采用人工智能驅(qū)動的空間蛋白質(zhì)組學分析方法研究小鼠癌癥模型中的腫瘤-免疫相互作用
未經(jīng)治療腫瘤的空間圖譜分析可呈現(xiàn)腫瘤免疫結(jié)構的整體特征，有助于理解治療反應。具有免疫活性的小鼠模型對于識別腫瘤發(fā)生發(fā)展過程中免疫依賴性事件至關重要。要表征這些具有完整免疫系統(tǒng)及相互作用細胞組分的模型，需要采用多重標記分析技術。我們展示了一種基于人工智能的空間蛋白質(zhì)組學方法，用于研究小鼠癌組織中的腫瘤-免疫互作機制。

• 了解 Cell DIVE 多重成像技術與 Cell Signaling Technology 經(jīng) IHC 驗證抗體的結(jié)合如何實現(xiàn)多種細胞類型的精準檢測。       
• 探討腫瘤細胞代謝與免疫抑制機制在癌癥進展中的作用。       
• 探索如何利用 Aivia 進行 AI 引導的圖像分析以簡化空間蛋白質(zhì)組學研究。       
• 識別特定免疫細胞亞型、其相對于腫瘤區(qū)域的分布及相互作用，從而更深入地理解驅(qū)動腫瘤進展和治療反應的復雜動態(tài)機制。

采用 Cell DIVE 多重成像技術與 Aivia 人工智能驅(qū)動分析相結(jié)合，可簡化空間蛋白質(zhì)組學分析流程。該工作流使研究人員能夠?qū)δ[瘤微環(huán)境中各類免疫細胞亞型與腫瘤細胞進行精細表征和空間定位，揭示組織內(nèi)復雜的相互作用及異質(zhì)性特征。

01 多重成像與人工智能分析的整合應用

本研究探討了癌癥進展與治療過程中免疫系統(tǒng)與腫瘤細胞之間復雜的相互作用關系。Cell DIVE 多重成像技術能在單張組織切片上檢測數(shù)十種生物標志物，提供展示各類細胞類型的全組織分子圖譜。Cell Signaling Technology 提供的 IHC 驗證抗體與 Cell DIVE 完美兼容，可增強組織樣本中各類細胞的檢測與表型分析。Aivia 軟件的整合通過 AI 引導的分割、表型分析和聚類分析簡化了空間生物學工作流程。以 4T1 小鼠腫瘤模型為例的研究證實了該空間蛋白質(zhì)組學工作流程的實用性，揭示了腫瘤內(nèi)部異質(zhì)性免疫景觀及復雜的空間關系。  

通過 Aivia 平臺進行 AI 輔助分割與表型分析，我們對 Cell DIVE 多重全組織圖像中所有標志物的表達特征進行了系統(tǒng)表征（圖 1）。
圖 1：使用 Aivia 進行多重圖像分析。A. Cell DIVE 全組織多重圖像及局部放大面板。B. 通過 Aivia 的多重細胞檢測方案實現(xiàn)細胞膜與核膜分割，將各細胞識別為獨立對象。C. AI 輔助表型分析鑒定各類細胞，包括免疫細胞、腫瘤細胞、成纖維細胞、內(nèi)皮細胞及 Glut1 陽性細胞（可能屬于免疫或腫瘤細胞等不同類型）。

02  腫瘤微環(huán)境對免疫細胞分布的影響

研究揭示了特定免疫細胞類型（如 T 細胞、巨噬細胞和樹突狀細胞）相對于腫瘤內(nèi)缺氧與壞死區(qū)域的空間分布特征，表明腫瘤微環(huán)境對免疫細胞行為的影響及其對治療結(jié)局的潛在意義。
 
在同基因 4T1 小鼠腫瘤模型中，利用 Cell DIVE 和 Aivia 進行 AI 驅(qū)動的空間蛋白質(zhì)組學分析，揭示了一個復雜多樣的免疫圖譜。總體而言，這項研究強調(diào)了多重成像技術與 AI 驅(qū)動分析相結(jié)合的重要性，以理解腫瘤微環(huán)境內(nèi)的空間關系及相互作用，為開發(fā)更有效的癌癥療法提供了見解。

相關產(chǎn)品