（胰腺癌 13個(gè)biomarkers：CD3、CD4、CD20、CD45、CD31、HLA1、SMA、Vimentin、PCK26、NAK、Collagen）
摘要
Prachi Bogetto ：徠卡顯微系統(tǒng)公司的轉(zhuǎn)化醫(yī)學(xué)研究部門，闡述了成像創(chuàng)新技術(shù)用于癌癥研究方面的重要性。

藥物發(fā)現(xiàn)越來越得益于利用人工智能（AI）技術(shù)發(fā)現(xiàn)的新的科學(xué)見解。特別是在顯微成像領(lǐng)域，由人工智能和機(jī)器學(xué)習(xí)驅(qū)動的解決方案加深了人們了對生物學(xué)的理解，以及提供了前所未有見解——患者對臨床治療將會表現(xiàn)出什么樣的反應(yīng)。同時(shí)，這也為突破性療法和精準(zhǔn)醫(yī)學(xué)的發(fā)展提供了新思路。
在癌癥研究和免疫療法領(lǐng)域，這種趨勢更為明顯。近年來，這一領(lǐng)域取得了突破性的進(jìn)展，科學(xué)家們更加深入的了解到導(dǎo)致細(xì)胞異常增長的機(jī)制。顯微成像技術(shù)和免疫組化（IHC）已經(jīng)成為腫瘤診斷的核心手段，可以顯示腫瘤組織樣本中細(xì)胞的分布和密度之間的關(guān)系。

這些病理學(xué)的信息有助于臨床治療策略的制定，并且在個(gè)性化腫瘤治療中發(fā)揮著越來越重要的作用。為了更好的利用現(xiàn)有的治療方案治愈患者以及提升新藥發(fā)現(xiàn)的腳步，科學(xué)家們需要解析在腫瘤微環(huán)境（TME）中細(xì)胞的作用和相互關(guān)系。這些信息將是闡明疾病的發(fā)病機(jī)制以及制定更好的治療方案最重要的基礎(chǔ)^1,2。

腫瘤組織的異質(zhì)性研究可以幫助科研工作者更好的理解甚至預(yù)測腫瘤的形成、治療效果和臨床結(jié)果，但是卻是科學(xué)家們長期以來難以攻破的難題。將腫瘤微環(huán)境進(jìn)行可視化的障礙并不在于顯微成像技術(shù)本身——徠卡擁有世界上最高超的顯微成像技術(shù)。³。它的難點(diǎn)就在于分析和使用顯微成像技術(shù)獲取的數(shù)據(jù)。隨著計(jì)算生物學(xué)的出現(xiàn)，這為理解復(fù)雜生物學(xué)和病理學(xué)開啟了一個(gè)全新的研究通道。我們也終于可以向破解癌癥之謎和如何成功戰(zhàn)勝它邁出新的一步。

超多重免疫熒光成像技術(shù)的興起
傳統(tǒng)的免疫熒光技術(shù)(偶聯(lián)熒光素的抗體探針用于標(biāo)記蛋白質(zhì))通常僅限于在每個(gè)組織切片上顯示最多7個(gè)生物標(biāo)記物，主要用于可視化腫瘤組織病理，以達(dá)到診斷目的^3,4。此外，定量的方法往往依賴于半定量技術(shù)，該技術(shù)受到非線性生物標(biāo)志物染色強(qiáng)度、人為觀察之間的不同和實(shí)驗(yàn)操作流程之間不同的限制。
為了打破這些限制，歷經(jīng)十多年開發(fā)的方案可以讓科學(xué)家們能夠使用多重?zé)晒饧夹g(shù)（MxIF）進(jìn)行實(shí)驗(yàn)。該技術(shù)可以在單個(gè)組織切片上標(biāo)記60多個(gè)生物標(biāo)志物并且可以更清楚的識別單個(gè)細(xì)胞³。

