Phys.org·· 6 天前AI 评分45
无标记阻抗激活声学分选平台:按细胞电学特征实现微流控分选
Chip identifies cells by their electrical signature, then separates them with a precisely aimed sound wave
AI 导读
新加坡科技设计大学Ye Ai等发表一种无标记微流控平台,以1与5 MHz双频阻抗检测结合聚焦声波,将细胞逐一偏转入收集口。按有效电直径分选HeLa与EA.hy926细胞纯度达98%;对经药物改变膜刚性的红细胞及光敏蛋白工程化HEK293T细胞,可区分电学“激活”与药理阻断状态,后者纯度85.4%。该系统目前用于研究与药物筛选流程,临床应用尚属远期目标。
- 背景
- 细胞分选长期依赖荧光标记等外源标记手段,这类方法可能给细胞带来压力、改变其行为,甚至干扰后续检测。新加坡与中国的研究者合作,尝试用无标记方式完成分选。
- 做法
- 平台由三部分配合:粘弹性流体让细胞在通道中排成单列,一对电极以 1 和 5 兆赫兹的弱交流信号逐细胞探测,聚焦声波发生器按指令把目标细胞横向推入收集口。系统提取与细胞有效尺寸和电学行为相关的特征,与预设标准比对,并预测该细胞抵达下游分岔口的时刻。
- 结论
- 研究在三个问题上验证平台:按有效电学直径区分 HeLa 与 EA.hy926 细胞,纯度最高达 98%;分选经化学处理改变刚度的红细胞;以及区分带光敏蛋白、电学上处于「激活」态与经药物阻断的 HEK293T 细胞。第三类细胞在结构上无差异,分选纯度仅 85.4%,作者归因于功能响应更小、更易波动,阻抗特征与激活细胞部分重叠。
- 意义
- 作者认为近期落点是研究与药物筛选流程,例如研究红细胞变形性或富集对膜功能处理响应不同的活细胞;标记血细胞疾病相关变化等临床应用仍是更长远的目标。下一步拟拓展到更脆弱、临床相关原代样本,并引入机器学习识别幅度、相位、波形与频率相关特征,难点是既要可靠又要快到能实时触发声学分选。
原文图表
摘自 Phys.org本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:Phys.org · phys.org
