Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Cancer Research

En Time-lapse, etikett-fri, kvantitativ fase tenkelig studie av sovende og aktive menneskelige kreftceller

doi: 10.3791/57035 Published: February 16, 2018
* These authors contributed equally

Summary

Sovende og aktive cellen fenotyper var preget med kvantitative fase imaging. Celle spredning, overføring og morfologi analyser ble integrert og analysert i en enkel metode.

Abstract

Oppkjøpet av angiogenic fenotypen er en vesentlig komponent i Flukten fra svulst dormancy. Selv om flere klassiske i vitro analyser (f.eks, spredning, migrasjon, og andre) og i vivo modeller er utviklet for å undersøke og karakterisere angiogenic og ikke-angiogenic celle fenotyper, er disse metodene tid arbeids intense og krever ofte dyre reagenser og instrumenter, samt betydelig kompetanse. I en fersk studie brukte vi en roman kvantitative fase imaging (QPI) teknikk for å gjennomføre time-lapse og merking-fri karakteristikkene av angiogenic og ikke-angiogenic menneskelige osteosarcoma KHOS celler. Et panel av mobilnettet parametere, inkludert celle morfologi, spredning og motilitet, ble kvantitativt målt og analysert bruker QPI. Denne romanen og kvantitativ tilnærming gir mulighet til ikke-invasively og kontinuerlig studere relevante cellulære prosesser, atferd, og egenskaper av kreftceller og andre celletyper på en enkel og integrert måte. Denne rapporten beskriver vår eksperimentelle protokollen, inkludert celle forberedelse, QPI oppkjøp og dataanalyse.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

En av de tidligste sjekkpunktene i utvikling og utviklingen av en solid svulst er oppkjøpet av angiogenic fenotypen, et kjennetegn på kreft. Dette progresjon innebærer en rekke biokjemiske og molekylære prosesser1,2,3. En teknisk utfordring i studiet av dette viktige skritt i svulst progresjon er mangelen på verktøy som kontinuerlig og kvantitativt karakterisere og skille mellom angiogenic og ikke-angiogenic fenotyper av live kreftceller på en saklig måte. De tradisjonelle analyser brukes til å undersøke mobilnettet oppførsel av angiogenic og ikke-angiogenic cellene vanligvis krever dyre reagenser og instrumenter, for eksempel celle spredning/migrasjon søk4,5, 6,7,8,9,10,11,12,13,14 eller utfyllende i vivo evaluering4,5,6,8,15,16, samt kreve betydelig kompetanse og intensiv tids- og arbeidssystemer forbruk.

Nylig kvantitative fase imaging (QPI) har dukket opp som en teknikken som gjør time-lapse og merking-fri vurdering av en rekke celle morfologi og atferd parametere17,18,19, 20 , 21 , 22. i motsetning til konvensjonelle optisk mikroskopi, QPI kvantifiserer varianter av faseskift piksel for piksel etter lyset passerer gjennom et optisk objekt, og rekonstruerer et holograph med konverterte optisk tykkelse og volum, dermed muliggjør direkte analyse av levende celler og følgende funksjoner: (1) kvantitative bildebehandling, (2) ikke-invasiv og time-lapse bildebehandling, (3) etikett-fri bilder og (4) samtidige flere parameter bildebehandling. Disse funksjonene gjør QPI et kraftig verktøy for å vurdere og forstå patologisk prosesser på cellenivå.

I en fersk studie, benyttet vi QPI kvantitativt karakterisere og skille mellom angiogenic KHOS-en og ikke-angiogenic KHOS-N fenotyper menneskelige osteosarcoma celleområde i en systematisk og kvantitative måte, kombinere analyser av cellen morfologi, spredning og motilitet23. Bruke analyseprogramvare, et panel av cellen morfologiske og atferd parametere ble kvantitativt forhold mellom angiogenic og ikke-angiogenic menneskelige osteosarcoma celler og fem særtrekk ble identifisert mellom disse to fenotyper. Denne nye tilnærmingen gir en integrert og kvantitative plattform for å vurdere en rekke biologisk relevante mobilnettet egenskaper.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Alle metodene som er beskrevet her er godkjent av Boston Children's Hospital institusjonelle Biosafety utvalget.

