Autofluorescence spectroscopy for determining cell confluency

Auteurs : Derrick Yong, Ahmad Amirul Abdul Rahim, Jesslyn Ong, May Win Naing

arXiv: 1804.05548v1 - DOI (physics.bio-ph)

Résumé : Patient-specific therapies require that cells be manufactured in multiple batches of small volumes, making it a challenge for conventional modes of quality control. The added complexity of inherent variability (even within batches) necessitates constant monitoring to ensure comparable end products. Hence, it is critical that new non-destructive modalities of cell monitoring be developed. Here, we study, for the first time, the use of optical spectroscopy in the determination of cell confluency. We exploit the autofluorescence properties of molecules found natively within cells. By applying spectral decomposition on the acquired autofluorescence spectra, we are able to further discern the relative contributions of the different molecules, namely flavin adenine dinucleotide (FAD) and reduced nicotinamide adenine dinucleotide (NADH). This is then quantifiable as redox ratios (RR) that represent the extent of oxidation to reduction based upon the optically measured quantities of FAD and NADH. Results show that RR is significantly higher for lower confluencies ($\leq$50$\%$), which we attribute to the different metabolic requirements as cells switch from individual survival to concerted proliferation. We validate this relationship through bio-chemical assays and autofluorescence imaging, and further confirmed through a live-dead study that our measurement process had negligible effects on cell viability.

Soumis à arXiv le 16 Avr. 2018

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.