基于细胞力学与形态流变标记的机器学习无标记红细胞分类

尽管荧光细胞标记在生物医学研究中被广泛使用，其某些缺点仍不可避免，其中不合适的荧光探针或引起功能改变的探针是主要限制。因此，对用于细胞分类的无标记方法的需求与开发十分迫切，其对精准医学的影响也值得关注。为此，人们提出了高通量细胞机械表型分析技术，以获得单细胞的多维生物物理表征。受此启发，我们在此研究一种无监督机器学习方法在仅应用于通过实时形变与荧光流式细胞术（RT-FDC）获得的形态流变标记时，能在多大程度上解决网织红细胞与成熟红细胞无标记区分这一困难任务。我们聚焦于该问题，因为血液中网织红细胞（其比例与细胞特征）的表征在多种人类疾病状况中至关重要，尤其是贫血与白血病等骨髓疾病。我们的方法在网织红细胞与成熟红细胞的分类中报告了有前景的无标记结果，并代表了基于高通量形态流变学方法用于单细胞计算分类学开发的一步进展。此外，我们的方法可作为一种替代方案，也可作为与现有细胞标记技术集成的互补方法。