Degradazione dell’acido nucleico in tessuto archivistico, eterogeneità del tumore e una mancanza di campioni di tessuto fresco congelato può influire negativamente sulle servizi di diagnostica del cancro nei laboratori di patologia in tutto il mondo. Questo manoscritto descrive l’ottimizzazione di un pannello di biomarcatori usando un’analisi multiplex Beads magnetiche per classificare i tumori al seno.
Degradazione dell’acido nucleico in tessuto archivistico, eterogeneità del tumore e una mancanza di campioni di tessuto fresco congelato può influire negativamente sulle servizi di diagnostica del cancro nei laboratori di patologia in tutto il mondo. L’amplificazione del gene e l’espressione diagnostica test utilizzando materiale d’archivio o materiale che necessita di trasporto al servizio dei laboratori, ha bisogno di un più robusto e preciso test adattato per flussi di lavoro clinici attuali. Il nostro team di ricerca ottimizzato l’uso di Invitrogen™ QuantiGene™ Plex analisi (Thermo Fisher Scientific) per quantificare il RNA a materiale d’archivio utilizzando la tecnologia DNA ramificato (bDNA) su Luminex xMAP® biglie magnetiche. L’analisi di espressione genica descritto in questo manoscritto è un metodo rapido e multisala di romanzo, che consentono di classificare con precisione il cancro al seno nei diversi sottotipi molecolari, omettendo la soggettività di interpretazione inerente a tecniche di imaging. Inoltre, a causa del basso input di materiale richiesto, tumori eterogenei possono essere laser microdissected con ematossilina ed eosina (H & E) sezioni macchiate. Questo metodo ha una vasta gamma di applicazioni possibili, compresa la classificazione del tumore con potenziale diagnostico e misurazione dei biomarcatori nelle biopsie liquide, che permettono una migliore gestione paziente e monitoraggio delle malattie. Inoltre, la misurazione quantitativa di biomarcatori in materiale archivistico è utile nella ricerca oncologica con accesso alle librerie di materiale clinicamente con annotazioni, in cui gli studi retrospettivi possono convalidare potenziali biomarcatori ed il loro risultato clinico correlazione.
Ottimizzazione dei dosaggi di RNA basato utilizzando materiale di (FFPE) di paraffina-incastonato formalina-fisso d’archivio è impegnativo a causa della variabilità nel trattamento chirurgico del tessuto e degradazione del RNA causato da formalina usato per tessuto integrità conservazione1, 2. Per superare le limitazioni di esecuzione di studi di espressione genica accurata da materiale d’archivio, il nostro gruppo usato l’analisi di biglie magnetiche multisala bDNA. Invece di amplificazione enzimatica di un modello di destinazione, la tecnologia di bDNA utilizza l’ibridazione di sonde specifiche e l’amplificazione di un reporter segnale3. Le sequenze di riconoscimento breve delle sonde di rilevamento e acquisizione sono progettate per ibridare ad brevi frammenti di RNA obiettivo4. Inoltre, l’uso degli omogeneati del tessuto come il materiale di partenza diretto in questa analisi, sormonta l’inevitabile perdita di RNA risultante dall’analisi che richiede purificazione e previa estrazione del RNA. Amplificazione del segnale, l’utilizzo di sequenze di riconoscimento breve e l’esclusione di una fase di purificazione, contribuiscono a ridurre in tecnica variazione del dosaggio. La tecnologia fornisce la possibilità di multiplex il dosaggio (fino a 80 obiettivi di RNA) e misurare l’espressione di un panel di bersagli da basso materiale in ingresso. Questo protocollo descrive la preparazione e colorazione dei campioni di tessuto per il laser microdissection. Di colorazione sui vetrini membrana facilitare l’imaging del tumore e dell’architettura istologica per fornire accurata selezione e profilatura di: (1) il tumore e dotti normali nel tessuto del seno e (2) la cellula maligna cloni all’interno dei tumori eterogenei.
Classificazione molecolare del tumore della mammella è un processo che interroga marcatori molecolari per classificare i pazienti tumori in tre classi molecolari, cioè, ricevitore di fattore di crescita epidermico luminal, umano 2 (HER2)-sottotipo arricchito e basale. Il sottotipo di HER2-arricchito è ben definito, con alta espressione del recettore HER2, per l’amplificazione del gene ERBB2, combinato con basso o assente del ricevitore dell’estrogeno (ER) e il ricevitore del progesterone (PgR). Il sottotipo di luminal è generalmente positivo per ER e il sottotipo basale sono in generale negativo per i tre ricevitori (HER2, ER, PgR) e significativamente sovrapposizioni con al seno triplo negativo (TNBC) cancro diagnostica sottotipo5,6. Altri marcatori vengono utilizzati per determinare le caratteristiche epiteliali e mesenchimali. Fibronectina (FN1) è un componente principale del vano mesenchimali del tessuto del seno. Espressione aumentata di FN1 è accompagnata da alta Ki67 colorazione e Mostra una firma per un più invasiva del tumore7,8 ed è associato con metastasi9. È interessante notare che, FN1 è stato trovato per essere presenti in microvescicole che proviene dalle cellule del tumore, che ha indotto l’attivazione di segnali mitogeni in fibroblasti destinatario10. Quindi, circolanti microvescicole come esosomi sono un potenziale marker di diagnosi precoce o metastasi e ricadono11.
