細胞遷移作為基本的生物學過程，在機體的生長發育、體內平衡和疾病發生發展中起著重要作用。異常的細胞遷移可導致相關功能意外中斷，并與畸形、自身免疫性疾病和癌癥轉移等疾病關聯。因此，長時間連續跟蹤和觀察細胞集體的遷移運動及各種細胞的形態變化，有效識別和分析異常的細胞行為，助力于疾病研究和治療。然而單個細胞具有多樣性和動態性形狀，目前對細胞集體的連續追蹤和識別仍然是巨大挑戰。

細胞追蹤方法早期專為特定應用而設計，如對圓形細胞量身定制，或進行熒光標記，一定程度上限制了應用類型或影響活細胞的內在行為。隨著計算機科學和生物圖像信息學的不斷發展，細胞追蹤方法取得了很大進步。華東理工大學萬永菁教授和南京大學龍億濤教授聯合開發了一種基于深度學習的細胞跟蹤算法HFM-Tracker（Hybrid Feature Matching Tracker），準確捕獲圖像序列中的動態細胞行為。研究成果以“HFM-Tracker: a cell tracking algorithm based on hybrid feature matching”為題于2024年3月發表在英國皇家化學學會期刊《Analyst》上。該文入選“《Analyst》2024熱門文章（Analyst HOT Articles 2024）”和“150 周年論文集：電化學和電分析方法（150th Anniversary Collection: Electrochemistry and Electroanalytical Approaches）”。

本研究采用德國innoME公司的zenCELL owl活細胞動態成像及分析系統，對培養的MCF-7細胞（人類乳腺癌細胞系）進行實時動態的圖像采集，每隔10分鐘采集一次，每組圖像采集144幅延時圖像（2588×1942像素），總記錄時間為24小時。從采集到的圖像中選擇70幅用于HFM-Tracker算法深度學習的訓練、驗證和測試等整個開發過程（圖1和圖2）。

HFM-Tracker算法在細胞檢測和追蹤方面皆表現優越，實現了75%的多目標追蹤準確性（Multiple Object Tracking Accuracy，已考慮軌跡丟失、假陽性檢測、漏檢 和軌跡錯誤四個方面的誤差）和65%的IDF1評分（多目標跟蹤對象的身份準確性指標，已考慮檢測和關聯準確性）。HFM-Tracker算法提供了細胞形態和遷移特征的定量分析，有助于理解復雜多樣的細胞遷移過程。另外，在遷移相關的生物過程中，如何闡明異常細胞行為間的復雜相互作用，該算法也可以起到重要作用，進而在生化和臨床領域發揮潛力。

德國InnoME公司自主研發和生產的zenCELL owl活細胞動態成像及分析系統，基于非標記、非侵入方法，原位記錄細胞實時生長和定量的分析數據。zenCELL owl體積小巧，耐溫耐濕，可在細胞培養箱內長時間連續工作；通過24個顯微成像鏡頭，對24個視野進行連續的動態監測和圖像獲取。zenCELL owl為用戶提供高質量圖像、視頻、統計學曲線和定量數據，實現細胞增殖／增殖抑制、細胞培養質控／培養優化、遷移／侵襲等諸多活細胞動態過程的監測。

環亞生物，生命科學產品全國性代理商，不斷把國外頂級的創新產品引入中國。環亞生物具備完善的公司運營、產品管理、營銷、售前技術支持和售后維修體系。環亞生物作為zenCELL owl大中華區獨家代理商，負責zenCELL owl產品大中華區的營銷和售后支持。

更多資訊請訪問文獻全文鏈接：
https://doi.org/10.1039/d4an00199k


▼更zenCELL owl詳情，請聯系我們▼
環亞生物科技有限公司
地址：上海市閔行區友東路358號閔欣大廈1號樓701/703/705室
電話：021-54583565
郵箱：info@apgbio.com
網址：www.apgbio.com
 

▼更多精彩內容，請掃碼關注我們▼