Deep Visual Proteomics-koncept och arbetsflöde medurs: Deep Visual Proteomics (DVP) kombinerar ett nytt ultrakänsligt proteomiskt arbetsflöde med encellsklassificering och högupplöst bildbehandling för isolering, artificiell intelligens (AI)-driven bildanalys. DVP förknippar en informationsrik beskrivning av cellkultur eller arkiverad patientbiobanksvävnad med djupgående studier av cellsegmentering och maskinbaserad identifiering av celltyper och tillstånd. Celler eller subcellulära objekt klassificerade med (okontrollerad) artificiell intelligens genomgår automatisk lasermikrodissektion och proteomisk profilering baserad på masspektrometri (MS). Ytterligare analys av bioinformatikdata möjliggör detektering av proteinsignaturer som ger molekylära insikter i proteomisk variation i hälso- och sjukdomstillstånd på encellsnivå. Kredit: Biochemistry MPI
Hur uppstår cancer? Hur påverkar cellsammansättningen tumörmalignitet? Dessa frågor är djupa och svåra att besvara, men de är mycket viktiga för att förstå sjukdomen och hitta rätt behandling. Nu har det tysk-danska teamet, under ledning av professor Matthias Mann, utvecklat en innovativ teknik som kallas djup visuell proteomik. Denna metod tillåter forskare och kliniker att läsa protein för att förstå cancer i en encellsupplösning. Tekniken publicerades i en tidning Naturens bioteknik och visar sin potential i den första applikationen på cancerceller.
Protein är en av de viktigaste aktörerna i olika sjukdomar. Korrekt kallad cellens molekylararbetare, deras korrekta funktion avgör ofta cellens och individens kompatibilitet.
Matthias Mann förklarar: ”När något går fel i våra celler och vi blir sjuka kan man vara säker på att proteiner är involverade på olika sätt. Därför kan kartläggning av proteinlandskapet hjälpa oss att avgöra varför en tumör kan utvecklas. och även vilken behandlingsstrategi som kan vara mest fördelaktig. “
Ett multidisciplinärt team av forskare ledda av Matthias Mann vid Max Planck Institute for Biochemistry (MPI) nära München och Novo Nordisk Foundation Protein Research Center (CPR) vid Köpenhamns universitet har utvecklat en innovativ metod som kallas djup visuell proteomik. Studien kombinerar de visuella egenskaperna hos en tumör med djupprofileringsteknologi för att visualisera proteinsignaturer i avvikande celler intill omgivande friska celler. Detta kommer att ge forskarna en aldrig tidigare skådad syn på sjukdomen och hjälpa onkologer att utveckla smarta strategier för diagnos och behandling.
Deep Visual Proteomics kombinerar fyra teknologier
För första gången integrerar djup visuell proteomik framsteg inom fyra olika teknologier i ett enda arbetsflöde: För det första skapar ett avancerat mikroskop högkvalitativa vävnadskartor. För det andra används algoritmer för maskininlärning och artificiell intelligens (AI) för att korrekt klassificera celler efter form, storlek eller proteinlokalisering innan enstaka celler samlas in med laserinfångningsmikrodissektion med hög precision. Sedan, efter sortering av normala eller olika typer av sjuka celler, detekteras tusentals proteiner som finns i cellpopulationer omedelbart med hjälp av ultrahögkänsliga masspektrometriinstrument (MS) från provstorleken för tillfället. Slutligen analyserar komplex bioinformatik kartor över proteiner som ger rumslig upplösning av proteinsignaturer i mycket komplexa sjukdomar som cancer. Sådana proteinscener är ett värdefullt verktyg för läkare att bättre förstå mekanismerna för hälsa och sjukdom.
“Vårt nya koncept, djup visuell proteomik, kan vara en spelförändring för molekylära patologier på sjukhus. På så sätt tar vi vävnadsprover från tumörceller och identifierar tusentals proteiner på en minut och ansträngning. Dessa proteomiska signaturer avslöjar mekanismerna som driver tumörtillväxt.” sätter och direkt exponerar nya terapeutiska mål från en vävnadsskiva av cancerpatientbiopsi. Teamet av professor Matthias Mann ledde utvecklingen.
Relevans för klinisk patologi
I en ny studie tillämpade forskare djup visuell proteomik på cellerna hos patienter med acinisk cellkarcinom och melanom. Lise Mette Rahbek Gjerdrum, konsult och docent i klinisk medicin vid Själlands Universitetssjukhus och Köpenhamns Universitet, säger: “Denna unika metod kombinerar vävnadsarkitektur med uttryck av tusentals proteiner specifika för utvalda celler. Det gör det möjligt för forskare att studera interaktionerna mellan cancerceller och cellerna som omger dem, vilket kommer att ha stor inverkan på framtida klinisk cancerbehandling. Vi diagnostiserade nyligen ett mycket komplext kliniskt tillstånd med hjälp av djupgående visuell proteomik. ”
Dr Fabian Coscia, medförfattare till studien och chef för Spatial Proteomics Research Group vid Max Delbrück Molecular Medicine Center i Helmholtz Association (MDC) i Berlin sedan juni 2021, säger: “Men tekniken kan naturligtvis användas att karakterisera alla andra typer av tumörer. ”
Han sa att hans mål är att komma åt arkiverade patientbiobanker och hitta nya mål för individualiserade, dvs patientanpassade cancerbehandlingar, även för tidigare behandlingsresistenta tumörer.
Det är inte bara cancer som kan förstås bättre med hjälp av djup visuell proteomik. Metoden kan tillämpas på andra sjukdomar. “Till exempel, vid neurodegenerativa sjukdomar som Alzheimers eller Parkinsons kan du analysera proteiner i nervceller för att ta reda på exakt vad som händer i cellerna,” sa Fabian Coscia senare.
Genom att kombinera kraften i mikroskopi, AI och ultrakänslig MS-baserad proteomik har vi utvecklat en mycket kraftfull metod för att förstå det molekylära förhållandet mellan friska och sjuka celler. Detta kan hjälpa läkarna att sätta upp mål för framtida mediciner och diagnoser, avslutar Matthias Mann.
Upptäck dolda cancerceller genom att mäta globala proteinnivåer i enstaka celler
Detaljer:Andreas Mund och andra, Deep Visual Proteomics definierar encellig identitet och heterogenitet, Naturens bioteknik (2022). DOI: 10.1038 / s41587-022-01302-5
Tillhandahålls av Max Planck Society
Citat: Teknik för djup visuell proteomik tillhandahåller cellspecifik, proteinbaserad information för att analysera cancer (2022, 20 maj) 20 maj 2022 https://phys.org/news/2022-05-deep-visual-proteomics-technology- Retrieved från att tillhöra cell.html
Detta dokument är upphovsrättsskyddat. Ingen del får reproduceras utan skriftligt tillstånd, förutom för personlig forskning eller någon rättvis transaktion för forskningsändamål. Innehållet tillhandahålls endast i informationssyfte.