1. celle forberedelse

  1. Tiner KHOS-A og -N celler
    1. Varm opp kultur medium, i.e.Dulbeccos endret Eagle medium med 10% (vol/vol) fetal kalv serum (FBS) og 1% (vol/vol) penicillin/streptomycin.
    2. Ta kryogene hetteglass celler fra flytende nitrogen tanken, dyppe nederst ampullene i varmt vann i et 37 ° C vannbad og forsiktig risting kryogene hetteglass for å akselerere tiner prosessen. Holde lokket av kryogene ampuller kontakter vann for å unngå forurensning. Når cellene er tint, sterilisere kryogene ampullen ved sprøyting 70% etanol løsning og tørke ampullen.
    3. Umiddelbart Sug opp cellen suspensjon fra kryogene ampullen laminær strømning hette, og forsiktig avbryte 10 mL varmet kultur medium (beskrevet i 1.1.1). Sentrifuge celle suspensjoner på ca 200 x g i 5-7 min.
    4. Resuspend celle pellets med 10 mL varmet kultur medium, og overføre til en MT75 kolbe. Pipetter forsiktig flere ganger for å suspendere celler jevnt med en 10-mL pipetter.
    5. Plass flasken i en 37 ° C inkubator med 5% (vol/vol) CO2 og fuktet atmosfære. Tillate at celler koble minst 12 h.
    6. Inkuber celler for ca 3-7 dager til 80-100% confluent. Endre kultur medium hver 2-3 dager.
  2. Dele KHOS-A og -N celler
    1. Fjern kultur media fra flasken.
    2. Vask cellene med 5 mL steril PBS (1 x) uten kalsium og magnesium, fjerner ikke tilhenger celler eller brøkdel.
    3. Legg 1 mL 0,05% Trypsin-EDTA løsning i flasken, og kort swirl flasken for å sikre at trypsin-EDTA er spredt jevnt.
    4. Inkuber kolbe for 2-3 minutter i en 37 ° C inkubator eller 3-5 minutter ved romtemperatur. Merk cellene under et mikroskop på ca 400 x forstørrelse å sørge for at cellene er rundet opp og frittliggende.
    5. Når cellene er løsrevet, tilsett 10 mL kultur medium og Pipetter forsiktig mediet opp og ned flere ganger for å bryte opp cellen aggregat i en enkelt celle hjuloppheng med en 10 mL pipetter.
    6. Telle celler ved hjelp av en celle teller. Frø celle suspensjon i nye MT75 flasker på en tetthet av 2 × 106 celler eller forholdet 1:4.
    7. Tillate at celler vokse til 80-100% samløpet før såing for QPI eksperimentet.
  3. Såing KHOS-A og -N celler for QPI
    1. Frø KHOS-A og -N celler i 6-vel plater på tettheten av 50.000-300.000 celler/godt med 5 mL kultur medium etter å telle med en celle teller.
      Merk: Seeding tetthet er avhengig celle spredning hastigheten og tenkelig tidsperioden for å ha < 100% samløpet under imaging oppkjøpet.
    2. Inkuber celler for minst 12 h å tillate vedlegg.
    3. Endre mediet med fersk media før gjennomfører QPI.

2. QPI oppkjøp

  1. Cover slip satt opp
    1. Rengjør cover slip av skylling flere ganger med kjører deionisert vann og sterilisere med 75% etanol løsning ved nedsenkning til 15 min. cover slip inn sterilt laminær strømning hette tørke.
    2. Forsiktig plassere cover slip på en 6-vel-plate for å unngå tydelig bobler. Kontroller at bunnen av cover slip er nedsenket i kultur media (minimum 5 mL/vel).
    3. Plass platen i inkubator 37 ° C, 5% CO2, og fuktet atmosfære equilibrate i minst 15 min. Hvis tåke skjemaer på cover slip bruk en steril bomull swab for å tørke den ren.
  2. Imaging celler med et mikroskop
    1. Åpne programvaren for å starte systemet, inkludert selv kalibrering av eksponeringstid, mønster kontrast og hologram støy. Kontroller at verdiene er akseptabel (vist i grønn eller gul).
    2. Plass 6-vel platen på scenen av QPI mikroskopet.
    3. Klikk "Live fange", og velg "Manuelt" i "Programvare fokus." Grovt fokusere fase bilder av celler ved å justere arbeid avstanden i "Mikroskop innstilling" å få disposisjoner for celler i fase bilder. Endre til "Automatisk" i "Programvare fokus."
    4. Klikk "Ny eksperiment" å Opprett et nytt eksperiment. Starter med valg av bilde oppkjøpet posisjoner Bruk musen eller piltastene på numerisk puten. Klikk "Husk" etter hvert valg. Vanligvis er 3-5 steder for hvert utvalg valgt.
    5. Definere tenkelig intervallene og tiden i delen "Timelapse".
      Merk: For å spore kreftceller tydelig, intervallene må være kortere enn 5 min. 48 timer er angitt som tidsperioden for kombinasjonen QPI analyse.
    6. Start eksperimentet ved å klikke "Fange", som automatisk fokus og bildene på innstillingen tid points.

