Echtzeit-Verformungszytometrie

Forscher entwickeln den "ultimativen Zellsortierer"

Durch eine Kombination aus Bildgebung von verformten Zellen und künstlicher Intelligenz ist es Forschern am Max-Planck-Institut für die Physik des Lichts und dem Max-Planck-Zentrum für Physik und Medizin in Erlangen gelungen, eine Hochgeschwindigkeitsmethode zur Identifikation und Sortierung von Zellen zu entwickeln, die ohne eine externe Markierung der Zellen auskommt.

Photo
Künstlerische Darstellung der KI-gestützten Sortierung einer Blutprobe in einem Durchflusszytometer

© MPI für die Physik des Lichts

Die Methode wurde nun in der Fachzeitschrift Nature Methods veröffentlicht.

In Medizin und Biologie besteht ein großes Interesse an effizienten und kostengünstigen Methoden zur Identifizierung und Trennung verschiedener Zelltypen, beispielsweise für die medizinische Diagnostik oder für regenerative Therapien mithilfe von Stammzellen. Bislang wird dazu meist die sogenannte Durchflusszytometrie verwendet, bei der Zellen mit fluoreszierenden Antikörpern markiert und beim Durchfluss durch einen Kanal identifiziert werden. Diese Methode hat jedoch ihre Schwachstellen: Sie ist nicht nur relativ teuer und zeitintensiv, sondern auch die Antikörper selbst sind problematisch. Da sie körperfremd sind, können sie die Eigenschaften der Zellen, an die sie andocken, verändern und etwa bei einer Injektion in den Körper Schwierigkeiten bereiten. Auch ist die Identifikation von Zellen bei der Durchflusszytometrie nicht immer fehlerfrei.

Als zusätzliches Unterscheidungsmerkmal lassen sich deshalb physikalische Eigenschaften der Zellen nutzen - in diesem Fall insbesondere die Verformbarkeit. Das Team um Jochen Guck, Direktor am Max-Planck-Institut für die Physik des Lichts, hat vor einigen Jahren eine neue Technik entwickelt: Die Echtzeit-Verformungszytometrie (real-time deformability cytometry, kurz: RT-DC). Dabei wird eine Zelllösung durch einen transparenten Kanal von weniger als dem Durchmesser eines Haares gedrückt. Die Zellen werden dabei unbeschadet in die Länge gezogen und der Grad der Verformung lässt eine Zuordnung zu einem bestimmten Zelltyp zu. Die verformten Zellen im Kanal werden mit einer Highspeed-Kamera mit 2.000 bis 4.000 Bildern pro Sekunde aufgenommen. Die neue Methode von Jochen Guck und seinem Team setzt an diesem Punkt an: Sie nutzen ein neuronales Netzwerk, das mit den Bildern von fluoreszenzmarkierten Zellen trainiert wurde. Nach dem Training kann es die Zellen auch ohne Markierung in Echtzeit identifizieren und nach Wunsch sortieren.

Diese neue Methode hat viele Vorteile: So fällt nach dem Training des neuronalen Netzwerks die zeit- und kostenintensive Floureszenz-Markierung zur Identifizierung weg und die Zellen werden nicht mehr durch körperfremde Moleküle verändert. Dann reichen die von der Highspeed-Kamera geschossenen Bilder aus, um die Zellen zu identifizieren. Dieses Vorgehen ist sehr zellschonend, verändert die Zelleigenschaften nicht und kann bis zu 1.000 Zellen pro Sekunde analysieren. Die Anwendung von künstlicher Intelligenz auf RT-DC bietet außerdem die Erleichterung, dass die Parameter, anhand derer die Zellerkennung oder eine Zellveränderung durch beispielsweise Krankheiten festgemacht werden kann, nicht vorher definiert werden müssen. Man kann die KI selbst entscheiden lassen, anhand welcher Bildinformation Zellen am besten unterschieden werden können.

Guck nennt die neu entwickelte Methode einen "ultimativen Zellsortierer": Sie vereint die Genauigkeit der etablierten Erkennung über Fluoreszenz mit der Sensitivität der inhärenten mechanischen Zelleigenschaften und hat das Potential, als zukünftige Standardmethode Einzug in alle biologischen und biomedizinschen Labore zu halten. In Zukunft lassen sich damit beispielsweise schnell, unbeschadet und unverändert blutbildende Stammzellen aus einer Probe gewinnen, die dann einem Chemotherapie-Patienten zum Wiederaufbau des Immunsystems injiziert werden können oder besonders geeignete Photorezeptorzellen aus humanen Organoiden heraussortieren, um damit durch Transplantation manche Formen der Blindheit abzuwenden.


Quelle: Max-Planck-Institut für die Physik des Lichts

26.05.2020

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

Zelldynamik-Software "scVelo"

KI & Einzelzellgenomik sagen das "Schicksal" einer Zelle voraus

Die Erforschung der Zelldynamik ermöglicht einen tieferen Einblick in die Entstehung und Entwicklung von Zellen sowie ein besseres Verständnis von Krankheitsverläufen. Wissenschaftler des…

Photo

Sequenzierung

KI findet Fehler bei RNA-Analyse

Warum verhalten sich manche Zellen im menschlichen Körper nicht so, wie sie sollten, und bilden beispielsweise Krebsgeschwüre? Von der sogenannten Einzelzellanalyse versprechen Forscher sich…

Photo

Sarkom-Forschung

Knochenkrebs bei Kindern: Zell-Sabotage soll Tumoren in den Tod treiben

Tumoren der Knochen und Weichteile, sogenannte Sarkome, treten vor allem bei Kindern, Jugendlichen und jungen Erwachsenen auf und sind bislang nur unzureichend erforscht. In Heidelberg beschäftigen…

Verwandte Produkte

Agfa - Smart XR

Accessories/ Complementary Systems

Agfa - Smart XR

Agfa HealthCare
Canon - Advanced Intelligent Clear-IQ Engine for CT

Artificial Intelligence

Canon - Advanced Intelligent Clear-IQ Engine for CT

Canon Medical Systems Europe B.V.
Canon – Advanced intelligent Clear-IQ Engine for MR

Artificial Intelligence

Canon – Advanced intelligent Clear-IQ Engine for MR

Canon Medical Systems Europe B.V.
Canon - Aquilion Exceed LB

Oncology CT

Canon - Aquilion Exceed LB

Canon Medical Systems Europe B.V.
Canon - HIT Automation Platform

Artificial Intelligence

Canon - HIT Automation Platform

Canon Medical Systems Europe B.V.
Canon Medical - CT Scan Unit

Mobile CT Solutions

Canon Medical - CT Scan Unit

Canon Medical Systems Europe B.V.
Newsletter abonnieren