亚细胞精度的患病组织3D图
马克斯·德尔布吕克中心Nikolaus Rajewsky 实验室的研究人员开发了一个开源平台,该平台可以根据患者组织样本绘制出具有亚细胞精度的分子图谱,从而实现详细研究,并有可能增强常规临床病理学。该研究发表在《细胞》杂志上。
Nikolaus Rajewsky 教授系统生物学实验室的研究人员开发了一个名为 Open-ST 的空间转录组学平台,使科学家能够以三维方式重建组织内细胞的基因表达。该平台生成的图谱分辨率极高,研究人员能够看到传统二维表示中经常丢失的分子和(亚)细胞结构。该论文发表在《细胞》杂志上。
在小鼠脑组织中,Open-ST 能够以亚细胞分辨率重建细胞类型。在头颈癌患者的肿瘤组织和健康和转移性淋巴结中,该平台捕获了免疫、基质和肿瘤细胞群的多样性。它还表明,这些细胞群围绕原发性肿瘤内的通讯热点组织,但这种组织在转移中被破坏。
这些见解可以帮助研究人员了解癌细胞如何与周围环境相互作用,并可能开始探索它们如何逃避免疫系统。数据还可用于预测个别患者的潜在药物靶点。该平台不仅限于癌症,还可用于研究任何类型的组织和生物。
“我们认为这些类型的技术将帮助研究人员发现药物目标和新疗法,”柏林马克斯德尔布吕克中心医学系统生物学研究所 (MDC-BIMSB) Rajewsky 实验室的高级科学家兼该论文的通讯作者 Nikos Karaiskos 博士说。
揭示组织的空间复杂性
转录组学是研究细胞或细胞群中基因表达的学科,但通常不包括空间信息。然而,空间转录组学测量的是给定组织样本中空间中的 RNA 表达。Open-ST 提供了一种经济高效、高分辨率、易于使用的方法,可以捕获组织切片的组织形态和空间转录组学。可以对齐连续的 2D 图,将组织重建为 3D“虚拟组织块”。
“了解患病组织中细胞之间的空间关系对于解释推动疾病进展的复杂相互作用至关重要,”MDC-BIMSB 主任 Rajewsky 表示。“Open-ST 数据可以系统地筛选细胞间相互作用,以发现健康和疾病的机制以及重新编程组织的潜在方法。”
癌症组织的 Open-ST 图像还突出显示了 3D 肿瘤/淋巴结边界处的潜在生物标记,这些标记可能作为新的药物靶点。“这些结构在 2D 分析中不可见,只有在 3D 组织无偏重建中才能看到,”该论文的共同第一作者 Daniel León-Periñán 说道。
“我们达到了完全不同的精度水平,”Rajewsky 补充道。“人们几乎可以导航到 3D 重建中的任何位置,以识别单个细胞中的分子机制,或健康细胞和癌细胞之间的边界,这对于了解如何靶向疾病至关重要。”
经济高效且易于获取的技术
Open-ST 的一个显著优势是成本。市售的空间转录组学工具可能非常昂贵。然而,Open-ST 仅使用标准实验室设备并高效捕获 RNA,从而显著降低成本。较低的成本还意味着研究人员可以扩大研究规模,以包括大样本量,例如研究患者群体。
研究人员已将整个实验和计算工作流程免费开放,以便广泛使用。León-Periñán 说,重要的是,该平台是模块化的,因此 Open-ST 可以根据特定需求进行调整。“所有工具都足够灵活,可以调整或更改任何东西。”
Rajewsky 实验室技术员、论文共同第一作者 Marie Schott 表示:“一个关键目标是创建一种不仅功能强大而且易于获取的方法。通过降低成本和复杂性,我们希望使该技术普及并加速发现。”