Profiling co-occurrent morphological phenotypes and their degree of expression severity in vacuolated cells by holo-tomographic flow cytometry and fractal analysis

Met behulp van holotomografische flowcytometrie en fractale analyse presenteren de auteurs een AI-gestuurde methode om de complexe co-existentie en ernst van verschillende morfologische fenotypes in vacuolair celweefsel in kaart te brengen via een uniek zevencijferig classificatiesysteem.

De kern

De "Stad in een Cel": Hoe we de chaos van zieke cellen begrijpen

Stel je een cel voor als een drukke, levende stad. In een gezonde stad lopen de verkeersstromen soepel, zijn de parken netjes en de gebouwen in goede staat. Maar als een stad ziek wordt (door bijvoorbeeld een virus of een erfelijke ziekte), verandert het straatbeeld. Er ontstaan bijvoorbeeld overal enorme, rommelige bouwplaatsen of grote, lege opslagloodsen die de weg blokkeren. In een cel noemen we die "loodsen" vacuolen (blaasjes).

Het probleem: De stad is niet simpelweg "goed" of "fout"

Tot nu toe keken wetenschappers vaak op een simpele manier naar deze steden: "Is de stad gezond of is de stad ziek?" Maar dat is te simpel. Een stad kan namelijk tegelijkertijd verschillende problemen hebben: de wegen kunnen kapot zijn, de elektriciteit kan uitvallen, én er kunnen enorme bouwplaatsen zijn. Al die problemen gebeuren tegelijkertijd in dezelfde stad. Als je alleen zegt "de stad is ziek", mis je de details van wat er precies mis is.

De oplossing: Een super-scanner en een slimme code

De onderzoekers in dit artikel hebben een nieuwe manier bedacht om deze "steden" (cellen) te inspecteren zonder ze kapot te maken of met verf (kleurstof) te besmeuren.

1. De 3D-Scanner (Holo-Tomografische Flow Cytometrie): In plaats van een platte foto te maken, gebruiken ze een soort super-scanner die cellen voorbij laat stromen. Het is alsof je een drone stuurt die een stad in 3D in kaart brengt, inclusief de diepte van de straten en de hoogte van de gebouwen.
2. De Slimme Computer (AI & Fractale Analyse): Omdat een 3D-scan van een stad ontzettend veel data bevat, gebruikt de computer slimme wiskunde (fractale analyse) om de chaos te ordenen. Het kijkt naar de vormen, de dichtheid en de patronen van de "bouwplaatsen" (vacuolen) in de cel.
3. De 7-cijferige "Statuscode": Dit is de echte doorbraak. In plaats van een cel alleen een label te geven als "ziek", geven ze de cel een unieke code van 7 cijfers.

Hoe werkt die code?

Denk aan een soort digitale postcode voor de gezondheid van de cel. Elk cijfer vertelt iets anders:

• Cijfer 1 zegt iets over het type "bouwplaats" (vacuole) dat er is.
• Cijfer 2 zegt hoe groot of heftig dat probleem is (de ernst).
• Cijfer 3 vertelt over een ander probleem, enzovoort.

Zo krijgt elke cel een heel specifiek profiel. Je ziet niet alleen dat de stad in de problemen zit, maar je ziet direct: "Deze stad heeft 3 grote bouwplaatsen, 1 kapotte weg en een lichte stroomstoring."

Waarom is dit belangrijk?

Door cellen zo gedetailleerd te beschrijven, kunnen artsen en wetenschappers veel beter begrijpen hoe ziektes zoals kanker of infecties zich ontwikkelen. Het helpt ons om niet alleen te zien dat er iets mis is, maar precies welke combinatie van problemen een cel heeft. Dat is de eerste stap naar medicijnen die precies op de juiste plek de "stad" weer aan de gang helpen.