然而，這些大部分是很復(fù)雜的手動方案，很難標(biāo)準(zhǔn)化，既耗時(shí)也耗財(cái)力。為了解決這些困難，高通量多重免疫熒光染色方案和標(biāo)準(zhǔn)的熒光定量分析技術(shù)已經(jīng)面向于世，用于高度可重復(fù)性、高效、高投入產(chǎn)出比的組織成像^4,5。先進(jìn)的基于人工智能（AI） 和機(jī)器學(xué)習(xí) （ML）算法的圖像采集和分析軟件，結(jié)合自動化和簡化工作流程的多重免疫熒光成像系統(tǒng)，已經(jīng)能夠讓研究人員更好地理解腫瘤細(xì)胞的特性和相互作用，以及它們是如何與臨床需求相互結(jié)合^3,5-9。

揭示高度特異性腫瘤組織中的“同質(zhì)化模式”
在一項(xiàng)使用多重免疫熒光技術(shù)探究轉(zhuǎn)移性黑色素瘤腫瘤異質(zhì)性成因中⁷。研究人員使用到了來自徠卡顯微系統(tǒng)的Cell DIVE超多標(biāo)組織成像分析整體解決方案該系統(tǒng)可以讓研究人員通過循環(huán)染色的方法在一張切片中標(biāo)記21種生物標(biāo)志物來表征細(xì)胞個(gè)體，完整的保存腫瘤切片的空間位置信息^5,7。

該系統(tǒng)還包括自動成像、先進(jìn)圖像處理技術(shù)和采集軟件以及用于成像分析的專有機(jī)器學(xué)習(xí)的算法。這些處理技術(shù)可實(shí)現(xiàn)校準(zhǔn)光路、去除自身熒光、圖像校準(zhǔn)、分割細(xì)胞、定量生物標(biāo)志物以及對細(xì)胞類型進(jìn)行分類，從而使得切片、活檢和實(shí)驗(yàn)之間標(biāo)準(zhǔn)化。

Cell DIVE超多標(biāo)組織成像分析整體解決方案結(jié)合了單細(xì)胞蛋白表達(dá)和空間分布數(shù)據(jù)，結(jié)合進(jìn)一步的統(tǒng)計(jì)算法分析能夠闡明腫瘤和免疫細(xì)胞之間的數(shù)量和空間分布以及相互關(guān)系7。MxIF研究顯示，特異性腫瘤組織中既有一些T細(xì)胞浸潤嚴(yán)重的區(qū)域，也有一些T細(xì)胞浸潤輕微的區(qū)域。此外，這些區(qū)域的細(xì)胞組分和空間分布也有很大的差異7。這是一個(gè)重大的發(fā)現(xiàn)，因?yàn)榇罅康腡細(xì)胞浸潤與人類免疫系統(tǒng)攻擊腫瘤有關(guān)，而輕微的浸潤可能表明腫瘤成功地避開了宿主免疫系統(tǒng)。

該研究還觀察了腫瘤細(xì)胞對人類白細(xì)胞抗原(HLA)的表達(dá)，已知這種抗原能吸引T細(xì)胞攻擊腫瘤，并在逃避免疫攻擊的腫瘤中關(guān)閉10,14。他們發(fā)現(xiàn)盡管這是事實(shí)，但HLA的單獨(dú)表達(dá)不足以發(fā)生T細(xì)胞浸潤7。相反，其他免疫細(xì)胞，如B細(xì)胞，似乎也在決定T細(xì)胞浸潤的程度方面起著重要作用7。

識別潛在的癌癥治療靶點(diǎn)
最近的一項(xiàng)研究探究了腫瘤細(xì)胞的異質(zhì)性，這一次利用Cell DIVE超多標(biāo)組織成像分析整體解決方案，結(jié)合基因組和磁共振成像(MRI)分析，使用43種標(biāo)志性癌癥生物標(biāo)志物，揭示野生型彌漫性膠質(zhì)瘤腫瘤和含有異酸脫氫酶(IDH)突變膠質(zhì)瘤之間異質(zhì)性的差異⁸。

