Новый инструмент упростил анализ опухолей на уровне отдельных клеток
Международная команда ученых представила spatialproteomics — бесплатный программный пакет с открытым исходным кодом, который собирает разрозненные этапы анализа изображений тканей в единый рабочий процесс. С его помощью исследователи могут перейти от микроскопического снимка к карте типов клеток и их соседства, а затем искать пространственные закономерности в строении опухолей.
Spatialproteomics разработали специалисты Европейской лаборатории молекулярной биологии (EMBL), Университета имени Генриха Гейне и Университетской клиники Дюссельдорфа при участии коллег из других научных центров. Описание пакета опубликовано в Nature Methods. Написанный на Python инструмент объединяет сегментацию клеток, обработку снимков, измерение белковых маркеров, классификацию клеток и анализ их расположения.
В исследованиях рака важно понимать не только, какие клетки входят в состав опухоли, но и как они расположены. Опухолевые и иммунные клетки, кровеносные сосуды и соединительная ткань формируют микроокружение, внутри которого происходят постоянные взаимодействия. Архитектура этого окружения может влиять на рост опухоли, ее способность уходить от иммунного ответа и реакцию на терапию.
Читайте также
Современные методы мультиплексной микроскопии позволяют картировать в одном образце тысячи и даже миллионы отдельных клеток, одновременно регистрируя десятки белковых маркеров. Но сначала каждую клетку нужно выделить на снимке, измерить поступающие от нее сигналы, определить ее тип и сопоставить результат с положением в ткани. Для этого исследователям часто приходилось совмещать несколько программ и создавать собственные аналитические конвейеры.
Spatialproteomics хранит снимки, маски сегментации, данные о белковых маркерах и метки типов клеток в согласованной структуре, позволяя анализировать их в одной последовательности. По словам первого автора работы Маттиаса Майера-Бендера из EMBL, команда стремилась сделать такой анализ доступнее, воспроизводимее и пригодным для больших массивов данных. Полной автоматизации пакет не обещает: контроль качества и настройка некоторых этапов по-прежнему требуют участия специалиста.
Работу пакета продемонстрировали на снимках биопсий лимфоузлов 132 пациентов с B-клеточными неходжкинскими лимфомами или реактивными лимфоузлами в контрольной группе. В микроматрицах тканей исследователи сегментировали более 3,5 млн клеток и обнаружили различия в составе и пространственной организации тканей между контрольными образцами, медленно развивающимися и агрессивными лимфомами. Это показало возможности исследовательского инструмента, но не стало испытанием готового метода диагностики.
Авторы рассчитывают, что сфера применения spatialproteomics не ограничится исследованиями лимфом. По словам одного из руководителей работы Петера-Мартина Бруха, пакет потенциально можно использовать для изучения других видов рака, воспалительных заболеваний и сложных тканей, где взаимное расположение клеток имеет особое значение. В опубликованной работе, однако, такую более широкую применимость отдельно не проверяли.
Код spatialproteomics опубликован на GitHub под лицензией MIT, а сам пакет можно установить через систему управления Python-библиотеками pip. Исследовательские группы смогут встраивать его в собственные аналитические процессы, подключать сторонние методы и расширять возможности по мере появления новых подходов. Открытая модель также упрощает воспроизведение опубликованных анализов и совместную доработку инструмента.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
