사람의 눈은 양보다 질 입니다. 믿기지 않으시나요? 그러면, 아래 두 사각형을 보세요. 어느 것이 더 큰가요?
대부분의 사람들은 우측에 있는 것을 선택합니다. 하지만 두 사각형의 크기는 같습니다. 이것은 착시의 간단한 예이며 사람의 눈이 정량적으로 측정하는 것에 능숙하지 않다는 것을 알려줍니다.
그럼에도 불구하고 오늘날 많은 세포 배양 과정은 여전히 육안 관찰에 의존합니다. 이 게시물에서는 육안 관찰이 세포 배양 과정에 가져오는 문제를 살펴보고 정량적 방법으로 이행하는 것의 중요성을 소개합니다.
먼저, 표준 세포 배양 과정부터 알아보겠습니다.
표준 세포 배양 과정
표준 세포 배양 워크플로에서 연구원들은 세포 계수의 정보에 따라 특정 수의 세포를 파종하기 시작합니다. 다음으로 접시나 플라스크에 세포를 배양하고 배양기에 넣어 세포가 자라게 합니다. 2일 또는 3일마다 배양기에서 세포 배양 용기를 꺼내서 현미경으로 세포 상태를 육안으로 확인합니다.
대부분의 사람들은 세포 건강의 중요 요소인 세포 형태 및 세포 밀도를 확인합니다.
- 세포 형태는 세포가 일반적으로 건강한지 알려줍니다.
- 세포 밀도는 passage 수행 여부를 결정할 수 있는 주요 요소입니다. 세포의 밀도가 지나치게 높으면 세포는 정지되거나 죽습니다. 관행적으로, 연구원들은 현미경을 사용하여 육안 관찰로 세포 밀도를 확인합니다 .
그림 1. 세포 배양 과정의 표준 워크플로.
이제 착시의 예에서 본 것을 기억하십시오. 사람의 눈이 생각할 수 있는 만큼 정량적이 아니라는 것을 알고 있습니다. 많은 경우에, 육안으로 관찰된 70% 세포 밀도는 실제 70%가 아닙니다. 80%이거나 60%일 수도 있습니다.
또한, 세포 배양 검사를 수행하는 사람에 따라 세포 밀도가 다르게 추정됩니다. 사람의 눈을 기반으로 한 추정은 불안정하기 때문에 세포 배양의 질에 영향을 미치고 일관성이 없는 결과로 이어질 수 있습니다.
그림 2. (상단) 최적 및 (하단) 불규칙적 세포 배양 과정.
세포 배양 후 표준 워크플로
세포 배양 과정 후, 생물학적 행동을 살펴보기 위해 현미경 이미징으로 또는 복합체를 평가하기 위해 세포 기반 분석으로 또는 더 큰 규모의 세포 생산으로 이행할 수 있습니다(그림 3). 하지만 정량적 세포 배양이 없으면 문제에 직면할 수 있습니다.
그림 3. 세포 배양 후 일반적 워크플로.
다음 예를 고려해보세요. 세포 기반 분석은 배양된 세포를 이용하여 약효를 평가합니다. 하지만 세포 배양의 품질이 일관성이 없을 경우 세포가 약제 후보에 서로 다르게 반응할 수 있기 때문에 분석의 결과를 신뢰할 수 없게 됩니다 .
정량적 세포 배양의 중요성은 국립중개과학센터(NCATS)에서 발간한 분석 지침 매뉴얼(Assay Guidance Manual)에 명시되어 있습니다.
매뉴얼에 따르면, “최초 세포 배양 조건의 표준화가 견실한 분석 수행에 필수적입니다. 각 실험의 새 소스(환자 또는 동물)에서 세포가 사용되는 실험의 경우 반응성이 서로 다르며 각 실험에 대해 별도의 표준화가 필요하다”라고 합니다.
다른 섹션에 따르면, “세포 배양 조건에 특히 주의하는 것이 분석의 성공에 대단히 중요하다. 세포는 밀집되어야 하지만 분석 작업을 적절히 수행하려면 밀도가 지나치게 높아서는 안 된다”라고 합니다.
보시다시피, 세포 배양의 품질은 세포 배양 후 과정에 영향을 미칩니다. 실험 후 결과가 신뢰할 수 없는 것으로 인지하는 경우 발생할 수 있는 시간 손실 및 비용 추가를 고려하십시오.
세포 배양에 정량적 접근법을 사용하는 것이 해당 과정을 향상시키는 데 대단히 중요하지만 실제로 보다 일관성 있는 결과를 어떻게 얻을 수 있을까요? 모든 것이 올바른 도구의 사용에 달려 있습니다.
정량적 세포 배양을 위한 유용한 도구
정량적 세포 배양 결과를 얻기 위해 사람의 눈에 의존할 수 없지만, 첨단 이미지 분석 기술이 이를 보완하고 있습니다.
인공 지능을 이용한 획기적인 이미지 분석 기술 덕분에 아래 표시된 세포의 위상차 이미지 같은 무표지 이미지를 분석하기가 훨씬 더 쉬워졌습니다(그림 4).
그림 4. 기계 학습 기반 세포 분석의 예.
AI 주도 분석 기술과 현미경 이미지를 결합하여 기계 학습을 이용한 세포 밀도의 추정이 가능합니다. 기계 학습은 안정된 표준화된 매개변수를 이용할 수 있기 때문에 현미경을 사용한 기존의 육안 평가보다 더 견실하고 정량적인 방법을 제공합니다.
이러한 강력한 기술은 CM20 배양 모니터 및 세포 밀도 측정 소프트웨어에 활용되고 있으며, 성공적인 실험을 위한 재현 가능한 정량적인 데이터를 제공합니다.