Cell DIVE超多標(biāo)組織成像分析整體解決方案的 圖像數(shù)據(jù)進(jìn)行的空間分析和聚類分析顯示在IDH突變腫瘤中標(biāo)志性腫瘤蛋白的表達(dá)普遍低于野生型腫瘤。結(jié)合外顯子組、RNA測序和MRI數(shù)據(jù)，與突變型腫瘤相比，野生型腫瘤血管生成增強(qiáng)結(jié)果一致�；�因表達(dá)的數(shù)據(jù)還表明，IDH突變腫瘤的標(biāo)志性癌癥基因（例如用于復(fù)制永生，逃避生長抑制因子以及誘導(dǎo)血管生成）具有顯著低表達(dá)的趨勢。這些結(jié)果與以下發(fā)現(xiàn)相一致：攜帶IDH突變的神經(jīng)膠質(zhì)瘤患者比沒有突變的神經(jīng)膠質(zhì)瘤患者的總體存活時(shí)間更長^18,15。

用于轉(zhuǎn)化醫(yī)學(xué)研究的超多標(biāo)成像
最近兩項(xiàng)研究借助MxIF技術(shù)解釋和了解腫瘤和癌癥生物學(xué)的復(fù)雜性，—— Cell DIVE超多標(biāo)組織成像分析整體解決方案可實(shí)現(xiàn)的生物標(biāo)志物研究的數(shù)量已超過了60（實(shí)際的上限遠(yuǎn)不止這個(gè)）^5,7,8。其他研究人員正在應(yīng)用MxIF來更好地了解臨床研究中的治療效果，這不僅可能闡明治療機(jī)制，還可能最終為臨床中的個(gè)性化治療決策提供信息⁹。

為了有效利用MxIF技術(shù)在轉(zhuǎn)化研究以及用于癌癥患者臨床實(shí)踐，我們需要在計(jì)算建模、預(yù)測分析以及ML/AL上進(jìn)行技術(shù)創(chuàng)新和投資的變革，聚焦于獲取 MxIF數(shù)據(jù)并且用它理解導(dǎo)致腫瘤形成和進(jìn)展的細(xì)胞變化。如果我們現(xiàn)在在這些技術(shù)上加大投入，相信過不了多久就可以預(yù)測這些變化，然后采取行動阻止它們。

鄰近分析可以讓研究人員確定PD1+T細(xì)胞與腫瘤細(xì)胞的相對位置。(A) 上皮和間質(zhì)內(nèi)結(jié)腸腫瘤細(xì)胞（SOX9+；灰色）與免疫細(xì)胞表型 CD4+ PD1+（綠色和黃色）或 CD8+ PD1+（紫色、青色）的 HALO 空間分析。（B）腫瘤浸潤C(jī)D8+ PD1+ 細(xì)胞（青色）和Sox9+ 腫瘤細(xì)胞（灰色）之間的鄰近分析。CD8+ PD1+ 細(xì)胞中心（紫色的圓圈）和SOX9腫瘤細(xì)胞中心（灰色圓圈）之間的距離和表型計(jì)數(shù)。
 
 
關(guān)于作者
 
Prachi Bogetto 負(fù)責(zé)徠卡顯微系統(tǒng)公司的轉(zhuǎn)化醫(yī)學(xué)研究業(yè)務(wù)。她擁有生物化學(xué)和分子生物學(xué)學(xué)位，并致力于從創(chuàng)業(yè)到科學(xué)商業(yè)的想法。
Bogetto和她的團(tuán)隊(duì)與科研工作者緊密合作，致力于研究和理解細(xì)胞的生命機(jī)制，并且向著更進(jìn)一步的治療和人類健康的進(jìn)步而努力。團(tuán)隊(duì)的一致目標(biāo)是讓科學(xué)理念和工具從研究室轉(zhuǎn)化到大規(guī)模實(shí)驗(yàn)室，惠及更多人群，讓患者獲益。
 
