癌症是全世界死亡原因之一。超过90%的癌症患者死于远端转移,而不是主要肿瘤的直接结果。癌症转移通常从单一播种癌细胞产生,抑制身体的免疫监测系统。到目前为止,由于成像技术(如生物发光和MRI)的分辨率有限,综合检测整个体内的这些细胞。这导致了对不同癌症类型的特定传播机制的相对缺乏了解,这是有效治疗的先决条件。它还阻碍了评估免疫学方法对肿瘤治疗的疗效。
由LMU Medical Centre的神经生理学家AliEartürk博士领导的团队,自2019年以来,从亥姆霍兹ZentrumMünchen的组织工程和再生医学研究所开始,旨在克服这些障碍。在担任LMU Medical Center研究所中风和痴呆研究所的独立研究小组的任期期间,Eartürk开发了Vdisco - 一种组织清除和固定方法,将小鼠体变为透明状态,允许单细胞成像。使用激光扫描显微镜,研究人员能够在这种VDISCO制剂中检测到均匀的转移,下降到个体癌细胞。
然而,手动分析这种高分辨率成像数据将是一个非常耗时的过程。考虑到目前用于此类数据分析的现有算法的可靠性和处理速度有限,研究小组开发了一种新的基于深度学习的算法,名为DeepMACT,他们在最新一期的主流期刊《细胞》(Cell)上报告了这一情况。利用DeepMACT,研究人员现在已经能够检测和分析癌症转移,并自动绘制vDISCO制剂中治疗性抗体的分布。DeepMACT算法在检测转移方面的表现与人类专家不相上下,但速度快了300多倍。只需点击几下,DeepMACT就能在不到一小时的时间里完成数月的人工检测工作。该研究的第一作者Oliver Schoppe说,他是慕尼黑工业大学转化癌症研究中心Bjoern Menze教授小组的博士生。
检测细胞,收集数据
使用深度,研究人员对不同肿瘤模型的独特转移曲线进行了新的见解。不同癌症类型的传播模式的表征可以为不同的转移性癌症进行定制药物靶向。通过分析小鼠中乳腺癌转移的进展,深压已揭示在整个小鼠体内的小转移量随时间的大大增加。“常规生物发光成像中没有任何这些特征均不进行。DeepMACT是一种能够以全体规模进行定量分析的第一种方法,“赫尔默尔茨ZentrumMünchen博士博士博士博士博士博士博士博士,也是该研究的第一作者。“我们的方法还允许我们更详细地分析肿瘤抗体疗法的靶向。”
有了DeepMACT,研究人员现在有了一个工具,可以评估使用肿瘤特异性单克隆抗体的临床癌症治疗的靶向性。作为一个代表性的例子,他们使用DeepMACT来量化一种名为6A10的治疗性抗体的有效性,这种抗体已被证明可以减少肿瘤的生长。结果表明,6A10可以忽略受感染小鼠体内高达23%的转移瘤。这就强调了单转移水平靶向疗效分析对于开发新型肿瘤药物的重要性。当小分子药物与荧光染料结合时,该方法也可以潜在地跟踪它们的分布。
综上所述,这些结果表明DeepMACT不仅为肿瘤转移的综合分析提供了一种强有力的方法,而且为临床前研究的治疗药物评估提供了一种敏感的工具。“与癌症的斗争已经进行了几十年,在我们最终战胜这种疾病之前还有很长的路要走。为了开发更有效的癌症疗法,了解不同类型癌症的转移机制和开发能够阻断转移过程的肿瘤特异性药物至关重要,”Ertürk解释道。
DeepMACT是公开可用的,可以很容易地被其他专注于不同肿瘤模型和治疗方案的实验室采用。“今天,肿瘤临床试验的成功率约为5%。我们相信DeepMACT技术可以显著改善临床前研究的药物开发过程。因此,它可以帮助识别更强大的候选药物用于临床试验,并有希望帮助拯救许多生命”。
来源:亥姆霍兹慕尼黑中心的