Neues Rechenverfahren ermöglicht es Forschern, den dreidimensionalen Aufbau von Tumoren zu erkennen

Stellen Sie sich ein paar grob geschnittene Brotscheiben auf einem Teller vor. Könnten Sie sich anhand dieser Scheiben genau vorstellen, aus welchem ​​Laib sie stammen?

Stellen Sie sich nun mehrere dünne Gewebeschnitte beispielsweise eines kleinen Tumors vor. Sie haben getestet, welche von mehreren Genen an jedem Punkt entlang der Länge und Breite jedes Abschnitts aktiv sind. Könnten Sie anhand dieser zweidimensionalen Daten aus nur wenigen Schnitten vorhersagen, welche Gene in der gesamten dreidimensionalen Struktur des Tumors aktiv sind? Nicht einfach, oder?

Die 3D-Beschaffenheit eines Tumors – oder eines anderen Gewebes – anhand von Daten aus nur wenigen Schnitten zu erkennen, ist eine große rechnerische Herausforderung. Aber eine neue Methode, die an den Gladstone Institutes entwickelt wurde, ermöglicht es Forschern, genau das zu tun. Dieser Ansatz wurde in der Zeitschrift veröffentlicht Naturmethodenkönnte ein viel tieferes Verständnis biologischer Gewebeproben ermöglichen.

„Ohne diese dritte Dimension kann man viel von dem, was im Gewebe passiert, übersehen“, sagt Gladstones leitende Forscherin Barbara Engelhardt, Ph.D., leitende Autorin der Studie. „Die Zusammenstellung von Schnitten im 3D-Raum sollte uns helfen, Fragen zu beantworten, für die 2D-Daten nicht ausreichen. Was sind zum Beispiel die genauen Grenzen eines Tumors? Wo sind Immunzellen in den Tumor eingedrungen? Wo im Tumor wäre es am besten, sie zu injizieren.“ eine Behandlung?“

Die neue Methode mit dem Namen Gaussian Process Spatial Alignment (GPSA) eignet sich nicht nur für Tumore. Es lässt sich auf nahezu jede Art von Gewebe und jede Art von Daten anwenden, die aus Gewebeschnitten gewonnen werden, etwa die Struktur von Zellen oder welche Gene oder Proteine ​​in ihnen aktiviert sind – mit weitreichenden Auswirkungen auf Forschung und Medizin.

Lücken füllen

Eine der am weitesten verbreiteten Methoden, um biologisches Gewebe zu verstehen – sei es von einem erkrankten Patienten oder einem Tier im Labor – besteht darin, einen Teil des betroffenen Gewebes chirurgisch zu entfernen und zu analysieren. In Laboren auf der ganzen Welt schneiden Techniker das entnommene Gewebe möglicherweise in dünne Stücke, um es unter einem Mikroskop zu betrachten oder auf das Vorhandensein spezifischer Moleküle zu testen, die bei der Diagnose helfen, die Behandlung leiten oder Hinweise darauf geben könnten, wie gut ein Medikament wirkt.

Aufgrund der Zeit, des Budgets und der Rechenleistung, die für die Analyse jedes Schnitts erforderlich sind, sind Forscher und Ärzte jedoch oft auf nur wenige Schnitte aus verschiedenen Teilen des Gewebes beschränkt. Darüber hinaus werden Gewebeschnitte physisch verformt, wenn sie im Labor geschnitten, verarbeitet und analysiert werden, sodass es schwierig ist, genau zu erkennen, wie die Schnitte in der gesamten 3D-Struktur des Originalgewebes ausgerichtet sind und zusammenpassen.

„Der erste Schritt auf dem Weg von 2D-Schnittdaten zu einem vollständigen 3D-Bild des Gewebes besteht darin, die Verformung rechnerisch umzukehren, damit wir die Schnitte im virtuellen Raum neu ausrichten können“, sagt Engelhardt, der auch Professor in der Abteilung für biomedizinische Daten ist Wissenschaft an der Stanford University.