Selezione dell’area di tumore per seno cancro trascrizionale sottotipizzazione ricorrentemente è stata eseguita da macrodissection12,13. Per superare l’eterogeneità del tessuto e aumentare la sensibilità, abbiamo combinato in modo affidabile tessuto classico colorazione con metodi di analisi molecolari multiplex. Come prova di principio, due cloni di cancro al seno distinti sono stati definiti da loro firma mesenchymal epiteliale ed il potenziale metastatico. Il flusso di lavoro del protocollo descritto può essere facilmente tradotto all’impostazione clinica corrente e utilizzato selettivamente isolare e caratterizzare i sottotipi di tessuto realizzati con profilatura di mRNA mirati.
Un’analisi basata su perlina multiplex bDNA è stata ottimizzata per quantificare l’espressione genica su RNA degradato derivato dal tessuto del cancro di seno FFPE e dotti seno normale. Ottimizzare il dosaggio, coinvolto lo sviluppo di un algoritmo per classificare i tumori del cancro al seno in sottotipi luminal e basale che utilizzano 8 ben noti biomarcatori e 5 potenziali normalizzante geni. Normalizzazione dei dati è stato fatto utilizzando permutazioni dei geni normalizzanti. La selezione dei geni normalizzante è basata sulla migliore previsione di stato del ricevitore utilizzando i geni di classificatore di Luminal/basali. Per classificare i sottotipi di Luminal/basali da tessuti FFPE, normalizzanti geni selezionati erano Beta-actina (ACTB), gliceraldeide 3-fosfato deidrogenasi (GAPDH) e ipoxantina fosforibosiltransferasi 1 (HPRT1).
Il metodo può essere adattato per l’uso in altri diagnostica e aree di ricerca seguendo un’adeguata selezione del set gene normalizzante. Un’importante applicazione di questo metodo nel settore della ricerca è la misura di biomarcatori in materiale archivistico che ben è annotato con gli esiti clinici. Questo potrebbe convalidare potenziali marcatori predittivi in studi retrospettivi, rapidamente e con precisione ed evitare gli studi prospettivi a lungo termine in attesa di sopravvivenza libera da malattia e dati di sopravvivenza complessiva. Attualmente il nostro gruppo sta studiando l’uso del test per rilevare gli esosomi ricevitore-positivi, che richiede lo sviluppo di un nuovo algoritmo utilizzando alternativo normalizzante geni per la normalizzazione dei dati. L’uso di liquide biopsie e analisi di espressione genica robusto permetterà analisi multiplex elevato throughput adattate per la gestione del paziente durante il trattamento e forniscono un mezzo per seguire l’efficacia del trattamento, potenziale ricaduta a causa di resistenza alla terapia e la capacità metastatica del tumore.
Questo metodo inoltre ha una vasta gamma di possibili applicazioni nella diagnosi dei tumori ed è adattato all’iter diagnostico corrente. I principali vantaggi di questo metodo nel campo diagnostico includono: (1) implementazione di saggi di throughput elevato, (2) escluse le soggettività e risultati ambigui provenienti da misure basate su immagine, (3) rilevazione accurata di bersagli multipli contemporaneamente, che aumentano la precisione e non minimizzare l’uso di preziosi campioni di pazienti e (4) nessun requisito per strutture altamente specializzate e risorse umane. Il processo di campionamento ottimizzata, insieme con il basso input di materiale richiesto per il dosaggio di multiplex basati su tallone, permette ulteriore indagine di eterogeneità del tumore; mediante microdissezione laser per separare accuratamente i fuochi multipli del tessuto maligno dalla sezione del paziente stesso, è possibile confrontare più espressione genica tra di loro nonché con tessuto normale corrispondente (Figura 4). Materiale a basso input è di vitale importanza per l’applicazione diagnostica sulle biopsie del tumore che forniscono il tessuto del tumore limitato. La capacità del test per misurare l’espressione genica ottenuti da campioni di RNA degradati permette facile trasporto dei campioni per l’analisi all’interno di un’istituzione o a laboratori di manutenzione. Inoltre, tutta la sezione analisi era anche possibile utilizzando H & E macchiato del materiale (Figura 1).
Per il successo di questo protocollo, è imperativo per: (1) assicurare il corretto campionamento del tumore sito/s che vengono lisate per il dosaggio e (2) sviluppare ben ottimizzato e convalidati gli algoritmi di normalizzazione dei dati, per ogni pannello di espressione genica e/o prognostici individuali o biomarcatori predittivi. Il primo dipende dall’esperienza tecnica dello scienziato/tecnico eseguendo il campionamento. Si consiglia di prendere un core aggiuntivo e preparare un tissue microarray (TMA) nello stesso formato del dosaggio multisala Beads magnetiche (formato da 96 pozzetti). Ciò fornirà un archivio di siti del tumore come una replica di campioni utilizzati per il dosaggio di RNA-ha basato. TMAs può essere valutato anche con altre tecniche per la ricerca di follow-up o la convalida dei risultati. Lo sviluppo di algoritmi di normalizzazione è dipenda del materiale indagato e normalizzanti geni selezionati per la normalizzazione. Diversi pannelli di normalizzazione dei geni sono selezionati basati sul livello e sulla variabilità di espressione nel campione analizzato e questo varia tra tessuti tumorali di diversa origine, esosomi da plasma o cellule tumorali circolanti. Validazione del test include trattamento del campione poiché varie preparazioni comporterà anche algoritmi di normalizzazione differente.
