Multiplexed high-throughput localized electroporation workflow with deep learning-based analysis for cell engineering.
Multiplexed high-throughput localized electroporation workflow with deep learning-based analysis for cell engineering.
复制标题
DOI：
10.1126/sciadv.abn7637
复制
发表时间：
2022-07-22
期刊：
影响因子：
13.6
通讯作者：
中科院分区：
文献类型：
--
作者：
用于诸如生物制造和基于细胞的治疗的应用的细胞操作涉及将生物分子货物引入细胞中。然而，成功的交付是多个实验因素的函数，需要几轮优化。在这里，我们提出了一种由深度学习图像分析辅助的高通量多孔格式局部电穿孔装置（LEPD），可以快速优化实验因素以实现有效递送。我们通过成功地将生物分子递送到不同类型的粘附细胞和悬浮细胞中来展示LEPD平台的多功能性。我们还展示了多货物交付与紧密的剂量分布和精确的比例控制。此外，我们使用该平台在人类诱导多能干细胞中实现功能性基因敲减，并使用深度学习框架分析蛋白质表达沿着细胞形态的变化。总的来说，我们提出了一个工作流程，使组合实验和快速分析的遗传操作所需的细胞内交付协议的优化。多重细胞递送系统和AI辅助图像分析能够精确操纵敏感细胞类型。
Manipulation of cells for applications such as biomanufacturing and cell-based therapeutics involves introducing biomolecular cargoes into cells. However, successful delivery is a function of multiple experimental factors requiring several rounds of optimization. Here, we present a high-throughput multiwell-format localized electroporation device (LEPD) assisted by deep learning image analysis that enables quick optimization of experimental factors for efficient delivery. We showcase the versatility of the LEPD platform by successfully delivering biomolecules into different types of adherent and suspension cells. We also demonstrate multicargo delivery with tight dosage distribution and precise ratiometric control. Furthermore, we used the platform to achieve functional gene knockdown in human induced pluripotent stem cells and used the deep learning framework to analyze protein expression along with changes in cell morphology. Overall, we present a workflow that enables combinatorial experiments and rapid analysis for the optimization of intracellular delivery protocols required for genetic manipulation. Multiplexed cellular delivery system and AI-assisted image analysis enable precise manipulation of sensitive cell types.
登录
查看更多内容
影响因子：
14.8
作者：
通讯作者：
--
影响因子：
46.9
作者：
Becht, Etienne;McInnes, Leland;Newell, Evan W.
通讯作者：
Newell, Evan W.
影响因子：
3.7
作者：
Agrotis A;Ketteler R
通讯作者：
Ketteler R
影响因子：
12.3
作者：
Carpenter AE;Jones TR;Lamprecht MR;Clarke C;Kang IH;Friman O;Guertin DA;Chang JH;Lindquist RA;Moffat J;Golland P;Sabatini DM
通讯作者：
Sabatini DM
DOI：
10.1038/nrd.2016.238
发表时间：
2017-02
期刊：
Nature reviews. Drug discovery
影响因子：
--
作者：
Fellmann C;Gowen BG;Lin PC;Doudna JA;Corn JE
通讯作者：
Corn JE