一项由加州大学圣地亚哥分校和斯坦福大学领导的研究团队发现了一种非侵入性的方法，可以在不穿透细胞的情况下监测心肌细胞内部的电活动。这种方法基于从细胞外部捕获电信号，并利用人工智能（AI）精确重建细胞内部的信号。
心肌细胞内的电信号可以提供关于心脏功能、细胞间通信以及它们对药物反应的重要信息。然而，通常捕获这些信号需要使用微小的电极刺穿细胞，这可能会损坏细胞，并使大规模测试变得复杂。
研究人员找到了一种无需进入细胞即可窥探其内部的方法。关键在于提取细胞内信号（intracellular signals）和细胞表面记录的信号（extracellular signals）之间的关系。“我们发现，细胞外信号包含了我们所需的信息，可以解锁我们感兴趣的细胞内特征。”加州大学圣地亚哥分校艾索尤丰李家族化学与纳米工程系教授Zeinab Jahed表示，她是这项研究的高级作者之一。Keivan Rahmani是Jahed实验室的纳米工程博士生，也是该研究的第一作者。
虽然细胞外信号可以通过较少侵入性的方式捕获，但它们无法提供太多关于细胞电活动的具体细节。“这就像通过墙壁听到对话——你可以检测到有交流发生，但会错过具体细节。”Jahed解释道。“相比之下，细胞内信号提供了所有细节，就像坐在房间里清楚地听到每一句话，但它们只能通过侵入性和技术上更复杂的方法捕获。”通过使用AI，Jahed及其同事开发了一种方法，将细胞外信号与特定的细胞内信号相关联。
为了开发这一新方法，研究团队首先设计了一个纳米级针状电极阵列。每个电极比单个心肌细胞小200倍，由涂有铂的二氧化硅制成。从干细胞衍生的心肌细胞被培养并放置在电极阵列上。
研究人员收集了大量数据集——数千对电信号，每对连接一个细胞外记录和相应的细胞内信号。数据包括细胞在暴露于各种药物时的反应。这提供了一个丰富的数据图书馆，展示了心肌细胞在不同条件下的行为。
在分析这些成对信号时，研究人员发现了细胞外和细胞内信号之间的模式。他们随后训练了一个深度学习模型，仅根据细胞外记录预测细胞内信号的样子。在测试中，他们的模型创建了准确且完整的细胞内信号重建。
Jahed指出，这项工作在药物筛选方面具有重要应用。每种新药都必须经过严格的测试，以确保它不会对心脏产生不良影响——这一过程称为心脏毒性测试。这个过程的一部分涉及从心肌细胞中收集详细的细胞内数据。这些电信号的细微变化可以提供关于药物对心脏影响的线索，帮助药物开发者评估新药的安全性。“目前，这是一个漫长且昂贵的过程。通常从动物模型测试开始，但这并不总能预测人类的结果。”Jahed说。
通过使用这项研究中的新AI驱动方法，研究人员可以直接在人体心肌细胞上筛选药物。这可以提供更准确的药物在人体内的行为图景，并可能绕过早期的动物测试。
“这可以大幅减少药物开发的时间和成本。”Jahed说。“而且，由于用于这些测试的细胞是从人类干细胞衍生而来，这也为个性化医疗打开了大门。药物可以在患者特异性细胞上进行筛选，以预测个体对这些治疗的反应。”
尽管当前研究集中在心肌细胞上，研究人员已经着手将其方法扩展到其他类型的细胞，包括神经元。他们的目标是将这项技术应用于更好地理解不同组织中的广泛细胞活动。
(全文结束)