Per riassumere, l’uso della tecnologia bDNA in combinazione con la tecnologia di biglie magnetiche e la selezione del corretto pannello di geni bersaglio, fornirà il vantaggio aggiunto di misurare l’espressione genica direttamente nei lisati di tessuto derivato da piccole quantità di materiale paziente, compreso materiale, esosomi microdissected e cellule tumorali circolanti. Oltre al rilevamento di eterogeneità del tumore, l’uso corretto dei pannelli ha il potenziale per rilevare il tumore derivato esosomi per la diagnostica precoce e diagnosi precoce delle recidive. Poiché non vi è alcuna necessità di un passaggio di amplificazione dell’acido nucleico, l’amplificazione del segnale utilizzando la tecnologia bDNA, combinata con il multiplex basati su tallone, misure più espressione genica in materiale archivistico clinicamente con annotazioni e fornire una risorsa per convalida di biomarcatore.
The authors have nothing to disclose.
Il lavoro è stato supportato da (1) una borsa di progetto del cancro al seno (2014-2016) finanziato dall’azione per Breast Cancer Foundation e ALIVE 2013 attraverso la ricerca, l’innovazione & sviluppo Trust (RIDT) dell’Università di Malta, (2) la facoltà di medicina E chirurgia, Università di Malta e (3) progetto ACT finanziato dal Consiglio Malta for Science & Technology attraverso fusione: The R & I tecnologia sviluppo programma 2016. La pubblicazione di questo manoscritto è supportata attraverso la concessione di Jove-Luminex.
Microtome | Leica | RM2235 | |
Heamatoxylin Mayer's | Sigma | MHS16-500mL | |
Eosin Y Aquaeous solution | Sigma | HT110216-500mL | |
Normal Rabbit Serum | Monosan | MONX10963 | Working dilution: 1/40 |
Biotinylated Rabbit anti-mouse | Dako | E0354 | Working dilution: 1/200 |
ER antibody (6F11) | Vector Laboratories | VPE614 | Working dilution: 1/45 |
HER2 antibody (CB11) | Novocastra | CB11-L-CE | Working dilution: 1/325 |
Ki67 antibody (MIB-1) | Dako | M7240 | Working dilution: 1/500 |
Avidin Biotin Complex kit | Vector Laboratories | PK-6100 | |
Nikon Eclipse Ti-E Inverted microscope | Nikon | Ti-E | 4x, 10x, 20x and 40x objectives |
Laser Microdissection membranes | Molecular Machines &Industries | S0103 | |
mmi CellCamera 1.4 | Molecular Machines &Industries | MX4285c-ACK07 | |
mmi Cellcut Plus | Molecular Machines &Industries | ||
Diffuser caps | Molecular Machines &Industries | 50210 | |
mmi Celltools Software v.4.01rcl | Molecular Machines &Industries | ||
Eppendorf Thermomixer comfort | Eppendorf | 5355000038 | |
1.5mL heating block for Eppendorf Thermomixer | Eppendorf | 22670522 | |
96-well plate heating block for Eppendorf Thermomixer | Eppendorf | 22670565 | |
Labnet Vortemp 56 Shaking incubator | Labnet | 52056A-220 | |
LX200 100/200 | Luminex | Magnetic bead analyser | |
Invitrogen QuantiGene Sample Processing Kit – FFPE Tissues | ThermoFisher Scientific | QS0109 | |
Invitrogen QuantiGene Plex 2.0 Assay Kit (Magnetic Separation) | ThermoFisher Scientific | QP1011 | |
Thermaseal RTS Sealing Film | Thermaseal | 765246 | |
Hand-Held Magnetic Plate Washer | ThermoFisher Scientific | QP1011 | |
Invitrogen QuantiGene Incubator Temperature Validation Kit | Affymetrix/Panomics | QS0517 | |
Proteinase K (50µg/µL) | ThermoFisher Scientific | 14622 | |
Invitrogen QuantiGene Plex 2.0 Sets | ThermoFisher Scientific | Various | |
Multi Speed Vortex | Kisker Biotech | MSV-3500 | |
Sonicator | Silvercrest | ||
RNASEZAP | Sigma | R2020-250ML | |
Aluminium 96-well plate seal | Sigma | Z721549-100EA | |
Temperature Validation Kit | ThermoFisher Scientific | QS0517 | |
RapidMiner Studio Community 7.1.001 | RapidMiner | Data Science Platform | |
Hybridisation oven | Hybaid (Thermo Scientific) |