Ce protocole décrit un flux de travail à haut débit pour la segmentation basée sur l’intelligence artificielle des régions d’intérêt confirmées par la pathologie à partir d’images de coupes de tissus minces et colorées pour l’enrichissement des populations cellulaires résolues par histologie à l’aide de la microdissection laser. Cette stratégie comprend un nouvel algorithme permettant le transfert de démarcations désignant des populations cellulaires d’intérêt directement aux microscopes laser.
Le microenvironnement tumoral (TME) représente un écosystème complexe composé de dizaines de types cellulaires distincts, y compris des populations de tumeurs, de stromas et de cellules immunitaires. Pour caractériser la variation au niveau du protéome et l’hétérogénéité tumorale à grande échelle, des méthodes à haut débit sont nécessaires pour isoler sélectivement les populations cellulaires discrètes dans les tumeurs malignes solides. Ce protocole décrit un flux de travail à haut débit, rendu possible par l’intelligence artificielle (IA), qui segmente les images de coupes de tissus minces colorées à l’hématoxyline et à l’éosine (H & E) dans des régions d’intérêt confirmées par la pathologie pour la récolte sélective de populations cellulaires résolues par histologie à l’aide de la microdissection laser (LMD). Cette stratégie comprend un nouvel algorithme permettant le transfert de régions indiquant des populations cellulaires d’intérêt, annotées à l’aide d’un logiciel d’image numérique, directement vers des microscopes laser, permettant ainsi des collections plus faciles. La mise en œuvre réussie de ce flux de travail a été réalisée, démontrant l’utilité de cette méthode harmonisée pour prélever sélectivement des populations de cellules tumorales à partir du TME pour une analyse protéomique quantitative et multiplexée par spectrométrie de masse à haute résolution. Cette stratégie s’intègre pleinement à l’examen de routine de l’histopathologie, tirant parti de l’analyse d’images numériques pour soutenir l’enrichissement des populations cellulaires d’intérêt et est entièrement généralisable, permettant des récoltes harmonisées de populations cellulaires à partir du TME pour des analyses multiomiques.
Le TME représente un écosystème complexe peuplé d’un éventail très diversifié de types cellulaires, tels que les cellules tumorales, les cellules stromales, les cellules immunitaires, les cellules endothéliales, d’autres types de cellules mésenchymateuses et les adipocytes, ainsi qu’une matrice extracellulaire complexe1. Cet écosystème cellulaire varie à l’intérieur et entre les différents sites d’organes de la maladie, ce qui entraîne une hétérogénéité tumorale complexe 2,3. Des études récentes ont montré que les tumeurs hétérogènes et les tumeurs à faible cellularité tumorale (faible pureté) sont souvent en corrélation avec un mauvais pronostic de la maladie 2,3.
Pour comprendre l’interaction moléculaire entre les populations de cellules tumorales et non tumorales au sein du TME à grande échelle, des stratégies standardisées et à haut débit sont nécessaires pour récolter sélectivement des populations cellulaires distinctes d’intérêt pour l’analyse multiomique en aval. La protéomique quantitative représente une technique en évolution rapide et de plus en plus importante pour approfondir la compréhension de la biologie du cancer. À ce jour, la prépondérance des études utilisant la protéomique l’a fait avec des protéines extraites de préparations de tissus tumoraux entiers (par exemple, cryopulvérisées), ce qui a conduit à une insuffisance dans la compréhension de l’hétérogénéité au niveau du protéome dans le TME 4,5,6.
Le développement de stratégies de collecte d’échantillons qui s’intègrent de manière transparente aux flux de travail de pathologie clinique et les exploitent permettra une nouvelle génération de protéomiques résolues en histologie qui sont hautement complémentaires aux flux de travail de pathologie diagnostique de référence. La LMD permet la collecte directe et sélective de sous-populations cellulaires ou de régions d’intérêt (ROI) par inspection microscopique de fines coupes minces de tissus colorés histologiquement7. Les progrès majeurs récents en pathologie numérique et en analyse basée sur l’IA ont démontré la capacité d’identifier de manière automatisée des caractéristiques de composition et des retours sur investissement uniques au sein du TME, dont beaucoup sont en corrélation avec des altérations moléculaires et des caractéristiques cliniques de la maladie, telles que la résistance au traitement et le pronostic de la maladie8.
