CP 的比较更具意义。
- MOA 富集分数的差异解读:研究人员对比不同药物靶点和细胞系的 MOA 富集分数发现,VEGFR 的富集分数始终较低,这在 DSS 指标中也得到印证,说明癌细胞对 VEGFR 抑制剂反应不佳。而 EGFR 化合物类别的 DSS 与富集分数直接相关,不同细胞系对其敏感性不同。此外,还有些药物类别的 DSS 低但 MOA 富集分数高,说明这些药物虽对传统细胞活力读数影响小,但能引起细胞形态的一致性改变。这表明成像数据能揭示细胞对药物的细微反应,而这些是传统活力测量无法捕捉到的。
- 训练数据集的优化成果:针对预训练 NN 在捕捉细胞形态细微差异上的不足,研究人员对 ImageNet 预训练的 EfficientNetB0 模型进行微调。分别进行 MOA 多类分类和二元分类训练,结果显示 MOA 训练的模型表现与 CP 相似,而二元分类训练的模型表现稍差。对 ResNet50 模型进行类似训练后,发现微调后的模型在某些细胞系和 MOA 上表现更优,整体平均性能也有所提高,说明微调能让模型更好地适应不同 MOA。
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。
生物通微信公众号
生物通新浪微博
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