Dynamic, single-cell monitoring of CAR T cell identity and activation with Raman spectroscopy

Stel je het menselijk immuunsysteem voor als een hooggetrainde speciale eenheid. Soms moeten artsen deze soldaten, om een gevaarlijke vijand zoals kanker te bestrijden, upgraden met een nieuw stuk hightech uitrusting: een "slimme helm" genaamd een Chimeric Antigen Receptor, of CAR. Deze helm stelt de T-cellen in staat om kankercellen te herkennen en te vernietigen die ze anders zouden missen. Maar hier komt het lastige deel bij: zodra deze geüpgradede soldaten terug in het lichaam van een patiënt worden geplaatst, moeten artsen precies weten wat ze aan het doen zijn. Vermenigvuldigen ze zich snel genoeg? Worden ze moe? Vallen ze de juiste doelwitten aan? Momenteel is het controleren van deze cellen alsof je een film probeert te begrijpen door naar één enkele, bevroren foto te kijken. Je moet de actie stoppen, de cellen eruit halen, ze beschilderen met lichtgevende kleurstoffen en ze onder een microscoop bekijken. Het is traag, het verandert de cellen, en het vertelt je alleen hoe ze er op dat exacte moment uitzagen, niet hoe ze op dit moment bewegen of veranderen.

Wetenschappers zoeken al een tijdje naar een manier om deze levende cellen in real-time te observeren zonder ze aan te raken of te beschilderen. Ze willen een methode die de "vibe" van de cel kan lezen door simpelweg te luisteren naar het licht dat de cel terugkaatst. Hier komt een techniek genaamd Raman-spectroscopie om de hoek kijken. Denk aan dit als een supergevoelige microfoon die luistert naar de minuscule trillingen van de moleculen binnen een cel. Elke molecuul trilt op een specifieke frequentie, wat een unieke "klank" of vingerafdruk creëert. Als een cel druk is met vechten, verandert de interne machinerie van de cel, en verandert haar "lied" ook. De uitdaging is geweest dat deze trillingen ongelooflijk zacht zijn, als een fluistering in een orkaan, waardoor ze moeilijk te horen zijn zonder speciale apparatuur.

In deze nieuwe studie hebben onderzoekers van Stanford University een systeem gebouwd dat fungeert als een enorme versterker voor deze cellulaire fluisteringen, waardoor ze live naar de "liederen" van CAR T-cellen kunnen luisteren terwijl ze aan het werk zijn. Ze namen niet alleen een snapshot; ze namen een video op van de biochemische levens van de cellen. Door deze versterkte lichtsensortechnologie te combineren met een slim computerprogramma (machine learning) dat patronen kan herkennen, creëerden ze een instrument dat precies kan identificeren wat voor soort cel het is en wat hij aan het doen is, en dat alles zonder gebruik van labels of kleurstoffen. Ze testten dit op cellen van gezonde donoren en zelfs op bloedmonsters van echte patiënten die CAR T-therapie hadden ondergaan. De resultaten suggereren dat deze methode het verschil kan zien tussen een "rustende" soldaat en een "actieve" soldaat, en dat het zelfs kan volgen hoe de cellen in de loop van de tijd veranderen terwijl ze tegen kanker vechten. Dit zou een game-changer kunnen zijn voor artsen, omdat het een snelle, niet-invasieve manier biedt om deze krachtige therapieën te monitoren en ervoor te zorgen dat ze voor elke patiënt veilig en effectief werken.

Het verhaal van het onderzoek: Luisteren naar de zang van cellen

De onderzoekers ontwikkelden een slimme manier om naar de moleculaire trillingen van levende CAR T-cellen te "luisteren" met behulp van een techniek genaamd Surface-Enhanced Raman Spectroscopy (SERS). Om de minuscule trillingen hard genoeg te laten horen, introduceerden ze piepkleine gouden nanostaven—denk aan microscopische stemvorken—die aan het oppervlak van de cellen blijven plakken. Deze nanostaven werken als een megafoon die het signaal van de natuurlijke trillingen van de cel duizenden malen versterkt. Omdat de cellen levend zijn en de gouden staven geen chemische labels of kleurstoffen vereisen, blijven de cellen volledig natuurlijk en ongeschonden tijdens het proces.

Het team trainde hun systeem eerst op cellen van gezonde donoren. Ze creëerden twee groepen: "Mock"-cellen (normale T-cellen) en "CAR"-cellen (T-cellen die zijn aangepast met de slimme helm). Hoewel deze cellen onder een gewone microscoop bijna identiek lijken, kon het SERS-systeem het verschil horen. Het machine learning-algoritme leerde dat CAR-cellen een iets ander "lied" hadden dan de Mock-cellen; specifiek lieten ze sterkere signalen zien van eiwitten en aromatische moleculen, terwijl de Mock-cellen klonken alsof ze gedomineerd werden door nucleïnezuren (de bouwstenen van DNA en RNA). Het systeem was verrassend accuraat en identificeerde de aangepaste cellen ongeveer 81% tot 85% van de tijd, afhankelijk van de donor.

Maar de echte magie gebeurde toen ze de cellen in actie zagen. De onderzoekers mengden de CAR-cellen met kankercellen (specifiek een type lymfoomcel genaamd JeKo-1) om een aanval te triggeren. Terwijl de CAR-cellen de kanker aanvielen, nam het team hun spectra elke paar minuten op gedurende meer dan een uur. Ze zagen de "liederen" van de cellen dynamisch veranderen. Terwijl de cellen activeerden, werden de eiwit- en aromatische delen van hun lied luider, terwijl de nucleïnezuurdelen stiller werden. Deze verschuiving kwam overeen met wat wetenschappers al wisten over hoe T-cellen veranderen wanneer ze vechten, maar dit was de eerste keer dat het in real-time werd vastgelegd zonder het proces te onderbreken. Het computermodel kon de aanvallende CAR-cellen onderscheiden van de rustende cellen met een nauwkeurigheid van ongeveer 95%, waardoor het activatieproces effectief werd gevolgd terwijl het zich ontvouwde.

Ze testten ook een ander type CAR T-cel (GD2-CAR) die is ontworpen om een andere soort kanker te bestrijden. Deze cellen hebben een iets andere interne structuur die ervoor zorgt dat ze zelfs zonder doelwit actiever zijn, een fenomeen dat "tonische signalering" wordt genoemd. Het SERS-systeem merkte dit ook op en detecteerde extra signalen gerelateerd aan mitochondriën (de energiefabrieken van de cel), wat overeenkomt met het idee dat deze cellen meer energie verbruiken. Het systeem identificeerde deze cellen met een nauwkeurigheid van ongeveer 85%.

Ten slotte bracht het team deze technologie naar de echte wereld door het te testen op bloedmonsters van vier patiënten die al CAR T-therapie hadden ondergaan. Ze analyseerden bloed dat was afgenomen vóór de behandeling, op het hoogtepunt van de behandeling (dag 7) en later (dag 21). Het systeem kon het verschil zien tussen de bloedmonsters van deze verschillende tijdstippen met een nauwkeurigheid van ongeveer 84%. Nog indrukwekkender was dat wanneer ze alleen de CAR-positieve cellen uit het bloed van de patiënt isoleerden, het systeem hen kon onderscheiden van de andere cellen in het bloed met een nauwkeurigheid van ongeveer 86-88%. Ze creëerden zelfs een "Raman-score" die bijhield hoeveel van de CAR-handtekening aanwezig was in het gemengde bloedmonster, en deze score bewoog in dezelfde richting als het werkelijke aantal CAR-cellen dat met standaard laboratoriumtests werd gemeten.

Wat dit betekent

Dit artikel suggereert dat we nu in staat zijn om gemanipuleerde immuuncellen te monitoren op een manier die sneller, goedkoper en minder invasief is dan de huidige methoden. In plaats van een statische foto te nemen, kunnen we een film bekijken van de biochemische staat van de cellen. De auteurs benadrukken dat deze methode werkt voor verschillende typen CAR-cellen en veranderingen in de loop van de tijd kan volgen, van het moment dat de cellen in het lab worden gemaakt tot het moment dat ze binnen een patiënt tegen kanker vechten. Hoewel de studie een hoge nauwkeurigheid liet zien in deze specifieke tests, merken de auteurs op dat er meer werk nodig is om dit tot een standaardinstrument voor alle patiënten te maken, aangezien individuele verschillen tussen mensen de resultaten kunnen beïnvloeden. Echter, het vermogen om de "stem" van een levende cel te detecteren zonder deze aan te raken, opent opwindende mogelijkheden voor het veiliger en effectiever maken van kankerbehandelingen.