Access Agilent 电子期刊(2016 年 7 月)
FTIR 成像的最新兴生命科学应用:在疾病研究中提供空间分辨分子信息
Mustafa Kansiz 博士与 Carolina Livi 博士,安捷伦 FTIR 显微镜与生物信息学科学家
高通量组学技术时代提供了海量信息数据集。如今,单个细胞域的研究中也涉及大数据项目,而理解具有特定特征的组织与细胞类型中的空间差异非常重要。
傅立叶变换红外 (FTIR) 化学成像在近 15 年的时间里,一直是许多分析化学领域的重要工具,并且近来在生命科学研究中也展现了重要作用。FTIR 成像独特地快速提供样品的二维化学快照,该快照在大视野内可提供几微米的空间分辨率。
许多研究人员使用 FTIR 化学成像技术研究年龄相关的常见疾病:癌症和神经退行性疾病。本文中,我们重点介绍 FTIR 成像领域的专业人士 Klaus Gerwert 教授、Peter Gardner 教授和 Kathleen Gough 教授在生物医学研究中的工作。
随着全球老龄化人口增加,关于人类健康,特别是癌症和神经疾病的研究也不断增多。传统的基因组学、蛋白质组学和代谢组学技术发挥着重要作用,而 FTIR 成像也逐渐成为重要的支持分析工具。这是因为 FTIR 成像具有快速提供微米级空间分辨率的大分子化学信息的独特能力。
福尔马林固定石蜡包埋 (FFPE) 组织分析是疾病研究中的主要手段。疾病组织通常在苏木精和伊红 (H&E)、免疫组织化学 (IHC) 和其他各种染色技术染色后进行成像分析。这些染色技术可提供靶向空间分子信息,重点突出特定解剖结构或其他疾病指示特征。这些染色剂通常可由经过培训的组织病理学家使用可见光显微镜进行测量和解析。但是,这种解析是主观的,并且通常在不同的操作人员之间存在显著的观察人员间差异。FFPE 样品的应用涉及从组织分割到疾病分级研究,并且可用于研究多种疾病组织,例如前列腺癌、乳腺癌、结肠癌和肺癌。
FTIR 成像可对样品进行无损的化学成像分析,并且无需染色。通过适当的校准和机器学习算法,各种组织类型和疾病状态能够以自动的方式测定。该自动方式消除了分级中的人为主观性,并提供更量化的评估。另外,由于该技术可匹配现有的样品前处理方案(图 1),因此,该技术可在病理学工作流程中与传统染色技术无缝整合。现在,FTIR 成像在组织病理学中的应用被称为“光谱组织病理学 (SHP)”。
Gerwert 教授及其同事在其最近的出版物 [1] 使用 FTIR 成像的两阶段预测方案(使用“随机森林”数学校准模型)。在该方案中,他们首先按解剖类型对结肠癌组织进行分类,然后采用独立的分类器(模型)对肿瘤区域进行分级(参见图 2)。此分类在完全自动的方式下完成,完全无需染色、人员干预或评估。该方法利用了样品的固有化学信息和对比信息,使用 FTIR 成像对样品进行检测和可视化。
Gardner 及其同事 [2] 近期还使用 FTIR 成像和大型组织微阵列 (TMA) 样品对前列腺活检组织进行自动化高通量测量。该方法可准确预测(97%-100% 准确度)各种重要的组织结构;例如上皮组织、平滑肌、淋巴细胞、血液和坏死区域(参见图 3)。该工作还率先在玻璃基质上进行 FTIR 成像采集,而通常认为这是不合适的。他们还能够仅使用高波数光谱区域来分辨关键组织类型,高波数光谱区域是唯一能穿透玻璃的光谱区域。
这些结果尤其令人鼓舞,并且与 FTIR 成像用于组织质量控制工具的潜力直接相关。FTIR 成像确保在分析核酸 (DNA/RNA)、蛋白质或代谢物等组学研究前,提供正确的组织类型。
已报告有关于研究脑组织中细胞沉积的应用(固定和未固定),并且仍在积极研究中。神经科学应用包括使用 FTIR 成像进行阿尔茨海默病研究,FTIR 成像能够提供细胞和亚细胞化学成像。FTIR 成像可分辨血小板、脂类和肌酸形成以及各种其他组织类型,并能研究脑肿瘤进展。
Gough 教授是使用 FTIR 成像进行神经科学研究的领导者 [3],她对患阿尔茨海默病的转基因小鼠模型进行了研究,以探究脑组织中的化学分布,尤其是与血小板形成相关的物质以及这些物质与肌酸和脂类的关系(参见图 4)。FTIR 成像可直接提供关于分布和各组分关联性的化学信息,而这些信息是通过染色系统难以获得的。
FTIR 成像继续在多个领域发展,例如针对超广角视野和超高倍放大成像的光学元件的发展以及在“大数据”分析领域的发展,现代计算机所具备的更高的计算能力和优化的数据采集与处理方案为“大数据”分析提供了更多支持。这些改进与近期的重要科学出版物证实了 FTIR 已发展为可用作生命科学工作流程中的实用性和可行性工具,该技术可改善样品质量评估并提供研究各种生物系统的新工具。
参考文献
- C. Kuepper, F. Großerüschkamp, A. Kallenbach-Thieltges, A. Mosig, A. Tannapfel and K. Gerwer. “Label-free Classification of Colon Cancer Grading using Infrared Spectral Histopathology.” Faraday Discussions, DOI: 10.1039/C5FD00157A (2015)
- Paul Bassan, Joe Mellor, Jonathan Shapiro, Kaye J. Williams, Michael Lisanti and Peter Gardner. “Transmission FT-IR Chemical Imaging on Glass Substrates: Applications in Infrared Spectral Histopathology.” Analytical Chemistry, 86(3), 1648–1653, (2014).
- Alexandra Kuzyk, Marzena Kastyak, Veena Agrawal, Meghan Gallant, Gajjeraman Sivakumar, Margaret Rak, Marc R. Del Bigio, David Westaway, Robert Julian, Kathleen M. Gough. “Association among Amyloid Plaque, Lipid, and Creatine in Hippocampus of TgCRND8 Mouse Model for Alzheimer Disease.” The Journal of Biological Chemistry. 285 (41), 31202–31207 (2010).
仅限研究使用。不可用于诊断目的。
本文信息如有变更,恕不另行通知。
随时了解重要应用的最新情况
订阅 Access Agilent
免费的定制
电子期刊月刊
本期中的所有文章
- 让您的 Q-TOF LC/MS 分析更快速、更简便和更高效 — 适用于所有应用
- Agilent J&W DB-624UI 毛细管气相色谱柱成功用于活性化合物的挑战性应用
- 提示:在明胶胶囊的溶出度测试中使用酶
- InfinityLab Poroshell 120 色谱柱最大限度提升液相色谱工作流程效率
- FTIR 成像的新兴生命科学应用:在疾病研究中提供空间分辨分子信息
- 中心碳代谢物的新 LC/TQ 数据库和方法
- Agilent QQQ 系统可实现使用代谢物生物标记物预测常见妊娠并发症的突破性研究
- 使用 Agilent AdvanceBio SEC 色谱柱进行聚乙二醇化蛋白质分析
- 使用高分辨率 LC/MS/MS 对加工过程中的杂质进行结构解析
- 去除脂类以便使用 LC/MS/MS 分析血浆中的毒性化合物
- 采用 Agilent MS/MS、UHPLC 和 Q-TOF 快速、准确、经济地测定肉类中的兽药