熒光顯微鏡應用于CTC循環腫瘤細胞檢測
熒光顯微鏡的CTC循環腫瘤細胞檢測應用
一、CTC循環腫瘤細胞檢測
液體活檢之父Klaus Pantel介紹CTC和ctDNA
CTC是“循環腫瘤細胞”的英文縮寫，CTC檢測是一種“液體活檢”臨床病理技術，可以用于癌癥篩查、評估和監測。CTC檢測使用外周血為樣品，可以指導一些腫瘤位置較深、穿刺活檢有風險的腫瘤患者的靶向治療，也可以為癌癥預后評估、療效監測、癌癥復發風險評估等提供重要參考。
CTC內滲和循環（B和C中的藍色腫瘤細胞）①
目前CTC檢測主要應用于上皮來源的腫瘤細胞，比如胃腸道上皮細胞層（口腔、食道、胃、小腸和大腸），以及皮膚、乳腺、胰腺、肺、肝、卵巢、膽囊和膀胱上皮來源的腫瘤。
藍綠信號=CTC，藍紅信號=白細胞②
典型CTC檢測制樣可以概括為四大步驟，首先是富集，使用抗EpCAM微磁珠黏附細胞（CTC、紅細胞、白細胞），然后使用CD45染料，特異性染色白細胞，再用CK染料，特異性染色上皮細胞（CTC），最后用DAPI染色，特異性染色上皮細胞和白細胞的細胞核（排除紅細胞）。
有DAPI熒光（藍）和CK熒光（綠），無CD45熒光且細胞核尺寸較大，判定為CTC；有DAPI熒光（藍）和CD45熒光（紅），判定為白細胞。
二、CTC循環腫瘤細胞檢測中的成像挑戰
3D生物芯片(g)提升富集效率，但不適配專用儀器②
1、儀器便利性和通用性的矛盾
在以往，CTC檢測常使用CellSearch等專用進口儀器實現，這些系統使用便利且成熟度高，但通用性差，只能用于CTC檢測，且僅能針對上皮來源腫瘤細胞，只能通過計數評估預后，并且無法跟進新的技術進步。
近年微流控芯片、生物芯片和樣品圖像自動處理識別等技術的進步，已經讓突破傳統CTC檢測限制成為可能，比如更高的富集效率、更特異性的鑒定策略等，而以往的專用儀器無法適配這些新技術。MF43-N等研究級熒光顯微鏡不僅更適合研究和利用這些新技術，還能滿足其他病理閱片使用，應用前景比專用儀器更高。
加入CD16后的CTC檢測，更精準但閱片也更難③
2、多色熒光人工閱片費時費力
CTC檢測使用了多種熒光探針，因此需要多色熒光激發，如果采用人工操作閱片，需要一個個視野鏡檢、每個視野都一個個通道激發然后拍照合成，閱片將會十分費時費力，且容易受主觀因素影響。
使用電動化切換的熒光模塊，結合XYZ三軸電動和成像軟件系統，可以實現多色熒光切片的激發成像和掃描合成，對于提升CTC閱片效率非常有價值，同時數字切片也方便資料分享和研究學習，對于提升診斷精度和訓練自動識別算法都有重要意義，明美多重熒光數字切片掃描系統MES200可以實現高效的多色熒光切片掃描。
LED熒光光源（右）比汞燈光源有更高的激發辨識效率③
3、高靈敏度熒光成像
要實現高效的多色熒光切片掃描，整個成像系統從熒光光源，到熒光模塊，再到物鏡和相機都需要有比較高的靈敏度，比如使用高光強的LED熒光光源、進口高質量濾光片組、半復消色差或以上物鏡和高靈敏度熒光相機。
三、方案
1、CTC檢測數字切片掃描方案
多重熒光數字切片掃描系統MES200
·基于明美豐富的熒光成像研發經驗打造
·可選多種LED熒光光源方案，激發效果穩定
·高靈敏度成像相機，熒光成像細節豐富
·高精度壓電電動平臺，自動對焦自動掃描
·智能軟件自動掃描拼接，快速合成結果
2、CTC檢測儀器集成方案
·標準化配件集成，涵蓋熒光附件、物鏡、相機等
·可集成電動掃描拼接、自動對焦、電動熒光等功能
·可整合細胞計數、細胞融合度等細胞識別功能
·可用于CTC細胞識別、細胞篩選等領域
3、CTC檢測微流控芯片、生物芯片研發和閱片
研究級熒光顯微鏡MF43-N
·研究級顯微鏡機身，擴展性強
·LED熒光光源，使用方便壽命長
·高數值孔徑半復消色差物鏡，熒光效率高
·6孔熒光模塊，10X/25大視野目鏡
·可升級高精度三維電動平臺，實現掃描
引用：
①Ring A, Nguyen-Sträuli BD, Wicki A, Aceto N. Biology, vulnerabilities and clinical applications of circulating tumour cells. Nat Rev Cancer. 2023 Feb;23(2):95-111. doi: 10.1038/s41568-022-00536-4. Epub 2022 Dec 9. PMID: 36494603; PMCID: PMC9734934.
②Wu, X., Xiao, T., Luo, Z. et al. A micro-/nano-chip and quantum dots-based 3D cytosensor for quantitative analysis of circulating tumor cells. J Nanobiotechnol 16, 65 (2018). https://doi.org/10.1186/s12951-018-0390-x
③De Wit, S.; Zeune, et al. Classification of Cells in CTC-Enriched Samples by Advanced Image Analysis. Cancers 2018, 10, 377. https://doi.org/10.3390/cancers10100377
免責聲明
本站無法鑒別所上傳圖片、字體或文字內容的版權，如無意中侵犯了哪個權利人的知識產權，請來信或來電告之，本站將立即予以刪除，謝謝。
