癌细胞的极性评估，用成像流式+AI实现自动化定量

niwanmao

癌症转移是导致癌症相关死亡的主要原因，但目前的癌症治疗仍主要针对原发肿瘤，癌症治疗的成功与否通常被评估为原发肿瘤的缩小而非抑制转移。然而，美国食品药品监督管理局最近将**无转移生存**作为临床试验的终点，为癌症患者的抗转移治疗开辟了新的前景。

癌细胞可以通过淋巴或血液中的液态相传播，形成循环肿瘤细胞（CTCs）。CTCs需要经过血液循环并通过血管壁外渗才能形成二次肿瘤。在循环中，CTCs可被药物作用，并可以通过微创血液采样（液体活检）进行分离和监测。因此，循环和外渗这两个阶段是阻断转移的特别有前途的关键点。

细胞外渗是一种需要极性和定向性的细胞附着、粘附和迁移的活跃过程。之前已经描述了循环肿瘤细胞中的一种皮层细胞极性（cortical cell polarity，CCP），它是一种基本的极性模块，仅限于质膜 (PM) 和膜下肌动蛋白细胞骨架。这种极性促进了循环肿瘤细胞在体外的附着和粘附，以及在动物模型中的转移种植。因此，皮层细胞极性是减少转移的潜在靶点。

以往需要采用显微镜检测和手动计算极化细胞，效率低下，Jesper H. Jespersen等人建立了一个利用成像流式细胞术（imaging flow cytometry，IFC）评估细胞极性的分析方法。

下图是方法开发示意图。(A) 共聚焦显微镜成像显示 CCP 的 SkMel2 细胞中ezrin‐GFP的定位。比例尺为 10 μm。(B) 使用宽视野显微镜和手动定量，通过极化ezrin‐GFP分布测量显示CCP（黑色）的 SkMel2 细胞分数的定量。对于训练数据集，细胞在混悬液中维持15 min(0.25)、1 h(1.00) 或3 h(3.00)。显示单次测量结果。(C)IFC 在60倍放大下从SkMel2-ezrin‐GFP细胞获得的图像。细胞手动分类为极化（左）、非极化（中心）或片状（右）。(D) 极化细胞分数的手动定量（实线）和 AmnisAI支持分类（虚线）的比较。


由此可见，这种方法在评估肿瘤细胞中极性调节因子的生物筛选中与之前使用的显微镜方法一样敏感，同时具有无偏见和自动化的特点。此外，该方法的速度比之前的方法快几个数量级，适用于中到大规模的筛选，可以无偏地寻找新的细胞极性调节因子，而不是仅测试少量疑似目标。

与传统方法相比，这种新方法具有以下优势和劣势：

优势：
1. 效率高：新方法比传统的荧光显微镜和手动计数的方法快几个数量级，适用于中等到大规模的筛选，可以进行无偏见的搜索，而不仅仅是有限的有针对性的测试。
2. 自动化：新方法利用人工智能（AI）支持的图像分析，可以实现自动化的细胞极性评估，减少了人为误差。
3. 灵活性：新方法可以根据需要灵活地引入其他细胞参数的测量，如细胞凋亡、细胞质与细胞膜的定位等。

劣势：
1. 二维成像：新方法使用二维图像来定义细胞极性，可能无法全面评估细胞的极性程度。对于更深入的细胞极性表征，需要使用快速的三维成像技术，如高速三维光片显微镜。
2. 相对性：新方法中的“极化细胞的比例”不能被视为绝对的极性值，而只能用于比较不同细胞群体之间可见的极性方面。因此，对于细胞的绝对极化比例或细胞极性程度的更深入表征，需要使用其他参数进行分析。



参考文献：Jspersen JH, Harazin A, Bohn AB, Christensen A, Lorentzen E, Lorentzen A. Analysis of cortical cell polarity by imaging flow cytometry. J Cell