改变游戏规则的“深度视觉蛋白质组学”使癌症的漏洞
医生总是难以确定为什么某些疾病出现在我们的身体。年老、风险行为如吸烟或基因都是谜题的一部分。
然而,准确的,个人原因严重疾病如癌症仍然是难以捉摸的。
现在,一项新的突破性的方法称为“深度视觉蛋白质组学”可以帮助改变。方法已经被一个国际研究小组发明了哥本哈根大学领导的研究人员,已经应用于癌细胞在一项新的研究在科学杂志自然生物技术。
“我们的新概念,深度视觉蛋白质组学,可以成为一个改变游戏规则的分子病理学的医院。通过这种方法,我们可以确定成千上万的蛋白质和决定有多少人?安德烈亚斯Mund解释说:“这项新研究的第一作者。
“我们这仅仅通过组织样本和分析肿瘤细胞。这种蛋白质被称为“列表”蛋白质组。这些蛋白质组揭示的机制推动肿瘤发展和直接暴露新的治疗目标从单一癌症患者活检的组织切片。它公开了一个宇宙的分子在这些癌症细胞,”安德烈亚斯Mund说,副教授诺和诺德基金会蛋白质研究中心(CPR)和马提亚曼教授的团队的一部分,以这种发展在心肺复苏和马克斯·普朗克生化研究所。
重要的病理部门
研究者们非常感兴趣的蛋白质的原因是因为他们实际上是一些最重要的拼图的碎片几乎所有疾病。因为蛋白质可以被称为“细胞的主力”。
“当我们细胞内出现问题,我们会生病,可以肯定的是,蛋白质是参与各种不同的方式。因此,映射景观的蛋白质可以帮助我们确定为什么肿瘤可以开发在一个特定的病人,什么漏洞,肿瘤和治疗策略可能是最有益的,”马蒂亚斯•曼教授说。
在新的研究中,研究人员应用的深度视觉蛋白质组学从acinic细胞癌患者细胞和黑色素瘤。这样做是与新西兰大学医院的研究人员合作,鲁开德。
“这个独特的方法结合了组织架构和数以千计的蛋白质的表达特定选择的细胞。它使研究人员调查癌症细胞和周围的细胞之间的相互作用有重要影响未来临床癌症治疗。最近,我们诊断一个高度复杂的临床病例的结果与两种不同的组件和非战略性分析,“说丽丝Mette Rahbek Gjerdrum,顾问和临床病理学系研究助理教授,新西兰大学医院和临床医学系,哥本哈根大学。
数字病理,深度学习、显微镜和质谱分析
深度视觉蛋白质组学整合从四个不同的技术进步到一个单独的工作流。首先,先进的显微镜生成高分辨率组织地图。后来,机器学习算法用于分类激光显微解剖和单细胞之前准确地收集细胞。就某一特定类型的正常或病变细胞通过质谱分析,分析了映射的蛋白质景观,和理解健康和疾病的机制。
“使用这种技术,我们可以有效地连接在显微镜下看到细胞的生理特点与功能的蛋白质。这不是以前,我们非常相信这个方法可以应用于其他疾病,不仅仅是癌症,”安德烈亚斯Mund说。
参考:Mund Coscia F, Kriston et al .深度视觉蛋白质组学定义单细胞身份和异质性。生物科技Nat》。2022:1-10。doi:10.1038 / s41587 - 022 - 01302 - 5
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