3. dataanalyse

  1. Celle morfologi analyse
    1. Klikk "Identifisere celler." Justere de numeriske innstillingene for "Bakgrunnen terskelen" slik at celle områdene er atskilt godt fra bakgrunnsstøy. Justere innstillingen nummeret "Størrelse" å sikre at hver celle har en kjerne. Opprettholde konsekvent parametere for prøver som skal sammenlignes, som dette kan påvirke de endelige areal og volum målingene. Manuelt endre cellen segmenter ved hjelp av "Manuelle endringer," hvis nødvendig.
    2. Bruke funksjonen "Analysere data" i programvaren for å analysere celler. Start en ny dataanalyse ved å klikke "Ny analyse." Dra valgte bildene til de "Kilde rammer" tab og celle morfologi parameterne inkludert celle området (µm2), optisk tykkelse (µm) og volum (µm3) for hver enkelt celle. Velg XY tomten eller histogrammet modus og eksport data som tabeller eller figurer.
  2. Celle spredning analyse
    1. Velg minst 5 bilder for annen poeng av interesse (f.eks, første, 12 h, 24 timer, 36 h og 48 h). Registrere cellen tallene som tilbys av programvaren.
    2. For å beregne dobling tid, tegne cellen tallene etter normalisere med innledende tall og passe med eksponentiell vekst kurver.
  3. Celle bevegelse analyse
    1. Bruke funksjonen "Spor celler" i programvaren. Klikk "Ny analyse" starte en ny dataanalyse. Dra serie bilder for en valgt tidsperiode (f.eks4 h etter 24-timers inkubasjon) i kategorien "Kilde rammer" tilfeldig 10-30 celler ved å klikke cellene under "Legg til celler" utvalg modus. Ekskludere cellene på kantene og de flytte ut av synsfeltet.
    2. Nøye sjekke sporing i serien av bilder. I tilfelle at systemet mister sporet av en celle eller spor feil cellen, manuelt justere sporing cellen ved å klikke "Identifisere" identifisere celler eller "Endre location" under "Velg"-modus for å endre plasseringen for cellen.
    3. Velg steg handlingen i cellen baner i "Plot bevegelse" eller tomten for de andre bevegelse-relaterte parameterne i "Plot funksjoner," som motilitet hastighet (µm/h), motilitet (µm), overføring (µm) og overføring direkthet. Eksportere Data som tabeller eller figurer.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Figur 1 viser typisk cellen morfologi karakteristikk. Bilder presenteres som holographs (figur 1A-B) og 2D-bilder (figur 1 c-D). Optisk celle tykkelser (beregnet fra brytningsindeks og optisk banelengde) er kvantifisert via linje profil eller en hel celle måling. Scatter tomter i området og tykkelsen av KHOS og KHOS-N celler til en hel celle var plottet, som i figur 1E-G, hvor disse to fenotyper vises ulike distribusjonsmønstrene. Gjennomsnittlig tallene fra histogrammet (figur 1 H-M) eller de eksporterte filene vist at KHOS-A cellene har mindre celle områder og større tykkelser enn KHOS-N celler.

Bruker funksjonen celle counter, ble celle spredning profiler innhentet (figur 2). Dette viste ikke en betydelig forskjell mellom KHOS-A og -N celler. I tillegg kan cellen dobling tid estimeres fra spredning kurven (dvs., 24-26 h) som også ikke viste signifikante forskjeller.

