《Lab on a Chip》：Real-time high-throughput characterisation of the surface elasticity of suspended cells
编辑推荐：
本文开发了一种集成微流控、高速成像、机器学习（MLP）与高保真细胞力学模型的系统，首次实现了悬浮细胞表面弹性（膜-皮层复合体剪切模量Gs）的实时高通量表征（最高411细胞/秒）。该系统成功应用于白血病K-562和前列腺癌PC-3细胞系，揭示了其表面弹性跨越两个数量级的显著力学异质性，并发现细胞尺寸与表面弹性呈正相关（K-562）或负相关（PC-3）。研究证实测量结果受流速或粘度变化影响小，并能灵敏检测细胞松弛素D（CytoD）处理导致的表面弹性降低，为细胞状态监测、疾病生物标志物发现及基于力学特性的细胞分选提供了强大工具。
研究背景与意义
细胞膜-皮层复合体（MCC）的固有弹性是表征细胞状态和疾病的有力生物标志物，在生物学和生物医学领域应用广泛。然而，实时、高通量测量细胞表面弹性此前尚未实现。传统方法如原子力显微镜（AFM）、微管吸吮等通量低（10-1000细胞/小时），而现有的微流控变形细胞术（DC）虽能高通量获取细胞变形参数，却无法实时反演其内在力学性质。
系统设计与集成
本研究构建了一个四模块集成系统：1) 微流控平台，基于Otto等人设计的方形截面（20 μm × 20 μm）直通道，通过鞘流聚焦和壁升力使细胞居中，在剪切流作用下形成稳态子弹形变；2) 高速流式相机，实时捕获细胞变形图像；3) 基于多层感知器（MLP）的机器学习算法，作为系统核心，负责从细胞稳态变形图像预测其表面弹性；4) 高保真细胞力学模型，生成训练MLP的标注数据。该模型将细胞视为三层粘弹性结构（MCC、细胞质、细胞核），采用浸没边界-格子玻尔兹曼方法（IB-LBM）精确模拟细胞在微通道中的流动变形。
细胞力学模型性能验证
结果表明，该力学模型能准确复现K-562和PC-3细胞在不同尺寸和表面弹性下的稳态变形轮廓（图2a, b）。通过最小化模拟与实验细胞轮廓的平均豪斯多夫距离（MHD），可唯一确定细胞表面剪切模量Gs和面积膨胀模量Ks。研究发现，Skalak（SK）定律中的硬度参数C=10时，模型与实验吻合最佳，因此在后续分析中固定Ks= (2C+1)Gs= 21Gs。
MLP算法性能与系统吞吐量
MLP算法在测试集上预测毛细管数Ca（=μU/Gs）的平均绝对百分比误差（MAPE）为5.8%。即使细胞存在微小偏心（偏移距离doc≤ 0.05W），预测精度仍保持较高水平（MAPE~8%）。使用60个膜节点表示细胞轮廓时，单细胞图像处理至表面弹性预测的总延迟为0.64毫秒（图像处理0.42 ms，MLP预测0.22 ms），理论吞吐量达1562细胞/秒，实验实测峰值吞吐量为411细胞/秒。
K-562与PC-3细胞的表面力学异质性
对71,414个K-562细胞和96,998个PC-3细胞的测量显示，两者表面弹性Gs均跨越两个数量级以上，异质性远高于以往小样本研究（图5a, b）。K-562细胞平均直径12.7±1.9 μm，平均Gs为2.4±9.6 mN/m；PC-3细胞平均直径16.2±2.0 μm，平均Gs为8.6±19.2 mN/m（假设MCC厚度h=200 nm，对应体积剪切模量G分别为~12 kPa和~43 kPa）。有趣的是，K-562细胞的表面弹性与尺寸呈正相关（Spearman's ρ=0.128），而PC-3细胞则呈负相关（ρ=-0.552）。表面弹性Gs的分布符合对数正态分布，而细胞尺寸符合正态分布。
流动条件的影响与系统灵敏度
将流速从0.07 m/s加倍至0.14 m/s，或将悬浮液粘度提高（甲基纤维素从3%增至4%），对测得的PC-3细胞表面弹性Gs影响甚微（图6），体现了SK定律应变硬化效应以及内在力学参数相较于变形参数的稳定性。此外，系统能灵敏检测到细胞松弛素D（CytoD，5 μM处理2小时）引起的PC-3细胞表面弹性显著降低（平均值降至5.1 mN/m，中位数降至2.1 mN/m），而DMSO溶剂对照组无显著影响（图7）。
细胞分类潜力
基于细胞尺寸和表面弹性Gs，使用决策树（DT）模型对K-562和PC-3细胞进行分类，准确率可达90.4%（灵敏度0.89，特异性0.93）（图5f），展示了基于力学特性进行细胞分类的潜力。
结论与展望
本研究成功实现了悬浮细胞表面弹性的实时高通量表征，揭示了癌细胞显著的力学异质性及尺寸-弹性关系。该系统为研究细胞力学、疾病生物标志物发现及基于力学的细胞分选提供了新平台。未来工作可考虑释放SK定律中Gs与Ks的固定关系假设，并寻求与其他力学表征方法的交叉验证。
