ИСТИНА

Московский государственный университет имени М.В.Ломоносова, физический факультет, Москва, Россия E–mail: gayer.alexey@gmail.com Методы флуоресцентной микроскопии занимают особое место в технологиях исследования биологических объектов. Флуоресцентная микроскопия с визуализацией времён жизни флуоресценции (англ. – fluorescence lifetime imaging, FLIM) – метод, позволяющий получать пространственное распределение времен релаксации возбужденных состояний флуорофоров (времен жизни) по образцу[1]. Время жизни флуоресценции является чувствительным индикатором локального окружения молекулы, например, рН ионной силы, температуры, показателя преломления, наличия акцепторов для переноса энергии возбуждения и т.д. Также важно отметить, что времена жизни флуоресценции не зависят от интенсивности возбуждающего лазерного излучения и концентрации флуорофора, то есть, свободны от артефактов, возникающих при измерении интенсивности флуоресценции. В настоящее время FLIM применяется в различных областях биомедицинской диагностики, в частности, для скрининга чувствительности опухолевых клеток к различным веществам. Ввиду того, что клетки опухолей, как и опухоли целиком, являются гетерогенными, создание надежного алгоритма, позволяющего анализировать целиком популяции клеток со схожими свойствами, идентифицировать различные части клеток и количественно характеризовать их, является чрезвычайно важной задачей как для диагностики опухолей, так и для мониторинга их терапии. Несмотря на то, что FLIM широко используется для наблюдения метаболизма на клеточном уровне и для анализа сразу многих изображений доступно различное программное обеспечение[2], в реальности программное обеспечение, позволяющее делать автоматическую сегментацию для анализа флуоресцентых данных поклеточно, отсутствует. Данное ограничение делает анализ данных FLIM чрезвычайно затратным с точки зрения времени и малопригодным для работы с большими массивами данных, полученных в различных экспериментах и, в конечном итоге, для трансляции в клинические исследования. В данной работе продемонстрирован результат обработки FLIM изображений, к которым были применены алгоритмы автоматической сегментации, и также показано, какие новые данные можно получить, анализируя свойства единичных клеток, на модельной системе. [1] A Periasamy, RM Clegg, FLIM microscopy in biology and medicine [2] S. Warren, A. Margineanu, D. Alibhai, D. Kelly, C. Talbot, Y. Alexandrov, I. Munro, M. Katan, C. Dunsby, P. French, Rapid global fitting of large fluorescence lifetime imaging microscopy datasets