Figur 3A D viser typisk sporing av KHOS-A og -N celler i ikke-retningsbestemt (tilfeldig) bevegelse modus og tilsvarende baner. Gjennomsnittlig celle motilitet (figur 3E-F), motilitet hastighet ()Figur 3 g-H), overføring avstand ()figur 3I-J), og overføring direkthet ()Figur 3 K-L) var plottet mot opptakstid. KHOS-A celler i forhold til KHOS-N celler, og viste større motilitet hastighet, noe som resulterer i lengre motilitet og migrasjon fra.

Figure 1
Figur 1: celle morfologi karakterisering. (AB) Representant holographs av KHOS-A (A) og -N celler (B) av kvantitative fase bildebehandling. Skalaen er 191.4 µm. Insets på høyre hjørne viser kvantitative linje profilen optisk tykkelse for blå linjen i bildene. (C-D) Representant QPI bilder av cellen segmentering for KHOS-A (C) og -N celler (D). Skala er 100 µm. celler på kantene ble utelatt for kvantifiseringen. (E-G) Målt tykkelse versus område for enkeltceller i KHOS-en (E) og -N celler (F). Hvert punkt representerer en enkeltcelle (n = 200-300). Overlapping handlingen (G) viser signifikant forskjellig spredning mønstre for KHOS-A og -N celler. (H-M) Histogrammer av cellen tykkelse (H-jeg), området (J-K)og volum (L-M) fordelingen for KHOS-en (H, J, L) og -N celler (I, K, M). Klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2: celle spredning karakterisering. Det øvre panelet viser representant celle segmentering for opptelling cellen tallene. Skala er 100 µm. Det nedre panelet viser tilsvarende beregnede celle spredning rate. Dataene er presentert som gjennomsnittlig ± standardavvik. Student t-test (hender, tosidig) ble brukt til statistiske analyser. Testresultatene ble vurdert betydelig når p < 0,05. Klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3: celle bevegelse karakterisering. (AB) Representant celle sporing bilder for KHOS-A (A) og -N (B) celler. Skala er 100 µm. merkede celler er beskrevet med forskjellige farger. Cellen motilitet registrert i en 4 h tidsperiode presenteres med tilsvarende farget linje. (C-D) Cellen baner av KHOS-A (C) og -N (D) celler tegnes fra nullpunktet (0,0). Hver linje representerer en enkeltcelle. KHOS-A celler viste en mer spredt mønster sammenlignet med KHOS-N celler (n = 10). (E-L) Registrert kvantitative parametere under undersøkte tidsperioden for cellen bevegelse av KHOS-A (E, G, I, K) og -N (F, H, J, L) cellene, inkludert celle motilitet (E-F), motilitet hastighet (G-H), overføring avstand (I-J ), og overføring direkthet (K-L). Klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

I denne studien beskriver vi en i vitro, ikke-invasiv, og etikett-fri metode bruke QPI for å karakterisere kvantitativt av angiogenic og ikke-angiogenic fenotyper menneskelige osteosarcoma celler. Flere mobilnettet parametere er analysert samtidig ved denne integrerte, høy gjennomstrømming metoden, inkludert celle området, celle tykkelse, celle volum, spredning rente, dobling tid, overføring direkthet, motilitet hastighet, migrasjon og motilitet.

Sammenlignet med de konvensjonelle analyser som vurdere celle morfologi og celle atferd, denne metoden ikke bare sparer tid og arbeid, men også gir mer nøyaktig og detaljert informasjon. For eksempel reduserer plasseringen av QPI systemet (i celle inkubator) forstyrrelser fra miljøendringer som fotografere i et ambient miljøet (romtemperatur og atmosfære)23. I tillegg kan optisk celle tykkelse og volum, konvertert fra faseskift, fås med QPI, mens bare celle området måles av tradisjonelle cellen bildebehandling prosessen. Denne funksjonen av QPI genererer mer detaljert informasjon for kvantitative sammenligninger av ulike celle fenotyper.

Riktig seeding tettheten av cellene rundt er kritisk i gjeldende metoden. I fasen tenkelig oppkjøpet forventes celler å være mindre enn en confluent monolayer på grunn av begrensning av denne sammenhengende QPI teknikken at imaging oppkjøpet kan bare utføres med en fokus panel, som kan miste delvis informasjon i z retning (dvs., kledde celler). I tillegg er karakteristikkene bruker QPI begrenset til 2D-format, som ikke er optimalt for cellen invasjonen i z-retningen i den ekstracellulære matrisen. Flere forhåndsinnstilte brennvidder er nødvendig for fremtidig QPI metodikk utvikling.

