通过多重免疫组织化学检测瘤微环境中的树突细胞子集

科学领域:

• 免疫学 免疫学 免疫学
• 癌症研究 癌症研究
• 细胞生物学 细胞生物学

背景情况:

• 树突细胞 (DCs) 对于启动抗瘤免疫反应至关重要.
• 在瘤微环境 (TME) 中准确识别不同的DC子集 (cDC1s,cDC2s,pDCs) 对于理解它们的功能作用至关重要.
• 目前分析细胞悬浮中的瘤透DC的方法往往会失去重要的空间背景.

研究的目的:

• 开发和验证一个标准化的多重免疫组织化学 (mIHC) 面板,用于在瘤组织中同时检测人类DC子集 (cDC1s,cDC2s,pDCs).
• 为了使DC子集在TME内的原生空间环境中进行研究.
• 为了比较机器学习管道 (ImmuNet) 对DC子集检测与传统方法的性能.

主要方法:

• 开发一种新的mIHC面板,使用标记物如CD1c,CD303和X-C动机化学因子受体1,以及瘤标记物和DAPI.
• 培训和应用ImmuNet机器学习管道,用于DC子集的自动检测和量化.
• 通过将结果与传统细胞表型软件进行比较来验证面板和管道.
• 在各种瘤样本中对DC子集频率进行定量分析.

主要成果:

• 成功建立并验证了一个标准化的mIHC面板,用于同时检测cDC1,cDC2和pDC.
• 展示ImmuNet管道在组织环境中准确识别和量化DC子集的能力.
• 比较显示ImmuNet与传统的表型软件相比具有可比性或更好的性能.
• 在多种瘤类型中确定DC子集频率,保持空间关系.

结论:

• 开发的mIHC面板为在TME的空间背景下研究DC子集 (cDC1s,cDC2s,pDCs) 提供了一个强大的方法.
• 这种方法有助于更深入地了解不同DC子集在抗瘤免疫中的特定功能和相互作用.
• 整合ImmuNet提高了复杂瘤组织中DC子集分析的效率和准确性.