一品香论坛qm网_一品阁凤_夜猫子品茶论坛网址51茶楼论坛网_楼凤阁万花楼论坛

SIAT新闻网

Small Methods | 基于原子力显微镜与深度学习的人类巨噬细胞机械表型解码

发布时间:2025-08-08

2025年7月28日,中国科学院深圳先进技术研究院李洋团队在Small Methods在线发表了一篇题为AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes的研究文章。提出并验证了一种结合原子力显微镜(AFM)与深度学习的新型方法,用于无标记、非侵入性地解析人类巨噬细胞的力学表型,并精准识别其极化状态。

本研究团队创新性地构建了一个集成人工智能(AI)与原子力显微镜(AFM)的平台,利用纳米级力映射技术,在单细胞水平上捕捉巨噬细胞在不同激活状态下的形态和纳米力学特征,如杨氏模量、粘附力和球形度。通过深度神经网络(DNN)结合像素级数据增强和元置信度估计器,实现了对巨噬细胞M0(初始状态)、M1(促炎)和M2(抗炎)功能表型的动态、稳健分类。

为了验证该AI模型的生物学可靠性,研究人员同步开展了qPCR、RNA测序(RNA-seq)和流式细胞术等传统生物学分析方法。结果显示,AI算法的分类准确率与传统技术高度一致,且在无需标记和预处理的条件下展现出优越的速度与稳定性。进一步地,该方法被成功应用于假病毒感染后巨噬细胞的极化状态分析验证,揭示其在复杂生理条件下的强大识别能力。

研究表明,AFM提供的细胞力学“指纹”包含了与巨噬细胞功能状态密切相关的关键信息,而深度学习模型则能够自动挖掘这些高维数据中的潜在特征,实现高精度、无偏的分类判断。该方法不仅突破了传统免疫表型识别手段的技术瓶颈,也为人工智能与细胞力学的深度融合提供了范例。

综上所述,这项研究首次将原子力显微力谱与深度学习结合,开发出一种适用于人类免疫细胞状态识别的智能工具,不仅为免疫监测、炎症疾病诊断和免疫治疗策略评估提供了新思路,也为未来构建无创、智能化的细胞诊断平台奠定了坚实基础。

本研究工作,李洋研究员、Massimiliano Galluzzi副研究员为共同通讯作者,奥地利萨尔茨堡大学联培博士研究生陈佳欣和安徽财经大学吴昊副教授为论文第一作者,中国科学院深圳先进技术研究院为通讯单位。研究工作得到了国家自然科学基金、深圳市自然科学基金重点项目、中国科学院国际合作伙伴计划等项目的大力支持。

图1 ?基于原子力显微镜局域力-距离曲线的细胞生物力学特征,开发出深度学习算法,通过训练实验数据实现对巨噬细胞极化状态的精准预测。

原文链接


附件下载:

TOP