I tillegg celle teller tilbys QPI imaging informativ bilder for å studere celle mitose uten ytterligere merking21,23,24. Mens celledeling ble gjenkjent enkelt av åpenbare nedgangen i cellen areal og volum, har objektivt og kvantitativt definere og skille celle syklus stadier for enkeltceller ennå å bli etablert. Denne funksjonen vil vesentlig lette forskning med hensyn til celle analyse for stamcelleforskningen differensiering, narkotika-respons og celle syklus arrestasjon.

På grunn av fordelene av å være kvantitative etikett-fri og enkel å bruke, har denne metoden også nyttig klinisk bruk25,26,27,28,29,30 . For eksempel kan dette systemet benyttes karakterisering av heterogene celle populasjoner, inkludert sovende og aktive celler i menneskelig svulster. Preget celle morfologiske og atferdsmessige forskjellene mellom sovende og aktive kreftceller kan potensielt brukes å dechiffrere molekylære mekanismer underliggende svulst dormancy i kreft hos mennesker.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Ingen interessekonflikter erklært.

Acknowledgments

Forfatterne erkjenner takknemlig støtte fra Breast Cancer Research Fundation og avansert medisinsk Research Foundation.

Materials

Name Company Catalog Number Comments
T75 flask Corning, NY, USA 353136
6-well plates  Corning, NY, USA 3506
Dulbecco’s modified Eagle medium (DMEM) Thermo Fisher Scientific, MA, USA 11965092
Fetal bovine serum (FBS)  Atlanta Biologicals, GA, USA S11550
Penicillin Streptomycin Thermo Fisher Scientific, MA, USA 15140122
Phosphate buffered saline (PBS) Thermo Fisher Scientific, MA, USA 10010023
Beckman Z1 Coulter counter Beckman Coulter, IN, USA Z1 
HoloMonitor M4 Phase Holographic Imaging Phi AB, Lund, Sweden M4 Microscope
Hololid Phase Holographic Imaging Phi AB, Lund, Sweden PHI 8020
HStudioM4 Phase Holographic Imaging Phi AB, Lund, Sweden HStudioM4 Software

