Classification of brain tumors using pseudobulk spatial transcriptomics
Deze studie toont aan dat het genereren van pseudobulk expressieprofielen uit single-section ruimtelijke transcriptomicsdata de effectieve toepassing van bestaande op bulk getrainde classificatiesoftware voor het diagnosticeren van CZS-tumoren mogelijk maakt, wat een levensvatbare oplossing biedt voor gevallen met beperkt biopsiemateriaal of diffuse infiltratie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Het diagnosticeren van een hersentumor was lang een kwestie van het bekijken van de vorm van cellen onder een microscoop, maar de moderne geneeskunde heeft een krachtige nieuwe laag toegevoegd: het lezen van de genetische instructies binnen die cellen. Deze moleculaire benadering, bekend als transcriptomica, stelt artsen in staat om precies te identificeren met wat voor soort tumor ze te maken hebben door te analysen welke genen actief zijn. Deze methode vereist echter meestal een aanzienlijke hoeveelheid weefsel. Wanneer een patiënt een kleine biopsie heeft, of wanneer een tumor zo verspreid is dat deze mengt met gezond hersenweefsel, is er vaak niet genoeg materiaal over om deze tests uit te voeren. Dit laat artsen met een moeilijke keuze achter: het kostbare monster opgebruiken voor een test die mogelijk faalt, of vertrouwen op oudere methoden die minder nauwkeurig kunnen zijn.
Wetenschappers hebben onlangs een manier ontwikkeld om genactiviteit in kaart te brengen terwijl het weefsel in zijn oorspronkelijke fysieke lay-out blijft, een techniek genaamd ruimtelijke transcriptomica. Dit creëert een gedetailleerde kaart van welke genen actief zijn in welke specifieke plekken op een weefselcoupe. De uitdaging is geweest om te ontdekken hoe men deze nieuwe, zeer gedetailleerde data kan gebruiken met de bestaande computerprogramma's waarmee artsen al vertrouwd zijn bij het diagnosticeren van tumoren. Deze programma's zijn gebouwd om grote, gemengde weefselmonsters te analyseren, niet de kleine, verspreide datapunten van een ruimtelijke kaart. Een team onderzoekers van het KK Women's and Children's Hospital in Singapore zette zich in om dit puzzelstuk op te lossen. Ze vroegen zich af of ze de kleine datapunten van een enkele weefselcoupe konden combineren tot één groot, leesbaar profiel dat bestaande diagnostische instrumenten zouden begrijpen, waardoor ze effectief een moleculaire diagnose zouden kunnen krijgen van een monster dat voorheen te klein of te rommelig was om te testen.
De onderzoekers namen een verzameling hersentumor-monsters uit publieke databases en vijf nieuwe gevallen uit hun eigen ziekenhuis om dit idee te testen. Ze gebruikten een computationele methode om de genactiviteit van elk punt op een weefselcoupe te verzamelen en bij elkaar op te tellen tot één enkel profiel, een proces dat ze het creëren van een "pseudobulk"-monster noemen. Dit stelde hen in staat om de data in drie verschillende computerprogramma's te voeden die ontworig zijn voor het identificeren van hersentumoren. De resultaten toonden aan dat deze aanpak werkt, maar niet even goed voor elk hulpmiddel of elke type tumor. Eén van de programma's, dat patronen van genactiviteit matcht, identificeerde het type tumor correct in ongeveer 82 procent van de gevallen. Een ander programma had het in ongeveer 60 procent van de gevallen bij het rechte eind, en een derde, complexer programma slaagde slechts in ongeveer 46 procent van de gevallen.
Het succes van de methode hing sterk af van het soort tumor dat werd getest. De computerprogramma's waren uitzonderlijk goed in het identificeren van medulloblastomen en ependymomen, twee soorten tumoren die zeer duidelijke genetische handtekeningen hebben. In deze gevallen kwam de nieuwe methode perfect overeen met de bekende diagnose. De instrumenten hadden echter meer moeite met hooggradige gliomen, die agressief zijn en vaak mengen met gezond weefsel. De onderzoekers ontdekten dat wanneer de initiële test onzeker was, ze het resultaat konden verbeteren door de ruimtelijke kaart te gebruiken om alleen de delen van het weefsel te isoleren die eruitzagen als tumorcellen en alleen die gebieden opnieuw te analyseren. Deze stap, die zij tumor-clusterverrijking noemen, verhoogde de nauwkeurigheid voor moeilijke gevallen van 60 procent naar 76 procent. Het werkte door de "ruis" van gezonde cellen te verwijderen die het tumorsignaal verwaterden.
De studie keek ook naar hoe de manier waarop weefsel wordt bewaard het resultaat beïnvloedt. De meeste ziekenhuismonsters worden bewaard in een chemische stof genaamd formaline en ingebed in was, een proces dat genetisch materiaal kan beschadigen. De onderzoekers vonden dat het best presterende computerprogramma nog steeds redelijk goed werkte op deze oudere, bewaarde monsters, waarbij het de tumoren ongeveer 77 procent van de tijd correct diagnoosticeerde. Echter, het derde programma, dat ontworig is voor vers weefsel, faalde bijna volledig op de bewaarde monsters. Dit suggereert dat hoewel de methode robuust genoeg is voor routineus ziekenhuisgebruik, de keuze van de software er sterk toe doet afhankelijk van hoe het monster is bewaard.
Om te bewijzen dat de methode in een echte klinische setting kon werken, paste het team het toe op vijf werkelijke patiënten in hun ziekenhuis, waaronder een geval waarbij het tumorstalen kleiner was dan één millimeter. Het systeem identificeerde succesvol twee van deze zeldzame pediatrische tumoren, wat bevestigt dat de techniek geen groot stuk weefsel vereist om een resultaat te genereren. Hoewel het systeem worstelde met een paar complexe gevallen waarbij de genetische samenstelling van de tumor ongewoon was of niet vertegenwoordigd was in de trainingsdata, laten de algemene bevindingen een duidelijk pad vooruit zien. Door ruimtelijke mapping te combineren met bestaande diagnostische instrumenten, kunnen artsen binnenkort precieze moleculaire diagnoses krijgen van zelfs de kleinste en moeilijkste biopsie-monsters, waardoor ervoor wordt gezorgd dat zelfs het meest beperkte weefsel de antwoorden kan bieden die nodig zijn om de behandeling te sturen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.