结合原子力显微镜和光学图像识别的单细胞力学特性快速测量研究

目的 细胞力学特性在生理病理变化过程中起着关键调控作用,开展细胞力学特性研究为揭示生命活动奥秘及疾病发生发展演变规律提供了新的视角。原子力显微镜（AFM）的出现为单细胞力学特性研究提供了强大的技术手段。AFM的独特优势是不需要对活细胞进行任何预处理即可在溶液环境下对天然状态的活细胞力学特性进行高精度（纳米级空间分辨率,皮牛级力感知灵敏度）探测。基于AFM压痕实验的细胞力学特性探测已成为生命科学领域的重要研究方法。然而,现有基于AFM的单细胞力学特性测量主要依赖于人工操作,特别是在测量过程中需要人工控制AFM探针移动到细胞表面特定位置进行压痕实验,导致实验过程耗时费力且效率低下。本文通过将AFM与光学图像自动识别相结合建立了单细胞力学特性快速测量方法。方法 分别利用UNet++深度学习网络模型和模板匹配算法识别出光学图像中的细胞及AFM探针,在此基础上自动确定细胞和AFM探针之间的空间位置关系,并控制AFM探针准确移动至目标细胞表面进行压痕实验。在光学显微镜视觉导引下利用AFM微操作将单个微球黏附至AFM探针悬臂梁制作得到球形针尖探针。选取HEK 293（人胚胎肾细胞）和MCF-7（人乳腺癌细胞）两种细胞进行实验。利用Hertz-Sneddon模型对在细胞表面获取的力曲线进行分析得到细胞杨氏模量。结果 基于光学图像识别结果可将AFM探针针尖准确移动至目标细胞（HEK 293或MCF-7）并对细胞力学特性进行测量,同时实验结果表明本文所提出的方法不仅适用于常规AFM锥形针尖探针,也适用于AFM球形针尖探针。结论 将AFM与光学图像识别结合显著提升了AFM细胞力学特性测量效率,为高通量自动化AFM单细胞力学特性探测提供了新的方法和思路,对于细胞力学特性研究具有广泛的积极意义。     

深度学习图像识别辅助原子力显微镜单细胞力学特性精准高效探测

目的 原子力显微镜（AFM）的出现为生命科学研究提供了强大工具,特别是AFM压痕实验技术已成为细胞力学特性探测的重要方法,从单细胞尺度为生理病理活动过程带来了大量新的认识,是对传统生化集群平均研究方法的有力补充。然而现有AFM压痕实验技术存在着依赖人工、效率低下等不足,严重制约了其在生命科学领域的实际应用。本文通过将光学显微成像自动目标识别技术与AFM压痕技术结合,建立了单个游离态细胞及聚团生长细胞的力学特性精准高效测量方法。方法 利用YOLO深度学习算法识别出光学图像中细胞的中心部位,并通过嵌入视觉转换器（ViT）模块的双UNet神经网络模型对细胞边缘部位进行精确分割,同时采用模板匹配算法对光学图像中AFM微球探针进行定位,在此基础上自动确定AFM探针上的微球针尖与细胞不同部位之间的空间位置关系,进而对细胞中心部位和边缘部位的力学特性进行快速测量。选取HEK 293（人胚胎肾细胞）和HGC-27（人未分化胃癌细胞）两种细胞进行验证实验,并利用Hertz模型对获取的力曲线进行分析以得到细胞杨氏模量。结果 在深度学习光学图像自动识别导引下可将AFM探针准确移动至细胞不同部位（中心和边缘）进行力学特性测量,同时实验结果表明,本文提出的方法不仅可对单个游离态细胞进行可靠测量,也适用于聚团生长的细胞。结论 深度学习图像识别在辅助AFM单细胞力学特性精准高效探测方面具有巨大潜力,将深度学习图像识别与AFM结合有助于发展面向生物医学应用的高通量单细胞力学特性测量方法。     

中空纤维微孔滤膜(PVDF)在发酵行业生产中的应用

介绍了膜分离技术在氨基酸、维生素B12 、抗生素、丙烯酰胺水合液等生产中的应用 ,并着重介绍了聚偏氟乙烯中空纤维微孔膜在发酵液精制与菌体浓缩中的应用。特别是所采用的TWF双向流工艺流程 ,大大提高了膜的工作效率 ,尤其适用于发酵液等较黏稠液体的过滤与精制。