Le flux de travail décrit dans le protocole présenté ici exploite des solutions logicielles commerciales pour annoter sélectivement les ROI tumoraux dans les images histopathologiques numériques, et utilise des outils logiciels développés en interne pour transférer ces ROI tumoraux vers des microscopes laser pour la collecte automatisée de populations cellulaires discrètes d’intérêt qui s’intègre parfaitement aux flux de travail d’analyse multiomique en aval. Cette stratégie intégrée réduit considérablement le temps de l’opérateur LMD et minimise la durée pendant laquelle les tissus doivent être à température ambiante. L’intégration de la sélection automatisée des caractéristiques et de la récolte de LMD avec la protéomique quantitative à haut débit est démontrée par une analyse différentielle du TME de deux sous-types histologiques représentatifs du cancer épithélial de l’ovaire, le cancer de l’ovaire séreux de haut grade (HGSOC) et le carcinome à cellules claires de l’ovaire (OCCC).
Bien qu’il y ait eu de multiples précédents d’étude visant à développer et / ou à améliorer les flux de travail pour l’enrichissement des sous-populations cellulaires cibles à partir de FFPE et / ou de tissus fraîchement congelés et des méthodologies pour maintenir la qualité des échantillons pendant le traitement 9,12,13,14,15, il existe un besoin important de développer des stratégies automatisées pour préparer des échantillons de tissus cliniques pour des analyses moléculaires afin de réduire la variabilité et augmenter la reproductibilité. Ce flux de travail décrit un protocole standardisé et semi-automatisé qui intègre les outils logiciels d’analyse d’images existants (voir la table des matériaux) pour la récolte résolue par histologie de populations de cellules discrètes par LMD à partir d’échantillons de tissus cliniques.
L’enrichissement en LMD à résolution spatiale des ROI capturant des populations cellulaires discrètes représente une étape de traitement tissulaire de nouvelle génération avant les analyses multiomiques afin d’améliorer la caractérisation moléculaire et l’identification et de faciliter la découverte de biomarqueurs sélectifs cellulaires. Ce protocole améliore les méthodologies existantes en réduisant l’exposition souvent longue des coupes de tissus à l’environnement ambiant qui est associée à la segmentation manuelle du retour sur investissement par un histologue (ce qui peut prendre >1 à 2 heures avant la collecte de LMD). Ce flux de travail permet plutôt au retour sur investissement d’être préidentifié par une classification et une segmentation guidées par l’IA. Limiter le temps de séjour des tissus réduira les variations fallacieuses dans les évaluations des cibles moléculaires hautement labiles, telles que les phosphopeptides et l’ARNm, ou pour les techniques analytiques à base d’anticorps qui reposent sur une protéine cible dans sa conformation native pour la détection.
La découpe de fiducials d’étalonnage soignés sur la lame de membrane PEN qui sont clairement visibles dans l’image de diapositive numérisée est l’un des éléments clés permettant l’intégration du logiciel d’analyse d’image (voir la table des matériaux) avec le flux de travail LMD. S’assurer que les calibrateurs ont un point précis (« propre ») au bas de la forme « V » permet de sélectionner un point précis dans le logiciel d’analyse d’image pour les lignes d’étalonnage à dessiner, comme décrit aux étapes 5.1.6 et 5.2.13. L’alignement de ces points lors de l’importation dans le logiciel LMD est essentiel pour superposer correctement les annotations (facilité par la génération d’un fichier .xml compatible à l’aide des algorithmes « Malleator » et / ou « Dapọ ») sur le retour sur investissement tissulaire pertinent sur la diapositive LMD physique. Il est nécessaire de mettre en évidence toutes les formes et collectivement de « glisser-déposer » en place même lorsque l’alignement est précis lors de l’importation dans le logiciel LMD pour enregistrer la position verticale (plan z) de l’étage de diapositive sur le microscope laser. Des ajustements mineurs au positionnement des annotations sur le roi des tissus peuvent également être effectués au cours de cette étape, si nécessaire.
