无标记显微技术可视化肿瘤相关细胞外囊泡

admin

两项研究介绍了使用无标记显微技术可视化肿瘤相关细胞外囊泡

来自伊利诺伊大学厄巴纳-香槟分校（University of Illinois at Urbana-Champaign）的研究人开发了一种新型成像技术，可以在不使用任何染色或标记的情况下研究组织内部情况。研究人员使用激光技术建立了一个独特的系统，与传统的成像技术相比，该系统可以捕获有关组织的更多信息。该系统的最大特点是更好得到细胞外囊泡的可视化效果，细胞外囊泡是与癌症相关的小囊泡并且在癌症患者体内的数据会增加，特别是与乳腺癌细胞有关的囊泡。

“通过这个成像系统，我们可以获得有关活组织的内部结构和代谢的信息。成像系统使我们能够同时捕获所有这些信息，从而使我们能够比目前一般的成像方式看到更多有关组织、细胞及其功能的细节。”本研究的通讯作者、伊利诺伊大学Stephen Boppart博士说。Stephen Boppart博士是该研究所生物光子成像实验室的主任，同时也是一名医生。

这项题为“乳腺癌中细胞外囊泡的无标记可视化和表征（Label-free visualization and characterization of extracellular vesicles in breast cancer）”的论文发表在PNAS杂志上，并作为当期杂志的封面论文进行了展示。

“即使在正常条件下，细胞也利用这些细胞外囊泡进行相互通讯。肿瘤细胞会改变这些细胞外囊泡的性质，并在体内释放更多的囊泡。因此，肿瘤相关的细胞外囊泡有可能被用作癌症进展的标志物。”Stephen Boppart博士说。

传统的可视化技术依赖于标记物的使用，这涉及大量的前期准备工作并且会使组织无法用于进一步的检测。“我们的主要贡献在于，可以可视化活组织中的这些囊泡，不使用任何额外的标签，不会干扰组织。我们可以看到这些囊泡之间以及肿瘤之间是如何相互作用的。”这篇论文的第一作者、Boppart实验室的研究助理Sixian You说。

该实验室使用的技术涉及与组织样本相互作用的超短激光脉冲技术。

Sixian You说：“成像涉及两种机制。一是一些组织成分会发出不同颜色的不同类型的荧光。另一种机理涉及分子结构，当以某种方式排列时，将会提供完全不同的颜色。”

研究人员使用这种技术来表征细胞外囊泡的内容物。

“我们发现，NADPH分子浓度较高的囊泡与肿瘤的侵袭性高度相关，并且通常位于血管周围。通过表征这些囊泡，我们可以在早期阶段很好地检测出癌变。”Sixian You说。

另一篇论文题目为“深度神经网络驱动的多光子虚拟组织学进行实时术中诊断（Real-Time Intraoperative Diagnosis by Deep Neural Network Driven Multiphoton Virtual Histology）”，发表在Precision Oncology杂志上，同样是Boppart实验室研究团队的成果，该论文将无标记成像与深度学习技术相结合。

目前，外科医生从患者身上切除肿瘤时，他们会从肿瘤的边缘分析组织样本以确保所有癌症组织都已被切除。不幸的是，分析样本的病理实验室可能要花费几天的时间才能完成分析。

这项研究的第一作者Sixian You说：“我们正在尝试使用无标记技术能够立即在手术室中观察组织。获得图像后，我们将使用深度学习方法，区分癌症组织和正常乳腺组织。”

“我们希望这项技术将用于医学诊断和更多的临床应用。目前的病理诊断方法虽然可以满足要求，但是已经过时且费时。我们认为，这项技术可以为我们带来许多新信息。”

“该系统本身有些昂贵，但它与目前使用的其他高端显微镜不同，会随着激光技术的成熟，成本将在几年内下降。” Boppart说，“对我们来说，另一个固有的挑战是，如果想要高分辨率的图像，则需要专注于较小的拍摄区域。虽然观测的区域较小，我们仍然可以充分了解大的组织中正在发生的事情。”

参考文献：
1. You S, Barkalifa R, Chaney EJ, Tu H, Park J, Sorrells JE, Sun Y, Liu YZ, Yang L, Chen DZ, Marjanovic M, Sinha S, Boppart SA. (2019) Label-free visualization and characterization of extracellular vesicles in breast cancer. Proc Natl Acad Sci USA [Epub ahead of print].

2. You S, Sun Y, Yang L, Park J, Tu H, Marjanovic M, Sinha S, Boppart SA. (2019) Real-time intraoperative diagnosis by deep neural network driven multiphoton virtual histology. NPJ Precis Oncol 3:33.