GlioTrace借助人工智能追踪活体组织中的脑癌细胞
乌普萨拉大学(Uppsala University)的研究人员开发出一种计算机视觉方法,用于绘制胶质母细胞瘤细胞在活体脑切片中如何切换运动方式
作者: Letizia Giugliano
阅读约2分钟由人工智能辅助撰写 · 审校与批准:Giovanni Sapere

名为GlioTrace的计算成像系统,可以连续数天追踪活体脑切片中数以千计迁移的胶质母细胞瘤细胞。该方法由乌普萨拉大学的科学家开发,结合自动化显微成像与人工智能,揭示单个脑肿瘤细胞如何改变形态和迁移路径。
自动化显微镜记录五天内的活细胞路径
胶质母细胞瘤仍是侵袭性最强的脑癌之一,部分原因是肿瘤细胞会越过手术切除的边界,侵入周围的健康组织。为研究这种扩散,乌普萨拉大学的研究人员开展了一项创新性工作,取用6名患者的肿瘤细胞,让它们在小鼠大脑中生长。他们把小鼠大脑切成薄片,在实验室培养中维持存活。相关成果发表于Nature Communications,MedicalXpress对此作了报道。
自动显微镜每隔不超过两小时就拍摄一次活组织切片,最长持续五天。在人工智能的支持下,GlioTrace追踪的是整张切片上的单个细胞,而不是小块样本窗口,并记录每个迁移细胞从起点到终点的坐标。
“最让我们意外的是肿瘤细胞的灵活性。同一个细胞在短短几天内就可能改变运动方式。要开发阻止肿瘤细胞扩散的疗法,我们需要理解它们在不同行为之间切换的这种能力。”
——Madeleine Skeppås,乌普萨拉大学
机器学习识别迁移状态之间的切换
这项发明的计算核心,由该研究的共同主要作者Madeleine Skeppås与查尔姆斯理工大学(Chalmers University of Technology)和哥德堡大学(University of Gothenburg)的研究人员共同构建。他们的机器学习流程可识别单个细胞、记录其形态并跟踪状态随时间的转变,详见MedicalXpress。
成像显示,不同肿瘤的胶质母细胞瘤侵袭模式各不相同。一些患者的细胞沿血管移动,另一些则弥散地穿过脑实质迁移。单个细胞还能在几天内于独立迁移与沿血管爬行之间切换。统计模型表明,这种行为切换有助于细胞在致密的组织环境中穿行。
疗法测试揭示持续存在的快速移动细胞状态
研究团队测试了药物化合物和标准疗法如何影响细胞轨迹。在MedicalXpress报道的实验中,两种药物成分减缓了脑组织切片中肿瘤细胞的侵袭。不过,具体反应因患者样本和迁移细胞类型而异。
在联合放疗和化疗的作用下,某些肿瘤模型中形态独特的快速移动细胞比例上升。这些细胞处于状态转换网络的中心节点,表明它们可能在常规治疗期间持续存在。主要作者Hitesh Mangukiya与教授Sven Nelander指出,分析代码向其他实验室开放,但在申请任何专利或用该软件指导临床决策之前,还需要进一步测试。
另请阅读The Patent:GAO警告:人员吃紧,美国专利商标局(USPTO)积压案件目标有落空风险
由英文原文自动翻译. 阅读原文
The Patent ® 编辑部的文章,借助人工智能,依据编辑部选定的来源撰写。审校、更正及批准发布:Giovanni Sapere。责任出版方:WitUp Ltd。



