前沿分享 | 基于深度学习的3D微环境癌细胞力学特性分析

细胞生物力学在癌症转移和肿瘤进展中起着关键作用。然而，现有研究大多在2D环境中进行，而2D环境与3D生理环境存在显著差异，导致细胞行为可能被误判。尽管3D体外模型（如球体和类器官）在癌症研究中取得了进展，但现有技术在3D条件下探测细胞弹性方面仍面临挑战。本研究利用光学布里渊显微镜对3D 生理环境下培养的癌性球体进行纵向力学成像，揭示了转移性癌细胞在早期肿瘤生长中的力学演变，并探索了基于布里渊显微图像的机器学习和深度学习方法在癌症分类中的潜力。

1. 3D细胞培养： （1）使用转移性乳腺癌细胞系MCF10CA1h（M3）和非肿瘤细胞系MCF10A（M1）构建3D球体；（2）采用3D on-top培养方法，通过Matrigel层和培养基形成球体。

2. 布里渊显微镜成像 ： 利用布里渊显微镜对球体进行非接触式、无标记的力学成像，获取布里渊频移，反映细胞的弹性纵向模量；并在第2天、第5天和第8天对同一组球体进行成像（ 见图1），追踪其力学特性随时间的变化。

图1 正常球体和癌变球体第2、5、8天的布里渊和明场图像

3.数据分析 ： 提取布里渊图像中的形态学特征（如面积、圆度）和力学特征（如布里渊频移的均值、标准差、偏度）； 使用支持向量机 模型和深度学习模型（DenseNet121） 对正常和癌性球体进行分类。

1. 力学特性的动态变化： 正常球体（M1）的布里渊频移在8天内持续增加，而癌性球体（M3）的布里渊频移在第2天到第5天增加，随后在第5天到第8天显著下降；癌性球体的力学异质性（通过布里渊频移的标准差和偏度量化）表现出独特的时空分布，与正常球体显著不同。

2. 机器学习与深度学习的应用： 仅使用形态学特征时，支持向量机模型的分类准确率为65%-74%；结合力学特征后，准确率提升至95%；DenseNet121深度学习模型在第8天的分类准确率达到97%（ 见表1 ），表明布里渊图像中的力学特征是区分正常和癌性球体的关键。

表1  使用深度学习方法的球体测试结果

在3D微环境中，癌性球体的力学特性与正常球体存在显著差异，并且这些特性会随时间动态变化，这种变化可能与癌细胞的迁移行为和细胞间相互作用密切相关。布里渊显微镜作为一种先进的成像技术，能够以亚细胞分辨率实现非接触式、无标记的力学成像，为深入研究细胞力学特性提供了全新的工具。通过分析布里渊显微图像中的力学特征，如布里渊频移的均值、标准差和偏度，可以揭示这些特征在癌症分类和检测中的潜力，有望成为一种新的生物标志物，为癌症的早期诊断和治疗提供重要依据。

该研究不仅揭示了3D微环境中癌细胞的力学演变规律，还为癌症的早期检测和分类提供了新的技术手段。通过结合布里渊显微镜和机器学习/深度学习方法，研究为智能医学领域的发展提供了重要启示。未来可进一步探索布里渊显微镜在其他类型癌症中的应用，并结合更多生物标志物开发更高效的癌症检测方法。此外，研究还可以扩展到肿瘤进展的其他阶段，如上皮-间质转化（EMT）和转移启动过程。