显微课堂 | 人工智能驱动的乳腺癌研究多重染色成像空间分析工具

利用多重成像和人工智能空间分析技术剖析浸润性导管癌的肿瘤微环境

乳腺癌（BC）是女性因癌症死亡的主要原因。调查肿瘤微环境（TME）对于阐明肿瘤进展机制至关重要。利用高倍空间蛋白质组学系统地绘制肿瘤微环境图谱可以提高精准免疫肿瘤学的能力。在这里，我们将基于人工智能的高倍空间分析应用于 BC 组织，研究免疫细胞类型和生物标记物，从而深入了解影响免疫疗法反应的TME分子成分。

主要经验

了解 Cell DIVE 多重染色成像解决方案如何利用细胞信号处理技术 (CST 公司) 经 IHC 验证的抗体来检测 TME 中的关键蛋白。

利用 Aivia 探索人工智能驱动的图像分析，全面了解乳腺癌的 TME、免疫相互作用和潜在治疗靶点。

确定对照组织和乳腺癌组织中各种细胞类型和 TME 组成部分的总体表达水平、共表达模式和空间定位的差异。

探索多重染色空间分析的*功能，以研究复杂的 TME，并了解如何在肿瘤细胞周围的局部邻域观察到特定免疫类型细胞主动招募。

Cell DIVE 多重染色成像解决方案与 Aivia 基于人工智能的图像分析相结合，为探索肿瘤组织的分子特点提供了全面的解决方案。来自 Cell Signaling Technology（CST）的*的 IHC 验证抗体的广泛组合可以检测 TME 中的关键蛋白。在这里，我们展示了使用新型 CST 生物标记物套餐进行多重染色 Cell DIVE 成像，以分析人类正常乳腺和浸润性导管癌 (IDC) 组织。

利用多重染色成像技术

研究乳腺癌的 TME

乳腺癌（BC）在分子和临床水平上都是一种异质性疾病。在全球范围内，乳腺癌是女性因癌症死亡的主要原因。除了传统的化疗/放疗外，免疫疗法是一小部分有反应的患者最有希望的选择之一。然而，这些疗法往往无法防止复发和转移。BC 的疾病异质性给生存预测带来了挑战，因为诊断相似的患者对治疗的反应往往不同。在本文中，我们对乳腺癌组织和正常组织配对进行了多重空间蛋白质组学分析，观察到多种免疫细胞类型和生物标记物，从而深入了解影响免疫疗法反应的TME特征。

Cell DIVE 多重成像解决方案采用迭代染色和染料灭活工作流程，可对整个单一组织切片上的几十种生物标记物进行探测和成像。Cell DIVE 是一种试剂开放的多重成像解决方案，可灵活选择用于多重成像研究的生物标记物套餐抗体。细胞信号技术公司（CST）拥有广泛的经 IHC 验证的抗体组合，可检测 TME 中的关键蛋白，实现组织中免疫细胞的检测和表型分析。CST 提供经 Cell DIVE 验证有效的现成 (OTS) 即用型抗体结合物。CST 采用严格的 IHC 验证方法，然后在 Cell DIVE 平台上进行验证，以确保成功检测蛋白质。在这里，我们展示了使用由数十种 CST 生物标记物组成的新套餐对人类乳腺癌组织样本进行多重细胞 DIVE 成像的过程。

利用人工智能驱动的

空间分析揭示肿瘤免疫格局

利用 Aivia 软件进行人工智能指导分析，对人体正常乳腺和浸润性导管癌（IDC）组织进行分析，发现单个细胞表达了 40 多种针对不同表型的抗体（图 1）。组织对比分析显示了肿瘤生长、免疫逃避、代谢、基质和干细胞相关标记物以及免疫细胞亚型（如调节性 T 细胞（T-regs）、表达免疫检查点蛋白的细胞、B 细胞、巨噬细胞和树突状细胞）的变化。聚类分析显示，IDC 和对照组织中细胞表型的共表达谱存在差异。我们还确定了与肿瘤相关的细胞类型在局部邻域的不同空间分布图，

图 1：通过 Cell DIVE 多重染色成像和 Aivia 分析了解乳腺癌的分子机制。从左到右：虚拟 H&E、整个组织的多重细胞 DIVE 成像、放大视场（FOV）以显示单细胞分辨率、AI 辅助分割以及正常人乳腺组织（上排）和浸润性导管癌组织（下排）中不同细胞类型的表型。整个组织图像的Scale bar分别为 2000 微米（对照组）和 1000 微米（癌组织），所有放大面板的刻度线均为 20 微米。利用针对不同白细胞系、上皮细胞、基质细胞和内皮细胞类型的 40 多种抗体来描述两种组织中的肿瘤免疫微环境（TME）。最后，利用全组织图像进行细胞和核膜分割，使用人工智能驱动的多重染色细胞检测配方识别所有单个细胞，然后对所有细胞进行表型分析。

相关产品:

CELL DIVE 超多标组织成像分析系统

AI图像分析软件 Aivia

点击此处申请样机试用