DOWNLOAD MATERIALS LIST

References

  1. Folkman, J. Angiogenesis in cancer, vascular, rheumatoid and other disease. Nature Medicine. 1, (1), 27-31 (1995).
  2. Hanahan, D., Folkman, J. Patterns and emerging mechanisms of the angiogenic switch during tumorigenesis. Cell. 86, (3), 353-364 (1996).
  3. Harper, J., Moses, M. A. Molecular regulation of tumor angiogenesis: mechanisms and therapeutic implications. EXS. (96), 223-268 (2006).
  4. Naumov, G. N., et al. A model of human tumor dormancy: an angiogenic switch from the nonangiogenic phenotype. Journal of the National Cancer Institute. 98, (5), 316-325 (2006).
  5. Fang, J., et al. Matrix metalloproteinase-2 is required for the switch to the angiogenic phenotype in a tumor model. Proceedings of the National Academy of Sciences of the United States of America. 97, (8), 3884-3889 (2000).
  6. Almog, N., et al. Transcriptional switch of dormant tumors to fast-growing angiogenic phenotype. Cancer Research. 69, (3), 836-844 (2009).
  7. Hu, J., et al. Gene expression signature for angiogenic and nonangiogenic non-small-cell lung cancer. Oncogene. 24, (7), 1212-1219 (2005).
  8. Harper, J., et al. Repression of vascular endothelial growth factor expression by the zinc finger transcription factor ZNF24. Cancer Research. 67, (18), 8736-8741 (2007).
  9. Jia, D., et al. Transcriptional repression of VEGF by ZNF24: mechanistic studies and vascular consequences in vivo. Blood. 121, (4), 707-715 (2013).
  10. Jia, D., Huang, L., Bischoff, J., Moses, M. A. The endogenous zinc finger transcription factor, ZNF24, modulates the angiogenic potential of human microvascular endothelial cells. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 29, (4), 1371-1382 (2015).
  11. Almog, N., et al. Prolonged dormancy of human liposarcoma is associated with impaired tumor angiogenesis. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 20, (7), 947-949 (2006).
  12. Almog, N., et al. Consensus micro RNAs governing the switch of dormant tumors to the fast-growing angiogenic phenotype. PloS One. 7, (8), e44001 (2012).
  13. Satchi-Fainaro, R., et al. Prospective identification of glioblastoma cells generating dormant tumors. PloS One. 7, (9), e44395 (2012).
  14. Almog, N., et al. Transcriptional changes induced by the tumor dormancy-associated microRNA-190. Transcription. 4, (4), 177-191 (2013).
  15. Gao, D., Nolan, D. J., Mellick, A. S., Bambino, K., McDonnell, K., Mittal, V. Endothelial progenitor cells control the angiogenic switch in mouse lung metastasis. Science. 319, (5860), New York, N.Y. 195-198 (2008).
  16. Folkman, J., Watson, K., Ingber, D., Hanahan, D. Induction of angiogenesis during the transition from hyperplasia to neoplasia. Nature. 339, (6219), 58-61 (1989).
  17. Popescu, G. Quantitative phase imaging of cells and tissues. McGraw-Hill: New York. (2011).
  18. Lee, K., et al. Quantitative Phase Imaging Techniques for the Study of Cell Pathophysiology: From Principles to Applications. Sensors. 13, (4), 4170-4191 (2013).
  19. Mir, M., Bhaduri, B., Wang, R., Zhu, R., Popescu, G. Quantitative Phase Imaging. Progress in Optics. 57, 133-217 (2012).
  20. Marrison, J., Räty, L., Marriott, P., O'Toole, P. Ptychography--a label free, high-contrast imaging technique for live cells using quantitative phase information. Scientific Reports. 3, 2369 (2013).
  21. Falck Miniotis, M., Mukwaya, A., Gjörloff Wingren, A. Digital holographic microscopy for non-invasive monitoring of cell cycle arrest in L929 cells. PloS One. 9, (9), e106546 (2014).
  22. Popescu, G., et al. Optical imaging of cell mass and growth dynamics. AJP: Cell Physiology. 295, (2), C538-C544 (2008).
  23. Guo, P., Huang, J., Moses, M. A. Characterization of dormant and active human cancer cells by quantitative phase imaging. Cytometry. Part A: The Journal of the International Society for Advancement of Cytometry. 91, (5), 424-432 (2017).
  24. Mir, M., Bergamaschi, A., Katzenellenbogen, B. S., Popescu, G. Highly sensitive quantitative imaging for monitoring single cancer cell growth kinetics and drug response. PloS One. 9, (2), e89000 (2014).
  25. Mir, M., Tangella, K., Popescu, G. Blood testing at the single cell level using quantitative phase and amplitude microscopy. Biomedical Optics Express. 2, (12), 3259-3266 (2011).
  26. Park, Y., et al. Measurement of red blood cell mechanics during morphological changes. Proceedings of the National Academy of Sciences of the United States of America. 107, (15), 6731-6736 (2010).
  27. Pham, H. V., Bhaduri, B., Tangella, K., Best-Popescu, C., Popescu, G. Real time blood testing using quantitative phase imaging. PloS One. 8, (2), e55676 (2013).
  28. Sridharan, S., Macias, V., Tangella, K., Kajdacsy-Balla, A., Popescu, G. Prediction of prostate cancer recurrence using quantitative phase imaging. Scientific Reports. 5, 9976 (2015).
  29. Park, H., et al. Measuring cell surface area and deformability of individual human red blood cells over blood storage using quantitative phase imaging. Scientific Reports. 6, 34257 (2016).
  30. Bishitz, Y., Gabai, H., Girshovitz, P., Shaked, N. T. Optical-mechanical signatures of cancer cells based on fluctuation profiles measured by interferometry. Journal of Biophotonics. 7, (8), 624-630 (2014).
En Time-lapse, etikett-fri, kvantitativ fase tenkelig studie av sovende og aktive menneskelige kreftceller
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Huang, J., Guo, P., Moses, M. A. A Time-lapse, Label-free, Quantitative Phase Imaging Study of Dormant and Active Human Cancer Cells. J. Vis. Exp. (132), e57035, doi:10.3791/57035 (2018).More

Huang, J., Guo, P., Moses, M. A. A Time-lapse, Label-free, Quantitative Phase Imaging Study of Dormant and Active Human Cancer Cells. J. Vis. Exp. (132), e57035, doi:10.3791/57035 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter