Il nuovo metodo identifica le proteine ​​e rivela i meccanismi che guidano lo sviluppo del tumore./ Novel Method Identifies Proteins and Reveals the Mechanisms That Drive Tumor Development.

Il nuovo metodo identifica le proteine ​​e rivela i meccanismi che guidano lo sviluppo del tumore. Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione. / Novel Method Identifies Proteins and Reveals the Mechanisms That Drive Tumor Development. The process of the ENEA patent RM2012A000637 is very useful in this type of application.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Il collegamento di immagini con misurazioni dell'abbondanza proteica con risoluzione unicellulare è stata una sfida nonostante i progressi dei metodi basati sull'imaging e sulla spettrometria di massa per la proteomica spaziale. Ora, un nuovo metodo chiamato Deep Visual Proteomics (DVP), è stato sviluppato da un gruppo internazionale di ricercatori guidato dall'Università di Copenaghen ed è stato applicato alle cellule tumorali. I ricercatori ritengono che l'utilizzo di questa tecnologia possa collegare efficacemente le caratteristiche fisiologiche delle cellule osservate al microscopio con le funzioni delle proteine.

I risultati sono dettagliati in uno studio intitolato " Deep Visual Proteomics definisce identità ed eterogeneità unicellulari " e pubblicato sulla rivista Nature Biotechnology .

"Qui introduciamo il DVP, che combina l'analisi delle immagini dei fenotipi cellulari basata sull'intelligenza artificiale con la microdissezione laser automatizzata a cellula singola od a nucleo singolo e la spettrometria di massa ad altissima sensibilità", hanno scritto i ricercatori. "DVP collega l'abbondanza di proteine ​​​​a fenotipi cellulari o subcellulari complessi preservando il contesto spaziale".

“Il nostro nuovo concetto, Deep Visual Proteomics, potrebbe diventare un punto di svolta per la patologia molecolare negli ospedali. Con questo metodo, possiamo identificare migliaia di proteine ​​e determinare quante di esse ci sono", ha spiegato Andreas Mund, professore associato presso il Novo Nordisk Foundation Center for Protein Research (CPR), parte del team di Matthias Mann che ha guidato questo sviluppo presso la RCP e il Max Planck Institute for Biochemistry, ed è il primo autore del nuovo studio.

“Lo facciamo prelevando un campione di tessuto e analizzando solo le cellule tumorali in esso contenute. Questa "lista" di proteine ​​è chiamata proteoma. Questi proteomi rivelano i meccanismi che guidano lo sviluppo del tumore ed espongono direttamente nuovi bersagli terapeutici da una singola fetta di tessuto di una biopsia di un paziente oncologico. Espone un cosmo di molecole all'interno di queste cellule tumorali", ha detto Mund.

I ricercatori hanno applicato il loro metodo alle cellule di pazienti con carcinoma a cellule aciniche e con melanoma. Ciò è stato fatto in collaborazione con i ricercatori del Zealand University Hospital.

“Quando qualcosa va storto all'interno delle nostre cellule e ci ammaliamo, puoi essere certo che le proteine ​​sono coinvolte in un'ampia gamma di modi diversi. Per questo motivo, la mappatura del panorama proteico può aiutarci a determinare perché un tumore potrebbe svilupparsi in un particolare paziente, quali vulnerabilità ha quel tumore e anche quale strategia di trattamento potrebbe rivelarsi la più vantaggiosa", ha aggiunto Mann.

“Questo metodo unico combina l'architettura dei tessuti con l'espressione di migliaia di proteine ​​specifiche per cellule selezionate. Consente ai ricercatori di studiare le interazioni tra le cellule tumorali e le cellule circostanti con importanti implicazioni per il futuro trattamento clinico del cancro. Di recente, abbiamo diagnosticato un caso clinico molto complesso con due diverse componenti ed i risultati dell'analisi DVP", ha affermato Lise Mette Rahbek Gjerdrum, consulente e professore associato di ricerca clinica presso il dipartimento di patologia, Zealand University Hospital e il dipartimento di medicina clinica, University di Copenaghen.

Il nuovo metodo combina i progressi di quattro diverse tecnologie in un unico flusso di lavoro. In primo luogo, la microscopia avanzata genera mappe tissutali ad alta risoluzione. In secondo luogo, gli algoritmi di apprendimento automatico vengono utilizzati per classificare accuratamente le cellule prima delle microdissezioni laser e della raccolta di singole cellule. Quindi le cellule normali o malate di un particolare tipo vengono analizzate mediante spettroscopia di massa, mappando il panorama proteico e comprendendo i meccanismi di salute e malattia.

“Utilizzando questa tecnologia, possiamo collegare efficacemente le caratteristiche fisiologiche delle cellule osservate al microscopio con le funzioni delle proteine. Ciò non era possibile in precedenza e siamo molto convinti che questo metodo possa essere applicato ad altre malattie, non solo al cancro", ha affermato Mund.

“Poiché una singola diapositiva può comprendere centinaia di migliaia di cellule, DVP può scoprire e caratterizzare stati e interazioni cellulari rari. In contrasto con la trascrittomica unicellulare, DVP può facilmente analizzare le strutture subcellulari e le dinamiche spaziali dell'ECM. Con ulteriori miglioramenti nella tecnologia della proteomica, il DVP dovrebbe essere adatto anche per studiare le proteoforme e le modifiche post-traduzionali a livello di tipo unicellulare", hanno concluso i ricercatori.

Questi risultati possono aprire la strada a nuovi trattamenti e strategie per malattie sfuggenti come il cancro ed altre.

ENGLISH

Connecting images with single-cell resolution protein abundance measurements has been a challenge despite the advances of imaging-based and mass-spectrometry-based methods for spatial proteomics. Now, a novel method called, Deep Visual Proteomics (DVP), has been developed by an international team of researchers led by Copenhagen University and has been applied to cancer cells. The researchers believe using this technology, can effectively connect the physiological characteristics of cells seen under microscopes with the functions of proteins.

The findings are detailed in a study titled, “Deep Visual Proteomics defines single-cell identity and heterogeneity,” and published in the journal Nature Biotechnology.

“Here, we introduce DVP, which combines artificial-intelligence-driven image analysis of cellular phenotypes with automated single-cell or single-nucleus laser microdissection and ultra-high-sensitivity mass spectrometry,” wrote the researchers. “DVP links protein abundance to complex cellular or subcellular phenotypes while preserving spatial context.”

“Our new concept, Deep Visual Proteomics, could become a game-changer for molecular pathology in the hospitals. With this method, we can identify thousands of proteins and determine how many of them are there,” explained Andreas Mund, associate professor at the Novo Nordisk Foundation Center for Protein Research (CPR), part of Matthias Mann’s team that spearheaded this development at CPR and the Max Planck Institute for Biochemistry, and is first author of the new study.

“We do this by taking a tissue sample and analyzing just the tumor cells in it. This ‘list’ of proteins is called proteome. These proteomes reveal the mechanisms that drive tumor development and directly expose new therapeutic targets from a single tissue slice of a cancer patient biopsy. It exposes a cosmos of molecules inside these cancer cells,” said Mund.

The researchers applied their method to cells from patients with acinic cell carcinoma and with melanoma. This was done in collaboration with researchers at the Zealand University Hospital.

“When something goes wrong inside our cells and we become sick, you can be sure that proteins are involved in a wide range of different ways. Because of this, mapping the protein landscape can help us determine why a tumor could develop in a particular patient, what vulnerabilities that tumor has and also what treatment strategy might prove the most beneficial,” added Mann.

“This unique method combines tissue architecture with the expression of thousands of proteins specific for selected cells. It enables researchers to investigate interactions between cancer cells and their surrounding cells with major implications for future clinical cancer treatment. Recently, we diagnosed a highly complex clinical case with two different components and the results from DVP analysis,” said Lise Mette Rahbek Gjerdrum, consultant and clinical research associate professor at the department of pathology, Zealand University Hospital and the department of clinical medicine, University of Copenhagen.

The new method combines advances from four different technologies into a single workflow. First, advanced microscopy generates high-resolution tissue maps. Second, machine learning algorithms are used to classify cells accurately before laser microdissections and single-cell collection. Then the normal or diseased cells of a particular type are analyzed by mass spectroscopy, mapping the protein landscape, and understanding the mechanisms of health and disease.

“Using this technology, we can effectively connect the physiological characteristics of cells seen under microscopes with the functions of proteins. This was not previously possible and we are very convinced that this method can be applied to other diseases, not just cancer,” said Mund.

“As a single slide can encompass hundreds of thousands of cells, DVP can discover and characterize rare cell states and interactions. In contrast to single-cell transcriptomics, DVP can readily analyze the ECMʼs subcellular structures and spatial dynamics. With further improvements in proteomics technology, DVP should also be suited to study proteoforms and post-translational modifications at a single-cell-type level,” concluded the researchers.

These findings may pave a path for new treatments and strategies for elusive diseases such as cancer and others.

Da:

https://www.genengnews.com/news/novel-method-identifies-proteins-and-reveals-the-mechanisms-that-drive-tumor-development/?fbclid=IwAR1qOGWlvJAeLtuae7L8aYsAbojPdZARV-XCT936AqrT1gxgkVHizwGNwJg