Новый метод позволяет наблюдать дифференцировку стволовых клеток
Ученые из Центра количественной биологии RIKEN (Япония) разработали комбинацию методов машинного обучения и микрофабрикации, которая позволяет визуализировать процесс дифференцировки стволовых клеток. Результаты, опубликованные в PLOS One, были получены на примере мезенхимальных стволовых клеток (MSC) человека, которые легко получить из костного мозга взрослого организма.
MSC важны для регенеративной медицины и клеточной терапии, так как могут восстанавливать повреждения различных органов, дифференцируясь в клетки костной, мышечной, жировой и других тканей. Поскольку результаты дифференцировки сильно зависят от условий культивирования, контроль над этим процессом является ключевой задачей.
Наблюдение за дифференцировкой MSC в разных условиях — важный шаг к такому контролю. Однако этому мешали две проблемы:
- Физическое пространство для роста клеток существенно влияет на результат, вызывая значительные вариации в типах образующихся клеток. Изучение этого эффекта требует стабильного и долговременного пространственного ограничения.
- Классификация типов клеток путем ручного наблюдения требует много времени.
В предыдущих исследованиях клетки ограничивали с помощью фибронектина на стеклянной подложке (химическое ограничение), но этот метод требует высокого мастерства для поддержания условий в течение длительного времени.
Для решения первой проблемы первый автор исследования Нобуюки Танака разработал новую систему физического ограничения с использованием простого агарозного геля. Это позволило поддерживать клетки в контролируемых условиях до 15 дней. Преимущество системы в том, что для создания высоковоспроизводимых микроформ нужны только готовые силиконовые формы из PDMS, агарозный гель и вакуумный эксикатор. Вакуумный насос втягивает гель в форму. Методология была передана соавторам из ETH Zurich, которые успешно провели микроформовку и исследование дифференцировки стволовых клеток в этих структурах.
Вторая проблема была решена с помощью автоматизированной системы классификации типов клеток на основе машинного обучения, что сократило время и трудозатраты на анализ.
По словам руководителя лаборатории, где проводилось исследование, Йо Танаки, цель работы — сломать барьеры между биологами и инженерами, сделав новую технологию достаточно простой для быстрого распространения в научной среде.