利用多重成像和人工智能空間分析技術(shù)剖析浸潤(rùn)性導(dǎo)管癌的腫瘤微環(huán)境

乳腺癌（BC）是女性因癌癥死亡的主要原因。調(diào)查腫瘤微環(huán)境（TME）對(duì)于闡明腫瘤進(jìn)展機(jī)制至關(guān)重要。利用高倍空間蛋白質(zhì)組學(xué)系統(tǒng)地繪制腫瘤微環(huán)境圖譜可以提高精準(zhǔn)免疫腫瘤學(xué)的能力。在這里，我們將基于人工智能的高倍空間分析應(yīng)用于 BC 組織，研究免疫細(xì)胞類型和生物標(biāo)記物，從而深入了解影響免疫療法反應(yīng)的TME分子成分。

主要經(jīng)驗(yàn)

了解 Cell DIVE 多重染色成像解決方案如何利用細(xì)胞信號(hào)處理技術(shù) (CST 公司) 經(jīng) IHC 驗(yàn)證的抗體來檢測(cè) TME 中的關(guān)鍵蛋白。

利用 Aivia 探索人工智能驅(qū)動(dòng)的圖像分析，全面了解乳腺癌的 TME、免疫相互作用和潛在治療靶點(diǎn)。

確定對(duì)照組織和乳腺癌組織中各種細(xì)胞類型和 TME 組成部分的總體表達(dá)水平、共表達(dá)模式和空間定位的差異。

探索多重染色空間分析的強(qiáng)大功能，以研究復(fù)雜的 TME，并了解如何在腫瘤細(xì)胞周圍的局部鄰域觀察到特定免疫類型細(xì)胞主動(dòng)招募。

Cell DIVE 多重染色成像解決方案與 Aivia 基于人工智能的圖像分析相結(jié)合，為探索腫瘤組織的分子特點(diǎn)提供了全面的解決方案。來自 Cell Signaling Technology（CST）的強(qiáng)大的 IHC 驗(yàn)證抗體的廣泛組合可以檢測(cè) TME 中的關(guān)鍵蛋白。在這里，我們展示了使用新型 CST 生物標(biāo)記物套餐進(jìn)行多重染色 Cell DIVE 成像，以分析人類正常乳腺和浸潤(rùn)性導(dǎo)管癌 (IDC) 組織。

利用多重染色成像技術(shù)

研究乳腺癌的 TME

乳腺癌（BC）在分子和臨床水平上都是一種異質(zhì)性疾病。在全球范圍內(nèi)，乳腺癌是女性因癌癥死亡的主要原因。除了傳統(tǒng)的化療/放療外，免疫療法是一小部分有反應(yīng)的患者最有希望的選擇之一。然而，這些療法往往無法防止復(fù)發(fā)和轉(zhuǎn)移。BC 的疾病異質(zhì)性給生存預(yù)測(cè)帶來了挑戰(zhàn)，因?yàn)樵\斷相似的患者對(duì)治療的反應(yīng)往往不同。在本文中，我們對(duì)乳腺癌組織和正常組織配對(duì)進(jìn)行了多重空間蛋白質(zhì)組學(xué)分析，觀察到多種免疫細(xì)胞類型和生物標(biāo)記物，從而深入了解影響免疫療法反應(yīng)的TME特征。

Cell DIVE 多重成像解決方案采用迭代染色和染料滅活工作流程，可對(duì)整個(gè)單一組織切片上的幾十種生物標(biāo)記物進(jìn)行探測(cè)和成像。Cell DIVE 是一種試劑開放的多重成像解決方案，可靈活選擇用于多重成像研究的生物標(biāo)記物套餐抗體。細(xì)胞信號(hào)技術(shù)公司（CST）擁有廣泛的經(jīng) IHC 驗(yàn)證的抗體組合，可檢測(cè) TME 中的關(guān)鍵蛋白，實(shí)現(xiàn)組織中免疫細(xì)胞的檢測(cè)和表型分析。CST 提供經(jīng) Cell DIVE 驗(yàn)證有效的現(xiàn)成 (OTS) 即用型抗體結(jié)合物。CST 采用嚴(yán)格的 IHC 驗(yàn)證方法，然后在 Cell DIVE 平臺(tái)上進(jìn)行驗(yàn)證，以確保成功檢測(cè)蛋白質(zhì)。在這里，我們展示了使用由數(shù)十種 CST 生物標(biāo)記物組成的新套餐對(duì)人類乳腺癌組織樣本進(jìn)行多重細(xì)胞 DIVE 成像的過程。

利用人工智能驅(qū)動(dòng)的

空間分析揭示腫瘤免疫格局

利用 Aivia 軟件進(jìn)行人工智能指導(dǎo)分析，對(duì)人體正常乳腺和浸潤(rùn)性導(dǎo)管癌（IDC）組織進(jìn)行分析，發(fā)現(xiàn)單個(gè)細(xì)胞表達(dá)了 40 多種針對(duì)不同表型的抗體（圖 1）。組織對(duì)比分析顯示了腫瘤生長(zhǎng)、免疫逃避、代謝、基質(zhì)和干細(xì)胞相關(guān)標(biāo)記物以及免疫細(xì)胞亞型（如調(diào)節(jié)性 T 細(xì)胞（T-regs）、表達(dá)免疫檢查點(diǎn)蛋白的細(xì)胞、B 細(xì)胞、巨噬細(xì)胞和樹突狀細(xì)胞）的變化。聚類分析顯示，IDC 和對(duì)照組織中細(xì)胞表型的共表達(dá)譜存在差異。我們還確定了與腫瘤相關(guān)的細(xì)胞類型在局部鄰域的不同空間分布圖，

圖 1：通過 Cell DIVE 多重染色成像和 Aivia 分析了解乳腺癌的分子機(jī)制。從左到右：虛擬 H&E、整個(gè)組織的多重細(xì)胞 DIVE 成像、放大視場(chǎng)（FOV）以顯示單細(xì)胞分辨率、AI 輔助分割以及正常人乳腺組織（上排）和浸潤(rùn)性導(dǎo)管癌組織（下排）中不同細(xì)胞類型的表型。整個(gè)組織圖像的Scale bar分別為 2000 微米（對(duì)照組）和 1000 微米（癌組織），所有放大面板的刻度線均為 20 微米。利用針對(duì)不同白細(xì)胞系、上皮細(xì)胞、基質(zhì)細(xì)胞和內(nèi)皮細(xì)胞類型的 40 多種抗體來描述兩種組織中的腫瘤免疫微環(huán)境（TME）。最后，利用全組織圖像進(jìn)行細(xì)胞和核膜分割，使用人工智能驅(qū)動(dòng)的多重染色細(xì)胞檢測(cè)配方識(shí)別所有單個(gè)細(xì)胞，然后對(duì)所有細(xì)胞進(jìn)行表型分析。

相關(guān)產(chǎn)品:

CELL DIVE 超多標(biāo)組織成像分析系統(tǒng)

AI圖像分析軟件 Aivia

點(diǎn)擊此處申請(qǐng)樣機(jī)試用