Une limitation de la version actuelle de l’algorithme Malleator est qu’elle n’est pas compatible avec les outils de forme d’annotation prédéfinis fournis par le logiciel d’analyse d’images (voir la table des matériaux), bien que les futures mises à jour / versions de l’algorithme viseront à améliorer cette compatibilité. Le fichier .annotation pour les formes dessinées à l’aide de ces outils ne contient que deux ensembles de coordonnées x et y appariées pour chaque annotation, sans l’orientation spatiale complète autour de ces points. L’utilisation actuelle de ces outils entraîne la conversion des annotations en lignes droites définies par seulement deux points au cours du processus d’importation. La définition manuelle des segments de retour sur investissement des tissus est nécessaire pour une conversion réussie au format XML et à l’importation LMD. Cela peut être effectué en définissant manuellement chaque retour sur investissement avec des annotations polygonales individuelles à main levée spécifiques à la zone cible ou en appliquant une annotation circulaire ou rectangulaire approximative sur tous les segments de retour sur investissement des tissus, si vous le souhaitez, et sera compatible avec ce flux de travail.
Bien que le flux de travail présenté ici ait été démontré pour l’analyse protéomique d’échantillons de tissus cancéreux humains fraîchement congelés, ce flux de travail LMD piloté par l’IA peut être utilisé de manière équivalente avec les tissus FFPE, les types de tissus non cancéreux et ceux provenant de sources non humaines. Il peut également prendre en charge d’autres flux de travail de profilage moléculaire en aval, y compris les analyses transcriptomiques, génomiques ou phosphoprotéomiques. Ce flux de travail peut également tirer parti d’autres utilisations du logiciel d’analyse d’images (voir le tableau des matériaux), y compris avec des capacités associées au comptage de cellules ou à d’autres modules analytiques, y compris le module « Multiplex IHC » ou le « Tissue Microarray (TMA) Add-on ». Les applications futures de ce flux de travail pourraient également bénéficier de la prédéfinition du nombre de cellules par segment de retour sur investissement, garantissant ainsi des entrées cellulaires équivalentes dans plusieurs collections, ou en utilisant des méthodes alternatives pour définir les ROI cellulaires d’intérêt, telles que l’immunohistochimie ou la sociologie cellulaire.
The authors have nothing to disclose.
Le financement de ce projet a été fourni en partie par le Defense Health Program (HU0001-16-2-0006 et HU0001-16-2-00014) à l’Uniformed Services University for the Gynecologic Cancer Center of Excellence. Les promoteurs n’ont joué aucun rôle dans la conception, l’exécution, l’interprétation ou la rédaction de l’étude. Démenti: Les opinions exprimées dans le présent document sont celles des auteurs et ne reflètent pas la politique officielle du département de l’Armée / Marine / Force aérienne, du ministère de la Défense ou du gouvernement des États-Unis.
