在3维组织中细胞内蛋白质转位的定量图像分析,用于免疫细胞死亡的药理学研究

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 生物技术是生物技术.

背景情况:

• 癌症化疗可以通过免疫细胞死亡 (ICD) 诱导瘤特异性免疫反应.
• 卡尔雷蒂库林转移到细胞膜 (ecto-CRT) 是ICD中的一个关键的"吃我"信号.
• 在3D瘤组织中评估ecto-CRT需要超出单细胞分析的方法.

研究的目的:

• 开发和验证一种用于在3D人类癌症组织中测量ecto-CRT的新方法.
• 为了能够对完整的瘤球体和患者样本中药物诱导的ICD进行定量分析.
• 在复杂的瘤微环境中推进化疗药学动力学的研究.

主要方法:

• 使用光抗体和共聚焦显微镜进行免疫染以可视化CRT和WGA.
• 采用机器学习 (可训练的WEKA细分) 和图像处理来识别信号和消除噪音.
• 开发了算法来区分细胞膜边缘,并在3D结构中使用ecto-CRT识别细胞.

主要成果:

• 这种新方法成功地在3D人类膀癌细胞球体中识别了药物诱导的ecto-CRT.
• 结果在质量上与对分类单细胞的传统流细胞计测量结果相当.
• 证明了该方法对人类患者膀瘤的短期培养的适用性.

结论:

• 一种基于图像的新方法允许在3D癌症组织中进行ecto-CRT测量.
• 这种技术有助于在复杂的瘤模型中研究药物诱导的ICD.
• 这种方法对评估患者获得的瘤样本中的化疗疗效率具有前景.