Coupling Raman Spectroscopy and Acoustic Microscopy to Characterize Glioblastoma Resistance

技術要約：膠芽腫の耐性を特性評価するためのラマン分光法と音響顕微鏡の結合

問題提起
膠芽腫（GBM）は依然として最も致死的な原発性脳腫瘍であり、その治療失敗の主な要因は、薬剤耐性の発達と細胞が治療ストレスから逃避する能力に起因している。耐性の遺伝的、エピジェネティック、および代謝的な駆動因子については十分に文書化されているが、GBM細胞が硬化する腫瘍微小環境内で生存することを可能にするメカノケミカルな適応については、ほとんど理解されていない。具体的には、細胞骨格がいかにして感受性表現型から耐性表現型へと移行するのか、また、特定の生物物理学的変化が耐性の早期バイオマーカーとして機能し得るのかについての知見が不足している。現在の分子生物学的手法は、遺伝子発現のスナップショットを提供することが多いが、形質膜の物理的状態と基礎的な代謝シフトとの間のダイナミックな相互作用を見落としている。

手法
本研究では、ラマン分光法と走査型音響顕微鏡（SAM）を組み合わせた、ラベルフリーのマルチモーダルなアプローチを用いて、TRAIL感受性（A172-S）およびTRAIL耐性（A172-R）の膠芽腫亜株の特性評価を行った。

• 細胞モデル： 本研究では、TRAILへの長期曝露を通じて生成された耐性株であるA172-SおよびA172-R亜株を利用した。
• 音響顕微鏡（SAM）： 320 MHzのトランスデューサーを用いて、培養液中の生細胞をイメージングし、音響インピーダンスをマッピングした。測定は、TRAIL処理後4時間のベースライン時、および45分間隔で行われ、時間的な機械的変化を評価した。データは、細胞領域を分離するためにエッジ検出と二値化を用いて処理された。
• ラマン分光法： メタノール固定細胞を785 nmレーザーを用いてスキャンした。スペクトルデータは、蛍光ベースライン除去、ベクトル正規化、およびt-SNEによる次元削減を含む前処理が行われた。ラベルなしでスペクトルパターンを特定するために、教師なしクラスタリング（OPTICSアルゴリズム）が適用された。
• 検証： 中性脂質の含有量を独立して定量化するために、明視野画像に対してOil-Red-O染色を実施した。セグメンテーションおよび統計分析はMATLABを用いて行われた（Mann–Whitney U検定、Welch t-test）。

主な結果
本研究は、耐性細胞と感受性細胞を区別する明確なメカノケミカル・シグネチャーを特定した。

1. 音響インピーダンスのダイナミクス：

   • 耐性細胞： 高いベースライン音響インピーダンス（中央値 1.64 MN·s/m³）を示し、TRAIL曝露中の45分間を通じて安定（1.65 MN·s/m³）していた。これは機械的な回復力を示している。
   • 感受性細胞： 低いベースラインインピーダンス（中央値 1.50 MN·s/m³）から始まったが、時間の経過とともに進行的な増加（1.66 MN·s/m³まで）を示した。この硬化は、アポトーシスに伴う凝縮に起因すると考えられる。

2. ラマンスペクトル・シグネチャー：

   • 980個の耐性スペクトルと904個の感受性スペクトルの解析により、4つの識別バンドが特定された：1658 cm⁻¹（アミドI/タンパク質）、1456 cm⁻¹（CH₂曲げ振動/脂質）、1108 cm⁻¹（リン脂質/核酸）、および1051 cm⁻¹（脂質C-C伸縮/炭水化物）。
   • 耐性細胞は、感受性細胞と比較して、1658 cm⁻¹および1456 cm⁻¹における強度がより高く、1108 cm⁻¹および1051 cm⁻¹における強度がより低い。
   • スペクトル特徴の教師なし2クラス分類において、69.5%の精度を達成し、50%の偶然レベルを上回る生物学的ラベルを回収した。このモデルは感受性クラスに対して高い特異性（感受性スペクトルの93.0%を正しく割り当て）を示したが、耐性クラスに対する感度は低かった（耐性スペクトルの47.9%を正しく割り当て）。これは、耐性集団がより不均一であることを示唆している。

3. 脂質定量：

   • Oil-Red-O染色は、ラマンの結果における脂質の乖離を裏付けた。耐性細胞は、感受性細胞と比較して、細胞面積あたりの中性脂質含有量が4.1倍多かった（12.4% vs 3.1%）。
   • スペクトル強度の再分配（高いCH₂、低いリン酸/核酸信号）は、核酸やミトコンドリア質量の増加ではなく、中性脂質（トリアシルグリセロールやコレステリルエステル）の貯蔵へのシフトとして解釈された。

主な貢献

• マルチモーダルな特性評価： 本研究は、同じ感受性/耐性GBMペアに対してラマン分光法とSAMの両方を適用し、機械的および生物分子的な指紋を記録した。ただし、これらのモダリティは別のサンプルで記録されており、単一の分類器の中で結合されたことはない。
• メカノケミカル・フェノタイプ： 本研究は、薬物ストレス下でも変化しない高いベースライン音響インピーダンスと、中性脂質の蓄積を伴う生化学的シフトを特徴とする、耐性の特定の表現型を定義した。
• ラベルフリー検出： 本研究は、蛍光や放射性ラベルを必要とせずに、物理的状態（インピーダンスおよびスペクトル分布）を通じて耐性を識別できることを実証した。

意義および主張
著者らは、膠芽腫における治療耐性は、遺伝的および代謝的な記述を補完する、測定可能な生物物理学的形態を有していると主張している。本研究は、振動（ラマン）プロファイリングと音響プロファイリングの組み合わせが、早期段階で耐性集団を特定するための実用的な経路を提供することを提唱している。

その意義は、以下の手段を通じて耐性を検出できる点にある：

1. 生化学的シフト： 具体的には、中性脂質の蓄積およびタンパク質の二次構造の変化。
2. 機械的安定性： 死滅していく感受性細胞で見られる硬化とは対照的な、高い音響インピーダンスの維持。

本論文は、現在の69.5%という分類精度と単一の細胞株モデルは、完成された診断ツールではなく出発点であるが、このアプローチは生物物理学的な候補診断マーカーの基盤を提供するものであると結論付けている。著者らは、観察された脂質蓄積は単なる耐性の結果ではなく、資源を確保し細胞を保護するためのメカニズム（おそらく薬物の浸透を制限するもの）である可能性が高いことを強調している。今後の課題として、より広範なGBMパネル、より多くのタイムポイント、および両方のモダリティを結合した共同分類器を含めることが示唆されている。