CM20如何利用定量数据改善细胞培养过程

前言

细胞培养是各类生命科学和临床研究的起点。 但是，当前细胞培养过程效率低下，并且严重依赖熟练研究人员的经验和技术。

在当前的培养过程中，研究人员需要从培养箱中取出细胞，并通过在显微镜下进行观察对细胞状况进行评估。 由于该过程是以手动方式完成的，因此结果与研究人员的技能和经验息息相关。 在某些实验室，每个研究人员都要培养多个细胞系，因而很难确保实验所要求的细胞质量。 为了获得诸如细胞数量等定量数据，必须要在每次测量后将样品剥离并丢弃。 这个耗费时间的过程最终往往得到的是碎片数据。 为了帮助解决这些难题，奥林巴斯开发出CM20细胞培养监控系统。

使用CM20监控系统进行细胞培养测量

CM20细胞培养监控系统的无损数据测量可以让细胞培养物仍然保留在细胞培养箱内部。 扫描仪采用的先进技术可确保获得一致、可重复的测量结果，从而减少因人工以及不同研究人员自行测量造成的常见偏差（图1）。

图1.连续测量

连续采集图像

该系统使用非常方便。首先，将培养皿放置在CM20监控器上，并设置观察时间和位置。然后系统将开始采集图像（图2）。因此研究人员无需制定观察培养物以及手动记录观察位置的时间安排。另外，由于系统能够随着时间推移监控相同位置的培养状态变化，因此可以让您确认细胞的行为和生长过程（图3）。

图2. 比较细胞测量
 

图3.观察同一位置随时间发生的变化

轻松获取定量数据

通过使用图像处理和机器学习技术，CM20监控系统还可对细胞进行计数并利用图像进行融合度分析，然后通过简单的参数设置即可创建定量数据。 比如，如果在实验室内共享由经验丰富研究人员设置的参数，那么对所采集的图像执行相同的分析就可获得一致的结果。
 

细胞计数

通过利用峰值亮度识别算法识别细胞核计算细胞数量。可通过更改细胞大小和对比度参数的方式对其进行调整（图4）。

图4.细胞计数；细胞核以蓝色标记

融合度分析

细胞融合度使用图像细胞部分和背景部分之间的亮度变化特征算法进行计算。作为参数的细胞部分和背景可以通过标记图像之后再机器学习的方式进行调整（图5）。
 

图5.融合度分析（左：用于机器学习的标记图像，右：融合度分析结果

不同iPS细胞系的细胞生长比较

为了测试CM20系统得出的结果以及一名研究人员手动监控细胞培养的结果，我们与iPS Portal, Inc.合作采集了两个细胞系的数据。

细胞：iPS细胞（1231A3、201B7）
时间：1周
容器：6孔板
研究人员：1名

图6.每个容器一个细胞系，并将两个CM20监控器与培养容器一起放置在培养箱中
 

根据研究人员的经验，细胞系1231A3比201B7更容易增殖。 但是，由于传统数据采集非常复杂，因此其增殖能力的差异尚不清楚。 为了进行评估，我们使用CM20细胞培养监控系统采集了每个细胞系的图像和融合数据。

图7：图像中的定性信息显示，在相同培养日，两个细胞系之间的细胞融合度存在差别。
图8：根据细胞密度的相关定量信息，尤其是在第5天之后，很明显1231A3的增殖能力比201B7高3％至6％。

研究人员基于上述数据通过直觉和经验判断两个细胞系之间存在生长率差异，并通过CM20系统的定量数据予以明确。 该实验展示了CM20细胞培养监控系统的重要价值—即使相关研究人员发生变动，由于所有培养物均使用CM20系统检查，因此细胞融合度数据的变动也很小。 并且，如果存在异常值，很容易回溯和调查原因。 此外，通过采集每个细胞系的这类数据，您可以了解细胞培养特征，从而可以在适当时间进行实验过渡。

结论

使用CM20细胞培养监控系统，用户可以轻松直观地采集每日细胞培养数据（细胞图像、细胞计数和细胞融合度）。 这些数据让用户能够更好地理解导致细胞培养变化的因素并将其消除，从而有助于改善细胞质量和细胞实验的可重复性。

作者

Shogo Usui
SSPD Electrical Engineering
Olympus Corporation