طیف سنجی رامان تأثیر ایمونوتراپی بر تومورها را روشن می کند

طیف سنجی رامان تأثیر ایمونوتراپی بر تومورها را روشن می کند


مهندسان دانشگاه جان هاپکینز می گویند از پروب های نوری غیرتهاجمی برای درک تغییرات پیچیده تومورها پس از ایمونوتراپی استفاده می کنند. روش آنها ترکیبی از نگاشت دقیق ساختار بیوشیمیایی تومورها با یادگیری ماشینی است.

ایشام برمن ، دکترای تخصصی ، در دانشکده مهندسی مکانیک جانز هاپکینز می گوید: “ایمونوتراپی واقعاً مانند جادو عمل می کند و رویکرد ما برای مشاهده نحوه کنترل سرطان اساساً تغییر کرده است.” او یکی از نویسندگان این مطالعه (“تومور اولیه ناشی از طیف سنجی رامان و ایمونوتراپی یادگیری ماشین تغییرات کوچک محیطی را نشان می دهد”) است که با همکاری همکارانش در دانشگاه آرکانزاس سازماندهی و منتشر شد تحقیق سرطانبه “با این حال ، تنها 25 درصد از بیماران از آن سود می برند ، بنابراین نیاز مبرم به شناسایی نشانگرهای زیستی پیش بینی کننده برای تصمیم گیری در مورد افرادی که تحت درمان قرار می گیرند ، وجود دارد.”

طیف سنجی رامان از نور برای تعیین ساختار مولکولی مواد استفاده می کند. این تیم تومورهای سرطان روده بزرگ را با یک گروه کنترل از موش های درمان نشده با دو نوع مهارکننده بازرسی ایمنی که در ایمونوتراپی استفاده می شود ، مورد بررسی قرار داد.

“ایمونوتراپی سرطان مزایای بالینی پایداری را برای تعداد کمی از بیماران ارائه می دهد و تشخیص این بیماران به دلیل عدم وجود نشانگرهای زیستی قابل اعتماد برای پیش بینی و ارزیابی پاسخ درمانی دشوار است. ما در اینجا اولین کاربرد طیف سنجی Raman بدون برچسب را برای روشن ساختن تغییرات زیست مولکولی ناشی از مهارکننده های نقص ایمنی Anti-CTLA-4 و PD-L1 (ICIs) در ریز محیط تومور (TME) زنوگرافت های تومور کولورکتال نشان می دهیم. “

“مجموعه منحنی چند متغیره-حداقل میدان متناوب (MCR-ALS) مجموعه داده های طیفی Raman تغییرات اولیه را در محتوای لیپید ، اسید نوکلئیک و کلاژن پس از درمان تجزیه نشان می دهد. طبقه بندی کننده های دستگاه بردار پشتیبان نشانگرهای طیفی مطابق با مکانیسم متفاوت عملکرد آنها ارائه شده است.

“مشاهده ما از تغییرات زیست مولکولی در TME ، که با تجزیه پروتئومیکس تأیید شده است ، باید تحقیقات مفصلی را برای ترجمه این نشانگرها و طیف سنجی Raman بدون برچسب برای نظارت بالینی پاسخ ایمنی درمانی در بیماران سرطانی آغاز کند.”

مناسب برای کاربردهای پزشکی

طیف سنجی رامان اخیراً برای کاربردهای زیست پزشکی بهینه شده است. “Santosh Paddy، PhD، یکی از نویسندگان اصلی که در زمینه تحقیقات به عنوان دانشجوی دکتری مهندسی مکانیک در جانز هاپکینز کار می کرد” ، اولین مطالعه ای است که پتانسیل این روش نوری را برای شناسایی مقاومت یا مقاومت در برابر ایمونوتراپی نشان می دهد. به

پدی ، که اکنون فوق دکترای دانشگاه کالیفرنیا ، برکلی است ، می گوید: یکی از مزایای طیف سنجی Raman این است که ویژگی مولکولی فوق العاده ای را ارائه می دهد. “شما امضای مولکولی دقیق را دریافت می کنید.”

به گفته دانشمندان ، این روش برای تشخیص تغییرات آناتومیکی در محیط کوچک تومور بیشتر از سلولهای سرطانی مناسب است.

“ما به جای دستیابی به برخی مولکول های مشکوک ، علاقمند هستیم تا تصویری جامع تر از محیط میکروسکوپی تومور بدست آوریم. زیرا تومورها فقط سلولهای بدخیم نیستند. محیط میکروسکوپی شامل ترکیبی پیچیده از استرومای تومور ، عروق خونی ، نفوذی به سلول های التهابی و سلول های مختلف بافت مرتبط است. “ما می خواهیم این رویکرد را اتخاذ کرده و آن را سیستماتیک کنیم تا پزشکان تشخیص دهند که آیا ایمونوتراپی برای بیمار مفید است یا خیر.”

این تیم از داده های Raman – تقریباً 7500 نقطه داده طیفی از 25 تومور – برای آموزش الگوریتم ها برای تعیین دامنه ویژگی های ناشی از ایمونوتراپی استفاده کرد.

“س Ourال ما این بود ، آیا می توانیم بین این سه گروه تمایز قائل شویم و سپس ویژگیهای طیفی خاصی که به ما امکان تمایز بین آنها را می دهد ، چیست؟”

این تیم از داده های مختلف موش برای ایجاد طبقه بندی یادگیری ماشین و آزمایش عملکرد آن استفاده کردند. هدف تقلید تغییرات بیولوژیکی بود که هنگام ارائه الگوریتم هنگام ارائه داده های جدید رخ می دهد.

برمان می گوید: “شما گمان می کنید که باید ثابت کنید تفاوت هایی که مشاهده می کنید ناشی از ایست بازرسی است و تنها با تفاوت های بین دو فرد مغایرت دارد.”

این تیم گزارش داد که نتایج امیدوار کننده بود. برمن می گوید: “ما توانستیم تغییرات قابل توجهی در سطح کلاژن ، سطح لیپیدها و سطح اسیدهای نوکلئیک و همچنین توزیع موضعی آنها در تومورها ایجاد کنیم ، هنگامی که به هر یک از ایستهای بازرسی ایمنی درمان مهاری داده شد.”

تفاوت ها از نظر میکروسکوپی اما از نظر آماری قابل توجه است و با تجزیه پروتئومیکس انجام شده بر روی نمونه ها مطابقت دارد و به قدرت این تکنیک در ارائه علائم اولیه نحوه واکنش تومور به درمان اشاره می کند.

تحقیقات بیشتری مورد نیاز است ، اما تیم معتقد است که کار آنها راه را برای توسعه روشی برای پیش بینی اینکه آیا بیمار به ایمونوتراپی پاسخ مثبت می دهد ، هموار می کند.

طیف سنجی Raman همراه با یادگیری ماشینی می تواند روشهای بالینی را برای پیش بینی پاسخ به درمان تغییر دهد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *