基于无透镜衍射的细胞病毒感染在线定位检测系统

描述

病毒性疾病的传播具有高度不稳定性和高度传染性。作为病毒传播的载体,细胞是探索病毒传播机制和疾病的重要因素。然而,目前仍然缺乏有效的手段来连续监测细胞中病毒感染的过程,也没有快速、高通量的方法来评估病毒感染的状态。

据麦姆斯咨询报道,近期,江苏大学杨宁和哈佛大学张兴才共同通讯(李桐歌为第一作者)在Science Advances期刊上在线发表题为“Virus detection light diffraction fingerprints for biological applications”的研究论文,研究成果被选为该期封面。该研究应用了灰度共生矩阵,有效地设置了两个参数来区分细胞的病毒感染状态和感染时间,并将细胞的病毒感染过程可视化。该研究为在细胞水平上选择优良的家畜和家禽品种提供了一种高效且无损的测试方法。同时,该研究为隐性传播的人传人、动物传动物和人畜共患病的检测提供了方法,并且抑制和阻断它们的进一步发展。

检测系统

基于无透镜衍射的细胞病毒感染在线定位检测系统的原理与结构

鉴于病毒性疾病的动物源性,病毒性疾病的检测不仅局限于人类。监测家畜或常见宠物如狗和猫等动物也很重要,因为人类与动物之间的密切接触很容易传播病毒。全球范围内大量报道的宠物感染严重急性呼吸综合症冠状病毒2型(SARS-CoV-2)的证据表明,动物在携带或传播传染性病毒方面具有一定的影响力。通过揭示与病毒侵入相关的细胞的生长状态,可以及时检测和阻止病毒的跨物种传播或溢出。

然而,传统的体外检测病毒应激程度的方法周期长,试剂种类繁多,并且难以自动化处理,这在检测后会对细胞造成不可逆的损害。 目前,常用的仪器检测方法受到检测手段的缺陷限制,无法实现对特定细胞样本的信息提取。因此,实时方法为控制和预防病毒性疾病的传播提供了简便的研究思路。由于技术障碍,临床检测病毒性疾病需要大量时间和复杂的实验进行分析和测试,导致检测到的目标病毒范围小或生成的二进制信息质量相对较低。因此,基于细胞水平的病毒学研究不仅可以优化检测过程,而且可以从本质上揭示感染过程并探索病毒抑制方法。

传统的病毒应激细胞状态检测方法可分为标记方法和非标记方法。主要的标记方法包括甲基噻唑啉偏二甲苯磺酸盐(MTT)、2,3-双-(2-甲氧基-4-硝基-5-磺基苯基)-2H-四唑-5-羧酰胺(XTT)和细胞计数试剂盒-8(CCK-8)测试,其原理是区分死细胞和活细胞并计算细胞数量,一方面检测与细胞健康状态密切相关的细胞中的某些物质,另一方面,由于标记对细胞的侵害,无法在长周期内监测细胞状态的多个时间节点,因此沿着这一趋势发展出了新的细胞活动检测方法。

由于传输光的相位分布与细胞体形态密切相关,因此Schmitz等人提出通过显微成像和RNA筛选来测量细胞活动,并提取所测量对象的相关信息。然而,显微成像技术的视野较小,难以满足高通量的细胞样本成像和信息提取需求。此外,电或电化学信号需要特殊的电极来建立适应细胞生长的培养环境,研究成本高,对电极性能有要求。这时,基于光谱学的无损检测技术的优势进一步凸显。

无透镜全息技术打破了传统显微镜的缺陷,并提供了既具有高分辨率又具有宽视野的显微成像技术,能够满足细胞活动评估的高通量需求。其成像区域可扩展数百倍,为适应不同样本和应用场景的需求提供了更大的灵活性。 基于以上研究成果,研究人员开发了基于连续和高通量细胞的病毒光散射指纹的生物应用,用于病毒检测,可应用于人类、宠物和家畜的病毒性疾病检测,以及在细胞水平上选择和繁育优良的家畜和家禽品种。另一方面,它还可以及时检测和抑制人与人、动物与动物以及人畜共患病的隐藏传播,并阻止其进一步发展。

检测系统

图2 不同形态细胞的衍射指纹分析   一个例子是,通过拍摄病毒应激细胞的光散射光谱,利用无透镜大场衍射成像平台获取了病毒应激细胞的衍射指纹,将指纹信息量化以筛选高度耐受的细胞。首先,根据感染病毒的细胞形态的变化,探索了对光学路径的影响。具有不同形态的细胞的衍射指纹在一定程度上是不同的。其次,研究人员发现了一种有效反映细胞病毒应激程度的指纹特征。此外,研究人员通过使用灰度共生矩阵(GLCM)定义的两个参数,对指纹特征进行量化。最后,开发了基于无透镜衍射的病毒应激细胞的在线定位检测系统,并对检测结果进行了聚类。利用猪睾丸细胞系(ST)和猪假性狂犬病病毒(PRV)对细胞进行病毒感染实验,将其与其他衍射指纹量化方法进行了比较,并使用MTT方法验证了实验结果。  

检测系统

图3 灰色共现矩阵分析了病毒感染不同时期的衍射指纹图谱  

检测系统

图4 衍射指纹图谱的聚类结果和比较分析  

与许多当前病毒检测方法相比,该研究提出的方法是一种光谱学无损测试,不需要化学试剂且不具破坏性。该研究实现了对某一细胞感染病毒的定位检测,同时可以同时检测许多其他细胞。本文中设置的分析参数首次进行了系统研究,可以实现更好的分类效果。

审核编辑:黄飞

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分