利用多重成像和人工智能空間分析技術剖析浸潤性導管癌的腫瘤微環(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）對于闡明腫瘤進展機制至關重要。利用高倍空間蛋白質(zhì)組學系統(tǒng)地繪制腫瘤微環(huán)境圖譜可以提高精準免疫腫瘤學的能力。在這里，我們將基于人工智能的高倍空間分析應用于 BC 組織，研究免疫細胞類型和生物標記物，從而深入了解影響免疫療法反應的TME分子成分。

主要經(jīng)驗

了解 Cell DIVE 多重染色成像解決方案如何利用細胞信號處理技術 (CST 公司) 經(jīng) IHC 驗證的抗體來檢測 TME 中的關鍵蛋白。

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

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

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

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合，為探索腫瘤組織的分子特點提供了全面的解決方案。來自 Cell Signaling Technology（CST）的強大的 IHC 驗證抗體的廣泛組合可以檢測 TME 中的關鍵蛋白。在這里，我們展示了使用新型 CST 生物標記物套餐進行多重染色 Cell DIVE 成像，以分析人類正常乳腺和浸潤性導管癌 (IDC) 組織。

利用多重染色成像技術

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發(fā)和轉移。BC 的疾病異質(zhì)性給生存預測帶來了挑戰(zhàn)，因為診斷相似的患者對治療的反應往往不同。在本文中，我們對乳腺癌組織和正常組織配對進行了多重空間蛋白質(zhì)組學分析，觀察到多種免疫細胞類型和生物標記物，從而深入了解影響免疫療法反應的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，可對整個單一組織切片上的幾十種生物標記物進行探測和成像。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記物套餐抗體。細胞信號技術公司（CST）擁有廣泛的經(jīng) IHC 驗證的抗體組合，可檢測 TME 中的關鍵蛋白，實現(xiàn)組織中免疫細胞的檢測和表型分析。CST 提供經(jīng) Cell DIVE 驗證有效的現(xiàn)成 (OTS) 即用型抗體結合物。CST 采用嚴格的 IHC 驗證方法，然后在 Cell DIVE 平臺上進行驗證，以確保成功檢測蛋白質(zhì)。在這里，我們展示了使用由數(shù)十種 CST 生物標記物組成的新套餐對人類乳腺癌組織樣本進行多重細胞 DIVE 成像的過程。

利用人工智能驅(qū)動的

空間分析揭示腫瘤免疫格局

利用 Aivia 軟件進行人工智能指導分析，對人體正常乳腺和浸潤性導管癌（IDC）組織進行分析，發(fā)現(xiàn)單個細胞表達了 40 多種針對不同表型的抗體（圖 1）。組織對比分析顯示了腫瘤生長、免疫逃避、代謝、基質(zhì)和干細胞相關標記物以及免疫細胞亞型（如調(diào)節(jié)性 T 細胞（T-regs）、表達免疫檢查點蛋白的細胞、B 細胞、巨噬細胞和樹突狀細胞）的變化。聚類分析顯示，IDC 和對照組織中細胞表型的共表達譜存在差異。我們還確定了與腫瘤相關的細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制。從左到右：虛擬 H&E、整個組織的多重細胞 DIVE 成像、放大視場（FOV）以顯示單細胞分辨率、AI 輔助分割以及正常人乳腺組織（上排）和浸潤性導管癌組織（下排）中不同細胞類型的表型。整個組織圖像的Scale bar分別為 2000 微米（對照組）和 1000 微米（癌組織），所有放大面板的刻度線均為 20 微米。利用針對不同白細胞系、上皮細胞、基質(zhì)細胞和內(nèi)皮細胞類型的 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，利用全組織圖像進行細胞和核膜分割，使用人工智能驅(qū)動的多重染色細胞檢測配方識別所有單個細胞，然后對所有細胞進行表型分析。

相關產(chǎn)品:

CELL DIVE 超多標組織成像分析系統(tǒng)

AI圖像分析軟件 Aivia

點擊此處申請樣機試用