关注公众号

关注公众号

手机扫码查看

手机查看

喜欢作者

打赏方式

微信支付微信支付
支付宝支付支付宝支付
×

推动翻译分子成像边界

2020.10.28

  为了实现个体化医疗,需要对健康和疾病个体在分子层面上有全面的了解,质谱分析技术的发展,增加了我们对细胞生物学的知识。与健康细胞相比,这些技术能让我们更深入地了解临床样本中的细胞会怎样出现异常。近年来,要将这些分子特征转化至临床结果和治疗方案,了解其分子的空间特性是非常必要的,并且这一趋势越来越显著。

  为了以高通量和高灵敏的方式分析临床样本的空间特征,人们已将基质辅助激光解吸电离质谱成像(MALDI-MSI)以及液相色谱-质谱(LC-MS)数据结合在一起。但到目前为止,由于此类实验的高度复杂性,人们仍需要在单独的仪器上完成这些分析。

  Ron Heeren是马斯特里赫特大学马斯特里赫特多模式分子成像研究所的著名教授和学科主任。他的研究方向包括大分子系统能量学、非共价结合蛋白复合物的构象研究以及转化医学成像研究等。

  Heeren教授的研究小组最近开展了一项研究,即在一台仪器上完成同一组织的MALDI-MSI的分子空间信息和LC-MS上产生的微蛋白质组学特征。Heeren和他的同事在这一方面取得了成功,他们的工作发表在《Proteomics》杂志上1。这次访谈重点是该论文的研究工作的情况。在访谈中,除了回顾最新的研究成果之外,还与Heeren讨论了这项研究的目的和方法流程,以及空间组学领域的研究现状等。

  Molly Campbell(MC):为什么在空间背景下连接不同类型的组学数据在临床研究中那么重要?

  Ron Heeren:在临床研究中,一切都与空间位置有关。一般个体的活检样本是不可能均匀的,它并不总是显示特定的细胞(在上千个细胞中)变化或病变。因此,在原始状态背景中观察分子显得非常重要。许多临床科学家都依靠血源性诊断,这很有意义,但这也意味着如果体内的肿瘤或疾病区域很小,患者个体的特征生物标志物将被稀释。此外,几乎不可能从单个血液样本中了解疾病的复杂性。对我们来说,在组织有限的空间范围内,直接了解分子信号和细胞有非常重要的意义。

  显然,有许多方法可以做到这一点。我们喜欢分子成像,因为它不仅可以显示特定分子或一组分子信息,还可以显示其空间结构和分布。对于疾病而言,了解分子的空间结构是可靠诊断必不可少的。然而有时仅靠分子图像还是不够的,还需要进一步深入探索其“组学”特征,无论是蛋白质组,代谢组还是脂质组。

  查看空间背景和结构,并将其与深度组学筛选技术相结合,提供了在一个流程中所需的所有信息。能够在单一仪器上完成这个流程非常重要,我们可以获得相同类型的数据、相同的空间分辨率和相同的质量分辨率。

  分子病理学检验需要在临床治疗期间完成。过去,我们会先进行成像实验,随后再处理数据并产生图像。接下来,我们从体内获得一些细胞并从中提取出蛋白质,同时进行六个小时的蛋白质分析实验,以更详细地了解细胞信号传导过程。但是,如果病人在手术台上,那我们就立刻需要这些信息。所以我们要求能最快的获得这些信息。

  数据整合是这项研究的关键。将所有这些数据放在空间背景下分析,才能真正了解疾病发展的具体过程。一旦明白了这些,医生就可以提出更有针对性或个性化的精准治疗方案。

  MC:近年来,这个领域主要面临哪些挑战?

  Ron Heeren:已经遇到的挑战就是通量问题。几年前,布鲁克推出了rapifleX,它确实加快了我们的工作速度,使我们能够将分子成像转化为临床诊断结果。但是它没有空间特征的组学功能。现在timsTOF fleX结合了成像和组学分析的能力,就可以应对这一特殊的挑战。

  如果要看活检或被切除的组织样本,可以制作组织切片和对这些切片进行成像。五年前,能获得50微米图像的高通量就很满意了,但这并不能为我们提供单个病变细胞的必要信息,但可为我们提供一组25个有问题细胞的信息。

  其它挑战是如何利用空间分辨率来分析单个细胞,而这实际上是我们最近与布鲁克密切合作完成的。现在,我们创建了一种将单细胞分析集成到成像工作流程中的方法。

  目前,我们已经解决了样本通量和空间分辨率的挑战,这些都与仪器灵敏度有关。在现实中,如果所用仪器的灵敏度不够,在高通量下进行相关研究将非常困难,许多重要、详细的分子信息将无法被观察到。

  MC:请谈谈您最近的研究近况,您是在一台仪器上进行脂质的MSI和LC-MS?为什么以前不能做到?您从事这项工作的出发点是什么?