Um dieser Herausforderung zu begegnen, nutzt die GPSA-Methode das, was Engelhardt und ihr Team als zweischichtigen Gaußschen Prozess bezeichnen. Dieser statistische Ansatz nutzt Daten aus den 2D-Gewebeschnitten und passt in der ersten Schicht den verzerrten 2D-Schnitt an ein 3D-Modell des Gewebes an. In der zweiten Ebene ordnet GPSA jedem Punkt im 3D-Modell einige aus dem Schnitt erfasste Daten zu, beispielsweise welche Gene an diesem Punkt aktiviert sind. Auf diese Weise kehrt GPSA die Verzerrung virtuell um und ermöglicht eine hochpräzise Ausrichtung der Schichten.

Während dieses Prozesses füllt das GPSA-Modell die Zwischenräume zwischen den Schnitten mit Vorhersagen der Gen- oder Proteinexpression für jeden Punkt im gesamten Gewebe und erstellt schließlich einen 3D-„Atlas“ des Gewebes.

„Angenommen, Sie haben vier Schnitte von verschiedenen Stellen im Brustkrebstumor einer Person, und für jeden Punkt auf jedem Schnitt wissen Sie, welche von 20.000 Genen ein- oder ausgeschaltet sind“, sagt Engelhardt. „GPSA erstellt einen vollständig abfragbaren 3D-Atlas, in dem wir für jede einzelne „x, y, z“-Koordinate und für jedes der 20.000 Gene eintauchen und fragen können: Welche Gene sind an dieser Position im Tumor ein- und ausgeschaltet? ? Und wie sicher sind wir uns dieser Schätzung?“

Ein äußerst flexibles Framework

Mit GPSA können Forscher Gewebeatlanten mit Daten erstellen, die aus Schnitten inkonsistenter Größe, unter Verwendung verschiedener Technologien und in unterschiedlichen Maßstäben und Auflösungsstufen gewonnen wurden. Während bei früheren Methoden die 3D-Gerüste oder „Koordinatengerüste“ vorab spezifiziert werden müssen, schätzt GPSA dieses 3D-Gerüst allein aus den 2D-Schnitten, wenn noch kein Koordinatengerüst für das Gewebe existiert. Die neue Methode kann auch mehrere Arten von Gewebeschnittdaten – beispielsweise sowohl Informationen darüber, welche Gene eingeschaltet sind, als auch Informationen über die Zellstruktur – in einem einzigen Atlas kombinieren.

Darüber hinaus kann GPSA, wenn es auf Schnitte angewendet wird, die zu unterschiedlichen Zeitpunkten aus demselben Gewebe entnommen wurden, Atlanten erstellen, die vorhersagen, wie sich jede Stelle innerhalb des Gewebes im Laufe der Zeit verändert. Auf diese Weise könnte die Technik dazu beitragen, das Verständnis des Alterns, des Krankheitsverlaufs oder der Entwicklung unterschiedlicher Gewebe in einem wachsenden Organismus zu vertiefen.

„Flexibilität ist eine der Hauptstärken unseres neuen Tools“, sagt Engelhardt.

Sie und ihr Team führen nun Analysen durch, um diese Flexibilität weiter zu demonstrieren. Beispielsweise haben sie eine Methode entwickelt, die von Laboren mit kleinem Budget verwendet werden könnte, um die Mindestanzahl der benötigten Gewebeschnitte zu bestimmen – und die genauen Orte, an denen diese Schnitte geschnitten werden sollten –, damit GPSA einen Gewebeatlas mit den gewünschten Informationen erstellen kann.

„Das Ziel besteht darin, die Erkenntnisse, die wir aus Gewebeschnitten gewinnen können, zu maximieren, um Forschern und Klinikern die Möglichkeit zu geben, gut untersuchte 3D-Gewebe oder Tumore, die für einen Patienten einzigartig sind, gründlich abzufragen und letztendlich die Gesundheitsversorgung zu verbessern“, sagt Engelhardt .