1260 Infinity II System | Agilent Technologies Inc | Offline LC system | |
96 MicroCaps (150uL) in bulk | Pressure Biosciences Inc | MC150-96 | |
96 MicroPestles in bulk | Pressure Biosciences Inc | MP-96 | |
96 MicroTubes in bulk (no caps) | Pressure Biosciences Inc | MT-96 | |
9mm MS Certified Clear Screw Thread Kits | Fisher Scientific | 03-060-058 | Sample vial for offline LC frationation and mass spectrometry |
Acetonitrile, Optima LC/MS Grade | Fisher Chemical | A995-4 | Mobile phase solvent |
Aperio AT2 | Leica Microsystems | 23AT2100 | Slide scanner |
Axygen PCR Tubes with 0.5 mL Flat Cap | Fisher Scientific | 14-222-292 | Sample tubes; size fits PCT tubes and thermocycler |
Barocycler 2320EXT | Pressure Biosciences Inc | 2320-EXT | Barocycler |
BCA Protein Assay Kit | Fisher Scientific | P123225 | |
cOmplete, Mini, EDTA-free Protease Inhibitor Cocktail | Roche | 11836170001 | |
Easy-nLC 1200 | Thermo Fisher Scientific | Liquid Chromatography | |
EasyPep Maxi Sample Prep Kit | Thermo Fisher Scientific | NCI5734 | Post-label sample clean up column |
EASY-SPRAY C18 2UM 50CM X 75 | Fisher Scientific | ES903 | Analytical column |
Eosin Y Solution Aqueous | Sigma Aldrich | HT110216 | |
Formic Acid, 99+ % | Thermo Fisher Scientific | 28905 | Mobile phase additive |
ggplot2 version 3.3.5 | CRAN | https://cran.r-project.org/web/packages/ggplot2/ | |
HALO | Indica Labs | Image analysis software | |
IDLE (Integrated Development and Learning Environment) | Python Software Foundation | ||
iheatmapr version 0.5.1 | CRAN | https://cran.r-project.org/web/packages/iheatmapr/ | |
iRT Kit | Biognosys | Ki-3002-1 | LC-MS QAQC Standard |
limma version 3.42.2 | Bioconductor | https://bioconductor.org/packages/release/bioc/html/limma.html | |
LMD Scanning stage Ultra LMT350 | Leica Microsystems | 11888453 | LMD stage model outfitted with PCT tube holder |
LMD7 (software version 8.2.3.7603) | Leica Microsystems | LMD apparatus (microscope, laser, camera, PC, tablet) | |
Mascot Server | Matrix Science | Data analysis software | |
Mass Spec-Compatible Human Protein Extract, Digest | Promega | V6951 | LC-MS QAQC Standard |
Mayer’s Hematoxylin Solution | Sigma Aldrich | MHS32 | |
PEN Membrane Glass Slides | Leica Microsystems | 11532918 | |
Peptide Retention Time Calibration Mixture | Thermo Fisher Scientific | 88321 | LC-MS QAQC Standard |
Phosphatase Inhibitor Cocktail 2 | Sigma Aldrich | P5726 | |
Phosphatase Inhibitor Cocktail 3 | Sigma Aldrich | P0044 | |
Pierce LTQ Velos ESI Positive Ion Calibration Solution | Thermo Fisher Scientific | 88323 | Instrument calibration solution |
PM100 C18 3UM 75UMX20MM NV 2PK | Fisher Scientific | 164535 | Pre-column |
Proteome Discoverer | Thermo Fisher Scientific | OPTON-31040 | Data analysis software |
Python | Python Software Foundation | ||
Q Exactive HF-X | Thermo Fisher Scientific | Mass spectrometer | |
R version 3.6.0 | CRAN | https://cran-archive.r-project.org/bin/windows/base/old/2.6.2/ | |
RColorBrewer version 1.1-2 | CRAN | https://cran.r-project.org/web/packages/RColorBrewer/ | |
Soluble Smart Digest Kit | Thermo Fisher Scientific | 3251711 | Digestion reagent |
TMTpro 16plex Label Reagent Set | Thermo Fisher Scientific | A44520 | isobaric TMT labeling reagents |
Veriti 60 well thermal cycler | Applied Biosystems | 4384638 | Thermocycler |
Water, Optima LC/MS Grade | Fisher Chemical | W6-4 | Mobile phase solvent |
ZORBAX Extend 300 C18, 2.1 x 12.5 mm, 5 µm, guard cartridge (ZGC) | Agilent Technologies Inc | 821125-932 | Offline LC trap column |
ZORBAX Extend 300 C18, 2.1 x 150 mm, 3.5 µm | Agilent Technologies Inc | 763750-902 | Offline LC analytical column |