  Ron Heeren:我们当前面临的一个挑战是如何在一个组织中鉴定特征细胞并进行蛋白质组分析。我们想深入研究病变细胞(例如癌细胞)中的蛋白质性质,有时这些细胞在分子水平上已发生变化,但在形态学上还未表现出来。而如果它们的形态没有变化,通常的光学成像是无法看到这些已经病变的细胞的。因此,我们希望使用分子成像方法MALDI-MSI来帮助我们,从LC-MS分析中找到这些特定细胞的表型分子,这在组织形态图像上又增加了一层分子信息。

  在过去,我们会分别进行这些实验:单独使用MALDI成像技术,找到需要分析的细胞,然后划出特定区域做蛋白质组学分析。现在,我们可以使用timsTOF fleX绘制脂质图像,例如针对某癌症类型的细胞,用激光捕获显微切割下经MSI鉴定的肿瘤细胞,提取蛋白质后使用PASEF LC-MS/MS方法进行分析。这种方法允许我们从2000个细胞中提取4000多种蛋白质。这种方法在过去这是不可能的,因为做起来非常困难。人们需要不断查看来自不同仪器产生的数据,同时必须将分析数据转换,最后手动连接这些分析数据得到最终结果。

  现在借助空间组学流程,我们可以用同一个组织在同一个仪器中获取这些数据。不仅提高了分析通量和数据可解释性,也提高了我们识别特定疾病相关分子的能力。最重要的是,它有助于我们将不同组学之间的关键点连接起来。例如,我们对脂质成像,其中有一个特定区域的蛋白组分布带,我们可以连接这些点,找出在组织细胞中哪些蛋白质参与了这些不同脂质的表达和修饰。

  MC:您将这种方法应用于乳腺癌样本研究,能否介绍一些关键结果?

  Ron Heeren:首先,在脂质方面,我们发现一组非常特殊、与缺氧有关的脂质分子,它是乳腺癌早期分子变化标志物。这使我们能够识别病理学家无法看到的细胞。最重要的是,我们通过蛋白质分析,证实了该脂质合成过程中涉及的蛋白质,从而证实了这一结论。从患者的乳腺癌样本中,我们看到了这些蛋白质和脂质之间的相互作用,这样我们就有了新的诊断方法,从而为患者提供更好的治疗方案。

  MC:在同一台仪器上组合MSI和LC / MS在数据处理方面是否有难度?

  Ron Heeren:是的,这项挑战在于成像实验会产生大量的数据,尤其是在相对有限的时间内,要达到深入研究的细节层面。换句话说,我们的数据成井喷式增加,以至于我们在跟上实验进度方面面临挑战。在过去,仪器通量是一个限制因素,但现在数据处理才是更大的限制因素。

  幸运的是,在SCiLS开发人员的帮助下,现在有合适的软件工具帮助我们处理和管理这些数据,如数据的分类和解释。当我们对代谢物进行成像实验时,我们使用MetaboScape或Lipostar进行分子鉴定,这类工具是必不可少的。

  我认为这将是整个领域未来面临的最大挑战,因为我们要产生大量数据。如果没有分析数据的工具,那么它只是一大堆数据而已,有用的信息却很少。我们正在与该领域的多个伙伴合作共同解决这个问题。

  临床环境也是我们面临的重要挑战。我们与外科医生和病理学家密切合作,但这些病理学家不是质谱专家,如何让他们理解我们获得的这些信息呢?因此我们需要新的工具能解释这些发现,同时让病理学家在他们的工作流程和系统中也能够看懂这些信息。这将有助于该技术在外科手术中作为新型诊断工具的应用。

  对于我们来说,重要的是如何把空间定位组学进行转化为临床应用,医生能直观的处理、还原和审阅数据是临床转化的关键。

  MC:您觉得该工作流程的发展会如何影响其他组学研究团队?如果他们考虑用该工作流程,您会给他们什么建议?

  Ron Heeren:我们发现仪器功能能让我们从不同角度去看问题,这是很有意义的。仅仅分析蛋白质只是看到了一方面,分析代谢产物、脂质又能看到其他方面。如果在成像空间背景中把所有信息放在一起,那么就会对问题形成新的看法。确实,多组学和成像的结合是重要的,它可以真正揭示出健康和疾病的复杂性。我给这一领域新人的建议是:确保解决基本问题,通过使用更好的质谱仪并建立正确的工作流程,从多个层面获取详细信息,同时还要使用正确的软件分析数据。

  MC:在这个领域您下一步准备做什么?

  Ron Heeren:我们现在正在做的很多工作都是推动空间组学的应用。我们已经与外科同事开始了新的合作,希望将这种分析方法用于器官筛查。我们从癌症患者肿瘤组织中提取细胞,在实验室培养生长和用不同药物治疗,开发病原器官组织检查的成像组学方法,然后设定最佳治疗方案。我们希望这个工作流程能让我们了解药物的作用。同时,我们也在与骨科合作,进行关节炎方面的研究,寻求实证再生疗法,了解药物分子如何起作用。整合的成像组学技术给整形外科部门展示了再生疗法的工作原理。所有这些信息使我们对患者的最佳治疗有了进一步的见解。我们将继续推动分子成像的临床转化,使分子变化与健康和疾病关联起来。

171857_202010281557491.jpg

Ron Heeren教授

  参考文献:

  1. Dewez F, Oejten J, Henkel C, et al. MS imaging-guided microproteomics for spatial omics on a single instrument. PROTEOMICS. 2020;1900369. doi:10.1002/pmic.201900369

文章提到的厂商
推荐
热点排行
一周推荐
关闭