基于近红外成像的高通量分析方法，用于无标记评估球状细胞内部的细胞异质性

《Journal of Bioscience and Bioengineering》：Near-infrared imaging-based high-content analysis for label-free assessment of internal cellular heterogeneity in spheroid

　　

樱井廉|田中健二郎|川崎美弥|伊原纱代子|杉沼宏|加藤龙二

日本爱知县名古屋市千种区古町，东海国立高等教育研究系统，名古屋大学药学研究研究生院基础医学科学系，邮编464-8601

对球形细胞的质量进行非侵入性分析至关重要，因为与二维培养相比，球形细胞能更好地模拟体内细胞与细胞外基质（ECM）之间的相互作用。然而，用于评估内部结构异质性的常规非侵入性方法仍然有限。在这里，我们开发了一种基于近红外成像的高通量分析（NIR-HCA）方法，可以无损地量化单个球形细胞内部的异质性。我们设计了一种工作波长超过1500纳米的定制成像系统，能够一次获取每个球形细胞的65张具有波长分辨率的透射图像。从每张图像中提取了38个基于透射率的描述符，包括全局特征（整个球形细胞的信息、强度梯度特征和灰度共生矩阵纹理）和区域特征（分区统计信息），从而每个球形细胞获得了2470个特征（38 × 65）。以人成纤维细胞球形细胞为模型系统，在两种互补的情景下评估了其内部细胞质量的差异：一种是补充了ECM的模型，另一种是ECM生成过多的模型。在补充ECM的模型中，NIR-HCA能够实时无损地检测到明显的细胞组织异质性，包括局部细胞密集区和细胞稀疏区，相应的分类模型的宏观F1分数达到了0.96。在ECM生成过多的模型中，尽管总细胞数量相同，NIR-HCA仍能敏感地区分出肌纤维芽细胞混合比例较高的球形细胞，对应的分类模型的宏观F1分数为0.82。相比之下，传统的显微镜观察或组织学染色无法可靠地分辨这些差异。总体而言，这些结果表明NIR-HCA能够实现对单个球形细胞质量的过程性定量图像监测。

章节摘录

正常人皮肤成纤维细胞（批次00967，Lifeline Cell Technology，美国加利福尼亚州卡尔斯巴德）在8代时，在标准的增殖条件下扩增。为了形成球形细胞，将细胞收获并接种到PrimeSurface 96孔板（Sumitomo Bakelite Co., Ltd.，日本东京）中，每孔10,000个细胞，培养基为高葡萄糖Dulbecco's Modified Eagle培养基（DMEM；Nacalai Tesque, Inc.，日本京都），并添加了10%的FBS（批次BCCC2892；MilliporeSigma，美国马萨诸塞州伯灵顿）和1%

为了评估NIR-HCA在评估和预测球形细胞质量方面的实用性，我们首先尝试建立一个在初始接种细胞数量相同的情况下仍会出现质量差异的球形细胞模型。在球形细胞研究中，接种细胞数量通常被隐含地视为影响球形细胞质量的主要甚至唯一因素。然而，即使细胞数量相同，球形细胞内部的质量也可能存在显著差异，而这些差异并不容易通过常规方法检测到

在本研究中，我们探讨了基于近红外成像的高通量分析（NIR-HCA）作为一种非破坏性方法，用于检测和分类单个球形细胞内部的细胞异质性。为此，我们建立了两个互补的球形细胞模型，涵盖了广泛的质量变化范围：一个是补充了ECM的模型，该模型具有明显且故意夸大的扰动（情景1）；另一个是ECM生成过多的模型，该模型引入了细微的质量变化

樱井廉：撰写 – 审稿与编辑，撰写 – 原稿撰写，软件开发，实验设计，概念构思。田中健二郎：软件开发，实验方法，实验设计，概念构思。川崎美弥：软件开发，实验方法，概念构思。伊原纱代子：撰写 – 审稿与编辑，验证，资源获取，实验方法，实验设计，资金申请，概念构思。杉沼宏：撰写 – 审稿与编辑，数据可视化，资源获取，实验方法，实验设计，资金申请

所有定制的分析脚本和原始数据集可应相应作者的要求提供。

在准备本研究的过程中，作者使用了ChatGPT来辅助语言润色。使用该工具/服务后，作者根据需要进行仔细审查和修改，并对最终发表的内容负全责。

本研究得到了日本医疗研究开发机构（ Grant numbers JP25ym0126820和24mk0121279h0201）的支持，以及住友电气工业有限公司对R.K.的合作研究资助；R.S.和H.S.还参与了名古屋大学CIBoG WISE项目。R.K.在研究期间是住友电气工业有限公司的员工。其余作者