LABEL FREE MOLECULAR IMAGING OF TUMOUR SECTIONS FOR TWO AND THREE DIMENSIONAL TISSUE CLASSIFICATION AND PATHWAY MAPPING

Význam tématu

Desorpčně-elektrospræjová ionizace hmotnostní spektrometrie (DESI-MS) umožňuje bez značení zachytit prostorové rozložení metabolitů a lipidů přímo v tenkém řezu tkáně. Tento přístup přináší hluboké chemické informace, které odhalují heterogenitu nádorových tkání a poskytují molekulární „otisky prstů“ pro různé oblasti nádoru. Význam tohoto tématu spočívá v podpoře výzkumu rakoviny, klinické diagnostiky a optimalizaci léčebných intervencí.

Cíle a přehled studie / článku

Studie se zaměřuje na:

• Implementaci DESI-MS pro simultánní zobrazení endogenních metabolitů a fosfolipidů v jednom běhu bez jakéhokoliv značení.
• Vytvoření molekulárních datových sad spojených s histologickou anotací pro klasifikaci různých oblastí nádoru pomocí strojového učení.
• Rozšíření metody do třírozměrného zobrazení pomocí sériových řezů a automatizované rekonstrukce.

Použitá metodika a instrumentace

Pro experimenty byly využity následující nástroje a postupy:

• Hmotnostní spektrometr Xevo G2-XS Q-TOF (Waters) s 2D DESI jezdci (Prosolia).
• Příprava: rychlé zmrazení tkáňových vzorků, řezání na 20 µm řezy na skleněné podložky a skladování při –80 °C.
• Softwarová analýza a zpracování: High Definition Imaging 1.4 (Waters), SCiLS Lab (SCiLS) a MATLAB (The MathWorks).
• Histologická koregistrace: vzorky byly nabarveny hematoxylin-eosinem a polymluvně ko-registrovány s DESI-MS daty.
• Modelovací přístupy: ROC analýza, PCA a strojové učení pro automatickou klasifikaci nových řezů.
• Biologické modely: invazivní duktální karcinom prsu, gliomový xenograft u myší (U87) a HCT-116 sféridy v 96-jamkové destičce.

Hlavní výsledky a diskuse

DESI-MS v jednom běhu odhalilo:

• Různé distribuce nízkomolekulárních metabolitů (např. laktát vs. pyruvát) v nádorové tkáni.
• Silné signály fosfolipidů, které tvoří specifické molekulární vzory pro různé oblasti nádoru.
• Možnost statisticky robustního modelu pro rozlišení tkáňových typů s vysokou citlivostí a specificitou podle ROC křivek.
• Automatizované přiřazení chemických „otisků“ novým pixelům umožňující objektivní třídění neznámých vzorků.
• Rekonstrukci 3D molekulárního obrazu nádorů z více sériových řezů s voxelovým rozlišením 40×40×40 µm, což přináší detailní prostorové pochopení heterogenity.

Přínosy a praktické využití metody

DESI-MS imaging nabízí:

• Bezúdržbový, rychlý workflow bez selektivní přípravy vzorku.
• Paralelní měření desítek až stovek molekul včetně metabolitů i lipidů.
• Podporu strojového učení pro automatizovanou klasifikaci histologicky různorodých vzorků.
• Možnost integrace s in vivo zobrazovacími modalitami díky 3D rekonstrukci.

Budoucí trendy a možnosti využití

Vývoj v oblasti DESI-MS imaging směřuje k:

1. Rozšíření molekulárního pokrytí a zlepšení kvantitativní přesnosti.
2. Vyhledání optimálních algoritmů strojového učení pro různé typy nádorů.
3. Plné automatizace přípravy a analýzy sériových řezů pro rutinní 3D mapování.
4. Integrovanému využití s genomickými a proteomickými daty pro komplexní biomarkerové studie.
5. Uplatnění v preklinickém vývoji léčiv, personalizované medicíně a klinické patologii.

Závěr

DESI-MS imaging představuje silný nástroj pro bezznačkové, prostorové a molekulárně-detailní zobrazení nádorových tkání v 2D i 3D. Kombinace s pokročilými softwarovými a statistickými postupy umožňuje automatickou klasifikaci a důkladné pochopení nádorové heterogenity, což má potenciál významně ovlivnit výzkum, diagnostiku a vývoj protinádorových terapií.

Reference

1. Swales J. G. a kol. Analytical Chemistry, 2014, 86, 8473–8480
2. Miura D. a kol. Analytical Chemistry, 2010, 82, 9789–9796
3. McDonnell L. A. a kol. Journal of Proteomics, 2010, 73, 1921–1944
4. Dekker T. J. A. a kol. Journal of Proteome Research, 2014, 13, 4730–4738
5. Palmer A. D., Alexandrov T. Analytical Chemistry, 2015, 87, 4055–4062