參考文獻(xiàn)
References
1. GE Healthcare. Clarient, A GE Healthcare Company, Introduces First Lab Developed Test To Assess Multiple Proteins at Single-Cell Level. Press release. Jul 10, 2013. https://www.ge.com/news/press-releases/clarient-ge-healthcare-company-introduces-first-lab-developed-test-assess-multiple (accessed Sep 29, 2021).
2. GenomeWeb. GE Healthcare’s Clarient, GSK Creating Clinical Lab Network to Improve Cancer Dx. Sep 30, 2014. https://www.genomeweb.com/diagnostics/ge-healthcares-clarient-gsk-creating-clinical-lab-network-improve-cancer-dx (accessed Sep 29, 2021).
3. Gerdes MJ, Sevinksky CJ, Sood A, et al. Highly multiplexed single-cell analysis of formalin-fixed, paraffin-embedded cancer tissue. Proc Natl Acad Sci USA. 2013; 110(29): 11982–11987. doi: 10.1073/pnas.1300136110.
4. Tan WCC, Nerurkar SN, Cai HY, et al. Overview of multiplex immunohistochemistry/immunofluorescence techniques in the era of cancer immunotherapy. Cancer Commun (Lond). 2020; 40(4): 135–153. doi: 10.1002/cac2.12023.
5. Leica Microsystems. Cell DIVE multiplex imaging solution. Products. https://www.leica-microsystems.com/products/light-microscopes/p/cell-dive/ (accessed Sep 29, 2021).
6. Lindner AU, Salvucci M, Stachtea X, et al. Abstract LB-088: Exploratory multiplex tissue image analysis of the impact of heterogeneity in the microenvironment of primary colorectal cancer on apoptosis markers in patients. Cancer Res. 2019; 79 (13 Supplement): LB-088. doi: 10.1158/1538-7445.AM2019-LB-088.
7. Yan Y, Leontovich AA, Gerdes MJ, et al. Understanding heterogeneous tumour microenvironment in metastatic melanoma. PLoS One. 2019; 14(6): e0216485. doi: 10.1371/journal.pone.0216485.
8. Berens ME, Sood A, Barnholtz-Sloan JS, et al. Multiscale, multimodal analysis of tumour heterogeneity in IDH1 mutant vs wild-type diffuse gliomas. PLoS One. 2019; 14(12): e0219724. doi: 10.1371/journal.pone.0219724.
9. Rajan A, Heery CR, Thmas A, et al. Efficacy and tolerability of anti-programmed death-ligand 1 (PD-L1) antibody (Avelumab) treatment in advanced thymoma. J Immunother Cancer. 2019; 7(1): 269. doi: 10.1186/s40425-019-0723-9.
10. Gonzalez H, Hagerling C, Werb Z. Roles of the immune system in cancer: from tumour initiation to metastatic progression. Genes Dev. 2018; 32(19–20): 1267–1284. doi: 10.1101/gad.314617.118.
11. Sood A, Kenny, KB., Natarajan, A., Kaanumalle, LS. Method of analyzing an H and E stained biological sample. US patent 9176032B2. Mar 6, 2011. Leica Microsystems CMS GmbH.
12. al AS-Pe. Robust single cell quantification of immune cell subtypes in histological samples. 2017 IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), Orlando, FL, 2017. 2017: pp. 121–124.
13. Sood A, LaPlante NE, Sevinsky CJ, Li Q, Santamaria-Pang A. Method and system for classification and quantitative analysis of cell types in microscopy images. US Patent 9,984,199. May 21, 2015. General Electric.
14. Oldford SA, Robb JD, Codner D, et al. Tumour cell expression of HLA-DM associates with a Th1 profile and predicts improved survival in breast carcinoma patients. Int Immunol. 2006; 18: 1591–1602. doi 10.1093/intimm/dxl092.
15. Carrillo JA, Lai A, Nghiemphu PL, et al. Relationship between tumour enhancement, edema, IDH1 mutational status, MGMT promoter methylation, and survival in glioblastoma. AJNR Am J Neuroradiol. 2012; 33(7): 1349–1355. doi: 10.3174/ajnr.A2950.
 
相關(guān)產(chǎn)品：Cell Dive


了解更多：徠卡顯微