Technische samenvatting

Technische Samenvatting: Profilering van co-occurrente morfologische fenotypes en hun expressieserositeit in vacuolair celtype via holo-tomografische flowcytometrie en fractale analyse

Probleemstelling

De traditionele methoden voor classificatie van individuele cellen hanteren meestal een binaire benadering: een cel wordt óf geclassificeerd als 'gezond', óf als 'ziek' (met een specifiek fenotype). Deze benadering schiet echter tekort omdat cellen complexe systemen zijn waarbij meerdere fenotypes vaak gelijktijdig (co-occurrent) voorkomen binnen één enkele cel. Dit komt door complexe intracellulaire interacties, variaties in cellulaire machinerie en externe stimuli. In het bijzonder bij cellen met vacuolen — een kenmerk van ziekten zoals lysosomale stapelingsziekten, virale infecties en kanker — is de variatie in vacuolepatronen zo groot dat een eenvoudige classificatie de werkelijke biologische heterogeniteit niet kan vatten.

Methodologie

De auteurs ontwikkelen een nieuwe workflow die gebruikmaakt van label-vrije optische microscopie en kunstmatige intelligentie (AI) om deze complexiteit in kaart te brengen:

1. Holo-Tomographic Flow Cytometry (HTFC): Er wordt gebruikgemaakt van HTFC om 3D-refractieve index-tomogrammen van vacuolair celtype te verkrijgen terwijl de cellen in een continue stroom (continuous flow) passeren. Dit maakt snelle, driedimensionale beeldvorming zonder chemische labels mogelijk.
2. Dimensionaliteitsreductie: Om de enorme hoeveelheid data uit de 3D-tomogrammen hanteerbaar te maken, wordt een strategie toegepast waarbij de tomogrammen worden gereduceerd via doorsneden (cross-sectioning) en minimum intensity projection maps.
3. Feature Extractie: Er wordt een uitgebreide set parameters geëxtraheerd, bestaande uit:
   • Morfologische parameters (vorm en structuur).
   • Refractieve index-gebaseerde parameters (optische dichtheid).
   • Fractale parameters (om de complexiteit en zelfgelijkenis van de vacuolestructuren te kwantificeren).
4. AI-training en Annotatie: Domeinexperts (biologen) hebben de verschillende morfologische fenotypes geannoteerd. Cruciaal hierbij is dat zij de fenotypes niet alleen identificeerden, maar ook rangschikten op basis van de expressieserositeit (de ernst van het fenotype).

Belangrijkste Bijdragen

• Een nieuw profilering-pipeline: De introductie van een systeem waarbij elke cel wordt gekoppeld aan een unieke 7-cijferige classificatiecode. Deze code representeert de specifieke combinatie van co-existerende fenotypes en hun respectievelijke ernstgraden.
• Interpretabele kenmerken: In tegenstelling tot veel 'black-box' AI-modellen, maakt deze methode gebruik van interpreteerbare morfometrische en fractale kenmerken, waardoor de biologische relevantie van de classificatie begrijpelijk blijft.
• Multidimensionale karakterisering: De verschuiving van binaire classificatie naar een multidimensionaal profiel van co-occurrente fenotypes.

Resultaten

De studie toont aan dat de complexe heterogeniteit van vacuolepatronen effectief kan worden vastgelegd door de combinatie van HTFC en fractale analyse. De geëxtraheerde parameters zijn in staat om de subtiele verschillen in celtoestanden te onderscheiden. De 7-cijferige code biedt een gestandaardiseerde manier om de complexe interne staat van een cel te beschrijven, waarbij zowel het type fenotype als de mate van expressie (ernst) wordt meegenomen.

Significantie

Dit werk heeft grote implicaties voor de celbiologie en de pathologie. Door de heterogeniteit binnen celpopulaties nauwkeuriger te kwantificeren, kunnen onderzoekers beter begrijpen hoe ziekteprocessen zich op cellulair niveau ontwikkelen. De methode biedt een krachtig instrument voor:

• Het identificeren van vroege stadia van pathologische veranderingen.
• Het begrijpen van de progressie van ziekten (via de ernst-score).
• Het screenen van medicijnen op hun vermogen om specifieke, complexe celtoestanden te beïnvloeden.