Abstract
Un’accurata separazione di popolazioni cellulari che formano un tessuto è una tecnologia chiave nella nella biotecnologia e nella medicina per applicazioni che richiedono lo studio dell’eterogeneità delle popolazioni cellulari. Sebbene i metodi convenzionali, basati su marcatori fluorescenti, possano fornire una separazione ad alta efficienza, questi approcci richiedono una preparazione del campione laboriosa e costosa. I recenti progressi nella tecnologia microfluidica stanno consentendo lo sviluppo di molte soluzioni software e hardware per l’analisi e la separazione di singole cellule senza la necessità di marcatori molecolari, permettendo di ridurre al minimo il tempo di preparazione del campione. Il progetto COLLECT mira a progettare e implementare una piattaforma opto-meccano-fluidica label-free per la separazione cellulare attraverso un sistema di smistamento in tempo reale basato su morfologia e deformabilità, attivato da immagini e supportato da intelligenza computazionale. Il sistema integrerà due componenti complementari: un modulo di imaging label-free, basato sulla microscopia olografica, per il riconoscimento delle varie popolazioni e un dispositivo microfluidico per la separazione intelligente delle cellule attivata dall’analisi delle immagini in tempo reale assistita da machine learning. La tecnologia proposta punta a offrire alta flessibilità, grande scalabilità e elaborazione dati completamente automatizzata. L’obiettivo principale del progetto è la dimostrazione dell’utilità della tecnologia applicata a diversi tipi e dimensioni cellulari, con focus su un’applicazione sfidante in ambito oncologico: la separazione dei diversi tipi di cellule del Microambiente Tumorale (TME) presenti in una massa tumorale solida, con particolare attenzione alla separazione e al conteggio e dei linfociti T. Infatti, un tumore è un sistema complesso, in cui le cellule tumorali coesistono e interagiscono con diverse popolazioni del microambiente, inclusi cellule endoteliali, fibroblasti e cellule immunitarie. Queste cellule non neoplastiche contribuiscono in modo significativo alla progressione tumorale, determinando l’esito della malattia e la risposta alla terapia, il che le rende importanti biomarcatori. Tuttavia, ad oggi, la valutazione del TME è dipendente da marcatori, richiede tempo ed è eseguita da personale altamente qualificato. L’obiettivo di COLLECT, applicando un approccio multidisciplinare garantito dal coinvolgimento di tre unità (CNR-ISASI, UNINA e UNIBO), è dimostrare che la separazione basata su morfologia e deformabilità label-free è un approccio promettente per una rapida e accurata separazione delle popolazioni cellulari del TME.
Risultati raggiunti
Il progetto COLLECT (Computationally aided Opto-mechano-fluidic pLatform for Label-free Intelligent Tumor MicroEnvironment Cell sorting) ha sviluppato una piattaforma innovativa per l’analisi e la selezione di cellule singole in modo rapido e senza l’utilizzo di marcatori chimici o fluorescenti. L’obiettivo era affrontare una delle importanti sfide della ricerca oncologica: identificare e distinguere le diverse popolazioni cellulari presenti nel microambiente tumorale, che circondano e influenzano la crescita del tumore. A differenza delle tecniche tradizionali, che richiedono anticorpi o sostanze fluorescenti per riconoscere le cellule, COLLECT sfrutta caratteristiche naturali delle cellule, come forma, dimensione e proprietà meccaniche. La piattaforma combina tre tecnologie avanzate: microscopia olografica digitale, microfluidica e intelligenza artificiale. Le cellule scorrono all’interno di microscopici canali, vengono osservate attraverso immagini olografiche e analizzate in tempo reale da algoritmi di apprendimento automatico, in grado di riconoscerle e classificarle automaticamente. Il progetto ha coinvolto ricercatori del CNR-ISASI, dell’Università degli Studi di Napoli Federico II, del CNR-STIIMA e dell’Università di Bologna, che ha contribuito alla validazione biologica della tecnologia utilizzando campioni derivati da pazienti. Nel corso del progetto è stato realizzato un sistema capace di acquisire immagini di alta qualità di cellule in movimento, generando grandi banche dati utilizzate per addestrare modelli di intelligenza artificiale. Sono stati inoltre sviluppati dispositivi microfluidici in grado di evidenziare differenze biomeccaniche tra vari tipi di cellule. I risultati ottenuti dimostrano la fattibilità di una piattaforma innovativa, veloce e non invasiva per l’analisi delle cellule tumorali. In prospettiva, questa tecnologia potrà contribuire allo sviluppo di strumenti più efficaci per la ricerca biomedica, la diagnosi oncologica e la medicina personalizzata.Dettagli del progetto
Responsabile scientifico: Ivana Kurelac
Strutture Unibo coinvolte:
Dipartimento di Scienze Mediche e Chirurgiche
Coordinatore:
CNR - Consiglio Nazionale delle Ricerche(Italy)
Contributo totale Unibo: Euro (EUR) 43.000,00
Durata del progetto in mesi: 24
Data di inizio
28/09/2023
Data di fine:
28/02/2026
