Real-time deformability cytometry allows the continuous mechanical characterization of cells with high throughput and is applied to distinguish cell-cycle phases, track differentiated cells and profile cell populations in whole blood. We introduce real-time deformability cytometry (RT-DC) for continuous cell mechanical characterization of large populations (>100,000 cells) with analysis rates greater than 100 cells/s. RT-DC is sensitive to cytoskeletal alterations and can distinguish cell-cycle phases, track stem cell differentiation into distinct lineages and identify cell populations in whole blood by their mechanical fingerprints. This technique adds a new marker-free dimension to flow cytometry with diverse applications in biology, biotechnology and medicine.

Abstract Publications on artificial intelligence (AI)-based image analysis have increased drastically in recent years. However, all applications use individual solutions highly specialized for a particular task. Here, we present an easy-to-use, adaptable, open source software, called AIDeveloper (AID) to train neural nets (NN) for image classification without the need for programming. The software provides a variety of NN-architectures that can be simply selected for training. AID allows the user to apply trained models on new data, obtain metrics for classification performance, and export final models to different formats. The working principles of AID are first illustrated by training a convolutional neural net (CNN) on a large dataset consisting of images of different objects (CIFAR-10). We further explore the potential of AID by training a model to distinguish areas of differentiated and non-differentiated mesenchymal stem cells (MSCs) in culture. Additionally, we compare a conventional clinical whole blood cell count with a whole blood cell count performed by an NN-trained, using a dataset of more than 1.2 million images obtained by real-time deformability cytometry, delivering comparable results. Finally, we demonstrate how AID can be used for label-free classification of B- and T-cells derived from human blood, which currently requires costly and time-consuming sample preparation. Thus, AID can empower anyone to develop, train, and apply NNs for image classification. Moreover, models can be generated by non-programmers, exported, and used on different devices, which allows for an interdisciplinary use.

Human bone marrow mesenchymal stromal cells (MSCs) have been used in clinical trials for the treatment of systemic inflammatory diseases due to their regenerative and immunomodulatory properties. However, intravenous administration of MSCs is hampered by cell trapping within the pulmonary capillary networks. Here, we hypothesize that traditional two-dimensional (2D) plastic-adherent cell expansion fails to result in appropriate morpho-rheological properties required for cell-circulation. To address this issue, we adapted a novel method to culture MSCs in non adherent three-dimensional (3D) spheroids (mesenspheres). The biological properties of mesensphere-cultured MSCs remained identical to conventional 2D cultures. Morpho-rheological analyses revealed a smaller size and lower cell stiffness of mesensphere-derived MSCs compared to plastic-adherent MSCs, measured using real-time deformability cytometry (RT-DC) and atomic force microscopy, resulting in an increased ability to pass through micro-constrictions in an ex vivo microcirculation assay. This ability was confirmed in vivo by analysis of cell accumulation in various organ capillary networks after intravenous injection of mesensphere-derived MSCs in mouse. Our findings generally identify cellular morpho-rheological properties as attractive targets to improve microcirculation and specifically suggest mesensphere cultures as a promising approach for optimized MSC-based therapies.

The identification and separation of specific cells from heterogeneous populations is an essential prerequisite for further analysis or use. Conventional passive and active separation approaches rely on fluorescent or magnetic tags introduced to the cells of interest through molecular markers. Such labeling is time- and cost-intensive, can alter cellular properties, and might be incompatible with subsequent use, for example, in transplantation. Alternative label-free approaches utilizing morphological or mechanical features are attractive, but lack molecular specificity. Here we combine image-based real-time fluorescence and deformability cytometry (RT-FDC) with downstream cell sorting using standing surface acoustic waves (SSAW). We demonstrate basic sorting capabilities of the device by separating cell mimics and blood cell types based on fluorescence as well as deformability and other image parameters. The identification of blood sub-populations is enhanced by flow alignment and deformation of cells in the microfluidic channel constriction. In addition, the classification of blood cells using established fluorescence-based markers provides hundreds of thousands of labeled cell images used to train a deep neural network. The trained algorithm, with latency optimized to below 1 ms, is then used to identify and sort unlabeled blood cells at rates of 100 cells/sec. This approach transfers molecular specificity into label-free sorting and opens up new possibilities for basic biological research and clinical therapeutic applications.### Competing Interest StatementP.R., C.H. and P.M. work for Zellmechanik Dresden GmbH, the company which sells devices based on RT FDC technology. P.R. and C.H. hold shares of Zellmechanik Dresden GmbH. A.A.N., M.H., M.N. and J.G. have applied for patent protection of this method. M.U., M.Kr., N.T., M.Ku., R.G., S.A., F.R., A.T., S.G. and A.J. declare no competing interest.

Cell mechanical characterization has recently approached the throughput of conventional flow cytometers. However, this very sensitive, label-free approach still lacks the specificity of molecular markers. Here we combine real-time 1D-imaging fluorescence and deformability cytometry (RT-FDC) to merge the two worlds in one instrument - opening many new research avenues. We demonstrate its utility using sub-cellular fluorescence localization to identify mitotic cells and test for their mechanical changes in an RNAi screen.

Blood is arguably the most important bodily fluid and its analysis provides crucial health status information. A first routine measure to narrow down diagnosis in clinical practice is the differential blood count, determining the frequency of all major blood cells. What is lacking to advance initial blood diagnostics is an unbiased and quick functional assessment of blood that can narrow down the diagnosis and generate specific hypotheses. To address this need, we introduce the continuous, cell-by-cell morpho-rheological (MORE) analysis of whole blood, without labeling, enrichment or separation, at rates of 1,000 cells/sec. In a drop of blood we can identify all major blood cells and characterize their pathological changes in several disease conditions in vitro and in patient samples. This approach takes previous results of mechanical studies on specifically isolated blood cells to the level of application directly in whole blood and adds a functional dimension to conventional blood analysis.

Cell mechanical measurements are gaining increasing interest in biological and biomedical studies. However, there are no standardized calibration particles available that permit the cross-comparison of different measurement techniques operating at different stresses and time-scales. Here we present the rational design, production, and comprehensive characterization of poly-acylamide (PAAm) microgel beads mimicking biological cells. We produced mono-disperse beads at rates of 20 - 60 kHz by means of a microfluidic droplet generator, where the pre-gel composition was adjusted to tune the beads' elasticity in the range of cell and tissue relevant mechanical properties. We verified bead homogeneity by optical diffraction tomography and Brillouin microscopy. Consistent elastic behavior of microgel beads at different shear rates was confirmed by AFM-enabled nanoindentation and real-time deformability cytometry (RT-DC). The remaining inherent variability in elastic modulus was rationalized using polymer theory and effectively reduced by sorting based on forward-scattering using conventional flow cytometry. Our results show that PAAm microgel beads can be standardized as mechanical probes, to serve not only for validation and calibration of cell mechanical measurements, but also as cell-scale stress sensors.