Manyetik ve görüntü tabanlı hücre sitometri tekniklerinin geliştirilmesi

Abstract

Akış sitometrisi çeşitli parametreler kullanılarak hücrelerin veya tek hücre özelliklerinin ölçülmesine olanak tanır. Bu tezde etiketlemeye gerek kalmadan hücrelerin veya mikropartiküllerin farklı yoğunluklarına göre ayrıştırılmasına olanak tanıyan manyetik levitasyon yöntemi kullanılmıştır. Ayrıca mikroakışkan çip içindeki mikropartiküllerin ve hücrelerin akış koşulları altında yoğunluğunu ölçen derin öğrenme tabanlı yeni bir görüntü sitometri tekniği üstünde çalışılmıştır. Bu bağlamda You Only Look Once (YOLO) algoritmasını kullanılarak parçacık yarıçapının ve levitayon yüksekliklerinin otomatik ve doğru analizini sağlayan bir yöntem geliştirilmiştir. Bununla birlikte farklı iki yoğunluğa sahip mikroparçacıklar birbirinden başarılı şekilde yoğunluklarına göre ayrıştırılmıştır. Devamında aynı şekilde insan monosit hücresinin (U-937) ölü ve canlı analizi yapılmıştır. Böylece, geliştirilen görüntü tabanlı sitometri yöntemi, mikropartiküllerin ve hücrelerin yoğunluklarına ve yarıçaplarına göre otomatik analizini kolaylaştırmıştır. Bu yaklaşım farklı uygulamalar için mikropartikül/hücre popülasyonlarının gerçek zamanlı, etiketsiz tanımlanmasına imkan tanıyabilecektir. Ayrıca bu sistemin akış altında ayrıştırma amacı ile kullanılabilmesi için mikrovalfler üzerinde çalışmalar gerçekleştirilmiştir. Bu kapsamda mikro pnömatik valf üretimi üzerinde çalışılmıştır. Polidimetilsiloksan (PDMS) membran yapıları ile oluşturulan pnömatik valfler, sağlam işleyişleri sayesinde hızlı akış manipülasyonuna olanak tanımaktadır. 3B baskı yöntemi ile üretilen kalıplar kullanılarak pnömatik valf yapıları hızlı ve basit bir şekilde üretilmiştir. Ayrıca, bu valfler çok düşük basınçlarda kapatılabilir ve manyetik levitasyon kurulumunda kullanılabilir olduğu gösterilmiştir. Bu nedenle, sunulan teknikle gelecekteki çalışmalarda yeni manyetik levitasyon tabanlı sitometri uygulamaları yürütülebilir.

Flow cytometry allows for the measurement of cells or single-cell properties using various parameters. In this thesis, a novel image-based cytometry approach was developed for measuring the density of microparticles under flow conditions within a microfluidic chip utilizing magnetic levitation and deep learning analysis. This method facilitates the differentiation of microparticles according to their densities without the necessity of labeling. Utilizing the You Only Look Once (YOLO) algorithm, a method was established to automatically and accurately analyze particle radius and levitation heights. Furthermore, microparticles with two different densities were successfully separated based on their densities. Subsequently, live and dead human monocyte cells (U- 937) were analyzed. Thus, the developed image-based cytometry method facilitates the automatic analysis of microparticles, and cells based on their densities and radii. This approach will enable the real-time, label-free identification of various microparticle populations for different applications. Additionally, studies were conducted on microvalves to enable the use of this system for sorting purposes under flow conditions. In this context, the fabrication of micropneumatic valves was explored. Pneumatic valves created with polydimethylsiloxane (PDMS) membrane structures provide robust operation and fast fluidic manipulation. Pneumatic valve structures were fabricated quickly and simply using a 3D printed mold. Moreover, these valves could be closed at very low pressures and were shown to be usable in the magnetic levitation setup. Hence, new magnetic levitation-based cytometry applications can be conducted in future studies with the presented technique.