유세포 분석은 형광 마커를 사용하여 대규모 세포 집단을 신속하게 평가할 수 있으므로 세포 집단을 식별하고 세분화하는 데 사용되는 주요 기술 중 하나입니다. 그러나 유세포 분석법에는 다른 기술로 해결해야 한다는 한계가 있습니다. 이미지 분석 도구의 발전으로 인해 이미지 세포 분석은 대규모 세포 집단을 평가함과 동시에 더 많은 정보에 접근할 수 있는 더 나은 방법으로 부상했습니다.

해당 포스트에서는 유세포 분석에 대해 자세히 살펴보고 확장되고 있는 이미지 세포 분석 분야가 어떻게 연구원들에게 그들의 작업을 개선할 수 있는 강력한 도구를 제공하는지 공유합니다.

유세포 분석이란?

수십 년 동안 세포 집단에서 분자 마커를 식별하고 분석하는 주요 도구 중 하나는 유세포 분석 기술이었습니다. 이 기술에서는 세포를 단일 세포 현탁액으로 해리하고 관심 마커를 표적으로 하는 형광 태그 항체로 표시합니다. 그런 다음 이러한 세포는 유세포 분석기를 통과하여 각 마커의 발현 여부를 개별적으로 분석할 수 있으며, 이를 통해 세포 집단에 대한 정량화 가능한 귀중한 데이터를 얻을 수 있습니다.

이 필수 도구를 통해 연구원은 관심 세포의 단백질 존재 여부와 강도를 정량화하여 세포 집단의 세분화와 식별, 세포 분류를 수행할 수 있습니다.

유세포 분석의 단점

유세포 분석은 세포 수준에서 정량화할 수 있는 데이터를 제공할 수 있지만, 이 기술은 현탁액 상태의 단일 세포에서 측정해야 한다는 단점이 있습니다.

유세포 분석의 단점은 다음과 같습니다.

• 많은 세포가 조직 배양판 및 비계에 부착된 채 배양되거나 다른 세포와 함께 조직이나 구조물에 부착되어 배양됩니다. 세포가 환경으로부터 분리되면 단백질 발현에 변화가 생길 수 있습니다. 또한 세포 간의 단백질 상호작용에 대한 데이터가 손실될 수도 있습니다.
• 세포 형태와 세포의 분자 마커의 위치에 대한 데이터에 접근할 수 없습니다.
• 유세포 분석 중 세포에 가해지는 스트레스는 분석 후 계속 성장하는 세포의 능력에 영향을 미칠 수 있습니다. 때때로 많은 수의 세포가 이 과정에서 살아남지 못합니다.
• 유세포 분석기에 사용되는 측정 도구의 경우 차트의 정량적 데이터로 시각화를 제한합니다. 따라서 세포를 육안으로 평가할 수 없습니다.

이러한 단점으로 인해 유세포 분석은 때때로 세포 환경의 면역 조직화학적 염색으로 보완됩니다. 그러나 대부분의 이미지 분석 도구는 동일한 수준의 정량적 데이터를 제공하지 못하며, 개별 세포의 구조적 특징을 유세포 분석과 일대일로 연관시킬 수 없습니다.

이미지 세포 분석 분야가 확대됨에 따라 유세포 분석과 동등한 수준의 정량적 데이터를 제공할 수 있는 이미지 분석 도구를 사용하여 이러한 문제를 해결하고 있습니다. 당사의 scanR 고함량 스크리닝 스테이션 및 소프트웨어는 이러한 요구를 충족시킬 수 있는 도구의 예시입니다.

이미지 세포 분석의 이점

이미지 세포 분석에서 배양 환경에서 세포를 직접 이미지화한 다음 이미지를 처리하여 관심 매개변수에 대한 정량적 분석으로 변환합니다.

이미지 세포 분석의 이점은 다음과 같습니다.

• 해리로 인한 단백질 발현 변화의 위험을 감소시킵니다.
• 세포 형태 및 단백질 국소화에 대한 데이터는 유지함과 동시에 정량적 분석에 통합할 수 있습니다. 예를 들어, 핵 내에서 높은 수준의 마커를 발현하는 세포의 집단을 확인할 수 있습니다.
• 분석 중에는 세포에 물리적 스트레스가 가해지지 않습니다. 또한 이미지 세포 분석은 인공지능(AI) 기술을 활용하여 염색을 최소화하거나 염색을 전혀 하지 않고 세포 및 세포 특징을 식별할 수 있습니다. 이를 통해 분석 후에도 세포를 계속 배양할 수 있습니다.
  

  (A) Label-Free 세포의 명시야 이미지. (B) 액틴 위치의 AI 예측

• 동일한 세포를 시간 경과에 따라 모니터링하고 추적할 수 있습니다. 이는 신약 개발, 세포 분화 등에 유용하게 사용할 수 있습니다. 예를 들어, 연구원이 유세포 분석을 사용하여 시간 경과에 따라 환자의 일차 세포에 대한 약물의 효과를 확인하기 위해서는 해리가 필요합니다. 그 때문에 연구원은 시점마다 추가 복제를 성장시키고 처리해야 합니다. 이미지 세포 분석의 경우, 세포가 배양 환경에 남아있을 수 있으므로 동일한 복제를 여러 시점에 걸쳐 측정할 수 있습니다.

유세포 분석에 익숙한 연구원의 경우, 유사한 히스토그램과 산점도를 사용하여 데이터를 표시하기 때문에 scanR 소프트웨어에서 이미지 세포 분석으로 데이터를 분석하는 것으로 쉽게 전환할 수 있습니다. 유세포 분석에서와 마찬가지로 그래프의 게이트를 통해 모집단을 선택하여 다단계 분석을 수행할 수 있습니다. 유세포 분석과 달리 이미지에서 직접 데이터를 수집하기 때문에 평가된 각 매개변수를 이미지와 다시 상호 연관시켜 시각적으로 확인할 수 있습니다.

다음 예시를 들어 보겠습니다.scanR 소프트웨어에서 데이터 포인트를 클릭하여 해당 세포를 보거나 게이트 된 모집단에서 이미지 갤러리를 생성할 수 있습니다. 이를 통해 세포 집단이 올바르게 세분화되고 관심 집단을 올바르게 식별하고 있는지 시각적으로 확인할 수 있는 레이어가 추가됩니다.

scanR 소프트웨어 이미지 세포 분석. A) 세포로 식별된 포인트는 게이트 된 후 히스토그램으로 표시됩니다 (B). 그런 다음 세포는 두 집단으로 분리되어 이미지 갤러리에서 볼 수 있습니다 (C, D).

요약하자면, scanR 소프트웨어를 사용한 이미지 세포 분석은 유세포 분석에서 최고의 분석 도구 중 일부를 가져와 이미지 기반 분석의 장점과 결합한 것입니다. 아래 표에서 이러한 장점을 한눈에 확인하세요.

이미지 세포 분석의 다양한 도구 세트를 통해 연구원은 세포에 스트레스를 주는 조작 없이도 형태, 위치, 형광 강도 및 국소화 등 이미지에서 볼 수 있는 모든 특징을 기반으로 대규모 세포 집단을 정량화하고 평가할 수 있습니다. 연구원은 실험을 통해 더 광범위하고 심층적인 결과를 수집하여 연구의 품질과 효율성을 향상할 수 있습니다.

관련 콘텐츠

영상: scanR 하이콘텐츠 스크리닝 스테이션 소개

AI 기반 하이콘텐츠 스크리닝 시스템을 사용한 첨단 라이브셀 분석

브로셔: scanR 하이콘텐츠 스크리닝 스테이션