Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

Wir beschreiben ein Protokoll für die markierungsfreie Identifizierung von Lymphozyten-Subtypen mit quantitativen Phase Bildgebung und ein maschinelles lernen-Algorithmus. Messungen der 3D Brechungsindex Schichtbilder von Lymphozyten präsentieren 3D morphologische und biochemische Informationen für einzelne Zellen, die dann mit einem Computerlernen Algorithmus zur Identifizierung von Zelltypen analysiert wird.

Zusammenfassung

Wir beschreiben hier ein Protokoll für die markierungsfreie Identifizierung von Lymphozyten-Subtypen mit quantitativen Phase Bildverarbeitung und maschinelles lernen. Identifizierung von Lymphozyten-Subtypen ist wichtig für das Studium der Immunologie sowie Diagnostik und Behandlung von verschiedenen Krankheiten. Standard-Methoden zur Klassifizierung von Lymphozyten Arten setzen derzeit, auf Kennzeichnung bestimmte Membranproteine über Antigen-Antikörper-Reaktionen. Diese Kennzeichnung Techniken tragen jedoch die möglichen Risiken der Zellfunktionen zu verändern. Das hier beschriebene Protokoll überwindet diese Herausforderungen durch die Ausnutzung der intrinsischen optische Kontraste durch 3D quantitativen Phase Bildgebung und eine Maschine Lernalgorithmus gemessen. Messung der 3D Brechungsindex (RI) Schichtbilder von Lymphozyten liefert quantitative Informationen über 3D Morphologie und Phänotypen der einzelnen Zellen. Die biophysikalischen Parameter aus der gemessenen 3D RI Schichtbilder extrahiert werden dann mit einem Algorithmus für maschinelles lernen, die markierungsfreie Identifizierung der Lymphozyten-Typen auf eine einzelne Zelle Ebene ermöglichen quantitativ analysiert. Wir messen die 3D RI Schichtbilder von B, T CD4 + und CD8 + T-Lymphozyten und identifiziert ihre Zelltypen mit über 80 % Genauigkeit. In diesem Protokoll beschreiben wir die einzelnen Schritte zum Lymphozyten isoliert, 3D quantitativen Phase Bildverarbeitung und maschinelles Lernen zur Ermittlung Lymphozyten Typen.

Einleitung

Lymphozyten lassen sich einteilen in verschiedene Subtypen einschließlich B, Helfer (CD4 +) T, zytotoxische (CD8 +) T und regulatorischen T Zellen. Jeder Lymphozyten-Typ hat eine andere Rolle in der adaptiven Immunsystems; zum Beispiel produzieren B-Lymphozyten Antikörper, wobei T-Lymphozyten spezifische Antigene erkennen, Beseitigung von abnormen Zellen und B-Lymphozyten zu regulieren. Lymphozyten Funktion und Regulation ist fest geregelt und im Zusammenhang mit verschiedenen Krankheiten einschließlich Krebs1, Autoimmunerkrankungen2und Virusinfektionen3. So ist die Identifizierung von Lymphozyten....

Protokoll

Tierbetreuung und experimentelle Verfahren wurden unter Zustimmung des institutionellen Tier Pflege und Nutzung Ausschuss KAIST (KA2010-21, KA2014-01 und KA2015-03) durchgeführt. Alle Versuche in dieser Studie wurden gemäß den genehmigten Richtlinien durchgeführt.

(1) Lymphozyten Isolation aus Maus Blut

  1. Sobald eine Maus C57BL/6J durch CO2 Einatmen eingeschläfert, 26 G Nadel ins Herz Maus und 0,3 mL Blut zu sammeln. Direkt ins Blut ein Rohr mit 100 U/mL Heparin-Lösung mit 1 mL der Phosphat-gepufferte Kochsalzlösung (PBS) verdünnt.
    Hinweis: Alternativ können Lymphozyten aus der Milz isoliert werden.
  2. Zentrifug....

