当癌细胞转移时，它们会变形，变成**形状，以便渗透到全身的其他组织。
事实上，转移性癌细胞要在全身游走，就必须改变它们的表型——它们的物理特征。这种变化使得构成我们器官和皮肤屏障的静止的上皮细胞转变成间充质细胞，或发展成结缔组织、血管和淋巴组织的细胞。
研究人员观察到，完成这一转化的细胞，被称为上皮细胞到间充质细胞的转化(EMT)，可以显著增加癌性肿瘤转移的可能性。
目前，科学家筛选和识别这些细胞的方法是将它们固定在显微镜载玻片上观察。但密歇根大学的研究人员写道，标准的研究观察固定在显微镜载玻片上的细胞，不能揭示它们的形状变化，就像不能揭示它们的飞行模式一样。
现在，密歇根大学的研究人员已经开发了一种方法来评估细胞的自由变形，使用一种称为细胞磁旋转和机器学习的方法。他们的研究结果发表在《公共科学图书馆·综合》杂志上。
“如果一个癌细胞坐落在身体的某个地方,为了移动到另一个身体的一部分,它已经成为形状像**穿透组织,进入血液中,然后进入血液的静脉到一个新的位置。这种转移潜能与细胞移动性有关，但细胞移动性也取决于细胞形状和细胞形状变化的动力学，”Raoul Kopelman说，他是第一作者，也是Richard Smalley杰出大学化学、物理、应用物理、生物物理、生物医学工程和化学生物学教授。
为了能够观察这些细胞动力学，密歇根大学的研究人员需要细胞自由漂浮，而不是固定在玻璃载玻片上。因此，他们使用之前开发的方法——细胞磁旋转——作为研究细胞动力学的基础。
利用这种方法和两种具有不同转移潜能的著名乳腺癌细胞株，Kopelman和同事们将癌细胞装入由数千个腔室组成的微流控细胞载玻片中。每个腔室只容纳一个癌细胞。
在这张幻灯片上，研究人员添加了一种商业可用的磁性纳米颗粒溶液。这些纳米颗粒进入癌细胞，但不会对它们造成伤害。然后，一块磁铁绕着癌细胞托盘旋转，使癌细胞慢慢旋转。缓慢的旋转不会影响细胞的形状，但它确实允许癌细胞变形。
随着细胞的旋转，它们能够改变它们的形态，就像它们在体内一样。当它们改变形状时，研究人员对这些细胞进行荧光成像。然后，他们结合两种算法——对象识别和机器学习——根据细胞的形状来识别每一个细胞。
首先，研究人员发现，经过EMT处理的细胞与对照组的细胞形状截然不同，这表明细胞形态和生物行为之间存在很强的关系。
Kopelman说:“这种基于机器学习的新方法似乎有潜力绘制和分类细胞群体的形态动力学分布，从而提供关于肿瘤细胞群体形态可塑性程度的信息，而这种可塑性通常与致命性有关。”
为了分析在形状上发生重大变化的细胞，研究人员迫使人类前列腺癌细胞PC-3细胞经历上皮细胞向间质细胞的转变。利用细胞磁旋转，研究人员不仅能够识别出经历了转变的细胞，而且还能识别出更多原始细胞的子集。
最后，他们想要在乳腺癌细胞群中识别出高度移动的细胞。他们将这些高度移动的细胞的图像与乳腺癌细胞系中没有移动的细胞进行了比较(使用标准测试)，并能够将移动细胞的数量与普通乳腺癌细胞的数量区分开来。
科佩尔曼说:“我们希望这种特殊的方法最终能得到广泛应用，并为治疗医生提供特定癌症的侵袭性信息。”“我们需要的是更新、更好的附加测试，为护理人员提供更多信息。我希望这种微流体装置最终能成为筛查癌细胞的标准选择。”
科佩尔曼还是密歇根大学医学和生物科学纳米技术研究所、密歇根大学生物界面研究所和罗格尔癌症中心的成员。合著者包括密歇根大学校友Remy Elbez, Joseph Labuz和Alan McLean;密歇根大学化学系研究员杰夫·福尔茨;密歇根大学牙科学院助理研究科学家Hernan Roca;约翰霍普金斯医院研究员肯尼斯·皮塔;佐治亚理工学院研究员高山修一。
研究:利用细胞磁旋转和机器学习，细胞形态动力学表型分类在癌症转移中的应用
