在生物医学研究与临床应用的广阔天地中，从复杂异质的样本中精准分离特定类型的细胞，无疑是技术突破的关键一环。尤其在癌症诊断领域，循环肿瘤细胞（CTCs）的精确分离，对病变追踪及细胞组学分析的影响至关重要。然而，传统细胞分选技术，如荧光激活细胞分选（FACS）与磁激活细胞分选（MACS），因图像分辨率有限、处理耗时长、细胞形态细节损失及无法同步多类型细胞排序等局限，亟需革新。

    正是在这一背景下，北京理工大学张帅龙博士团队、中国科学院苏州生物医学工程技术研究所马汉彬博士团队，以及奥素科技（ACX Instruments）携手，基于深厚的合作基础，共同开创了无标记细胞分选技术的新篇章。这一合作渊源可追溯至2022年，三方在有源数字微流控（AM-DMF）平台上的初步携手，为后续的创新奠定了坚实基础。2023年，奥素科技牵头的“国家重点研发计划-基础科研条件与重大科学仪器设备研发-高通量微流控精密移液器”中的子课题一即由北京理工大学张帅龙博士团队的符荣鑫博士承担，聚焦AM-DMF平台在合成生物学领域的应用拓展。2024年，基于前期紧密合作的深厚积累，北京理工大学张帅龙博士作为首席科学家，成功牵头申报并获批了“国家重点研发计划-前沿生物技术”中的“基于光电微流控的自动化抗体药物细胞株筛选平台开发与应用研究”项目，其中三方再次合作由奥素团队承担关键课题一。正是这一系列深度合作，催生了近日在《Advanced Science》期刊上发表的封面文章——“Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics”。

    该研究介融合了有源数字微流控技术（AM-DMF）、深度学习图像识别技术与自动路径规划算法，实现了细胞基于形态特征的区分与排序。这一技术不仅全自动、无标记，还兼具高精度、高回收率与多功能性。北京理工大学团队在微纳样本操控、生物医学检测领域的深厚底蕴，与马汉彬博士团队在半导体工艺、AM-DMF领域的坚实理论基础及开发经验，共同铸就了这一技术突破。该成果的发表展示了有源数字微流控平台，在单细胞操控、复杂流程集成等领域多种前沿技术交叉融合的光明前景。

AM-DMF 上细胞分选的图示。 （a）系统设置。 (i) AM-DMF 系统。 (ii) AM-DMF 芯片的横截面图。 (iii)  在不同高度捕获的液滴图像。 (b) AM-DMF 细胞分选流程示意图。 (c) 用于细胞识别的 YOLOv8 对象检测模型的结构和预测工作流程。

    研究使用YOLOv8目标检测模型对AM-DMF芯片内的细胞滴液图像进行预测，通过训练数据集对模型进行训练和优化，得到最适合细胞分选任务的 YOLOv8 “small” 模型，确保在精度和运行速度上达到最佳平衡，凭借其强大的深度学习算法，深度挖掘细胞的形态特征，实现对纳升液滴内细胞的高精度分类，从而在复杂细胞样本中准确识别目标细胞，显著提升了细胞分选的准确性和可靠性。在滴液路径自动规划上，研究采用安全间隔路径规划（SIPP）算法，对滴液的运动进行控制，成功实现了多液滴的高效、无碰撞运动控制，确保细胞分离过程的有序性和高效性，大幅提高了细胞分选的通量和纯度。

精度和目标细胞与背景细胞的比率对纯度和回收率的影响。(a) 不同浓度 PSB 样品的液滴阵列中 PSB 的分布。插图显示 KS 检验的 p 值、和泊松分布曲线的 λ 值。(b) 对于 1:1 HeLa 细胞 - PSB 混合物，不同混合物浓度下四种不同类型液滴的比例。(c,d) 物体检测模型精度和 HeLa 细胞与 PSB 的比例对 HeLa 细胞分选纯度和回收率的影响。

片上细胞裂解处理。(a) 通过细胞分选获得 HeLa 液滴并对裂解物进行取样。(b) 合并两个液滴。(c) 操纵合并的液滴进行循环和往复运动，使其内容物充分混合并促进裂解反应。(d) 裂解完成并进行物体检测，未发现 HeLa 细胞。

扫描二维码添加专属技术顾问

【联系电话】 杨经理18100261432（微信同号）

【电子邮箱】 contact@acxel.com