Ergebnisse

Abbildung 1 zeigt schematisch das gesamte Protokoll. Bei der hier vorgestellten Verfahren wir isolierte B (n = 149), CD4 + T (n = 95), und CD8 + T (n = 112) Lymphozyten. Um Phase und Amplitude Informationen in verschiedenen Winkeln der Beleuchtung zu erhalten, wurden mehrere 2D Hologramme von einzelnen Lymphozyten gemessen durch Veränderung des Winkels der Beleuchtung (von-60 ° bis 60 ° c). In der Regel 50 Hologramme können verwendet werden, um eine 3.......

Diskussion

Wir präsentieren Ihnen eine Protokoll, die die markierungsfreie Identifizierung von Lymphozyten-Typen, die Nutzung von 3D quantitativen Phase Bildverarbeitung und maschinelles Lernen ermöglicht. Wichtige Schritte dieses Protokolls sind quantitative Phase Bildgebung und Feature-Auswahl. Für die optimale holographische Bildgebung sollte die Dichte der Zellen kontrolliert werden, wie oben beschrieben. Mechanische Stabilität der Zellen ist auch wichtig, eine genaue 3D RI-Verteilung zu erhalten, weil frei verschiebbar ode.......

Offenlegungen

Prof. Y. Park, Y.-Jo, Y. S. Kim und S. Lee haben finanzielle Interessen in Tomocube, Inc., ein Unternehmen, das vertreibt optische Beugung Tomographie und quantitativen Phase imaging Instrumente und ist einer der Sponsoren des Werkes.

Danksagungen

Diese Arbeit wurde von der KAIST BK21 + Programm, Tomocube, Inc., und der National Research Foundation of Korea (2015R1A3A2066550, 2017M3C1A3013923, 2018 K 000396) unterstützt. Y. Jo erkennt Unterstützung seitens der KAIST Presidential Fellowship und Asan Stiftung biomedizinische Wissenschaft Stipendium.

....

Materialien

NameCompanyCatalog NumberComments
MouseDaehan BiolinkC57BL/6J mice gender and age-matched, 6 – 8 weeks
Falcon conical centrifuge tubeThermoFisher Scientific14-959-53A15 mL
Phosphate-buffered saline Sigma-Aldrich806544-500ML
Ammonium-chloride-potassium lysing buffer ThermoFisher ScientificA1049201
RPMI-1640 mediumSigma-AldrichR8758
Fetal bovine serumThermoFisher Scientific10438018
AntibodyBD Biosciences553140 (RRID:AB_394655)CD16/32 (clone 2.4G2)
AntibodyBD Biosciences555275 (RRID:AB_395699)CD3ε (clone 17A2)
AntibodyBiolegnd100734 (RRID:AB_2075238)CD8α (clone 53-6.7)
AntibodyBD Biosciences557655 (RRID:AB_396770)CD19 (clone 1D3)
AntibodyBD Biosciences557683 (RRID:AB_396793)CD45R/B220 (clone RA3-6B2)
AntibodyBD Biosciences552878 (RRID:AB_394507)NK1.1 (clone PK136)
AntibodyeBioscience11-0041-85 (RRID:AB_464893)CD4 (clone GK1.5)
DAPI Roche102362760014,6-diamidino-2-phenylindole
Flow cytometry BD BiosciencesAria II or III 
Imaging chamberTomocube, Inc.TomoDish
HolotomographyTomocube, Inc.HT-1H
Holotomography imaging softwareTomocube, Inc.TomoStudio
Image professing softwareMathWorksMatlab R2017b

Referenzen

  1. Alizadeh, A. A., et al. Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling. Nature. 403 (6769), 503 (2000).
  2. Von Boehmer, H., Melchers, F. Checkpoints in lymphocyte dev....

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

Immunologie und InfektionAusgabe 141Quantitative Phase Bildgebungoptische Beugung TomographieHolotomographyholografischen MikroskopieLymphozyten IdentifikationImmunzellenImmunologiemaschinelles lernenmarkierungsfreie Bildgebung

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Forschung

Lehre

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten