Identificazione dei sottotipi del linfocita usando la formazione immagine tridimensionale fase quantitativa privo di etichetta e Machine Learning

Descriviamo qui un protocollo per l'identificazione di sottotipi del linfocita usando formazione immagine fase quantitativa e apprendimento automatico privo di etichetta. L'identificazione di sottotipi del linfocita è importante per lo studio di immunologia, come pure la diagnosi ed il trattamento di varie malattie. Attualmente, metodi standard per la classificazione dei tipi di linfocita si basano sull'etichettatura di proteine di membrana specifici tramite reazioni antigene-anticorpo. Tuttavia, queste tecniche d'etichettatura trasportano i potenziali rischi di alterare le funzioni cellulari. Il protocollo descritto qui supera queste sfide sfruttando intrinseci contrasti ottici misurati da formazione immagine 3D fase quantitativa e un algoritmo di apprendimento automatico. Misurazione dell'indice di rifrazione 3D (RI) tomogrammi dei linfociti fornisce informazioni quantitative sulla morfologia 3D e fenotipi di singole celle. I parametri biofisici estratti dal misura 3D RI tomogrammi vengono poi analizzati quantitativamente con un algoritmo di apprendimento della macchina, che consente di identificare tipi di linfocita a livello di singola cellula privo di etichetta. Misuriamo i tomogrammi RI 3D dei linfociti B, T CD4 + e CD8 + T e identificati i tipi di cellule con oltre l'80% precisione. In questo protocollo, descriviamo la procedura dettagliata per l'isolamento, imaging 3D fase quantitativa e apprendimento automatico per l'identificazione dei tipi del linfocita.