Der neue Algorithmus erkennt selbst die kleinsten Krebs-Metastasen über die ganze Maus-Körper

Der neue Algorithmus erkennt selbst die kleinsten Krebs-Metastasen über die ganze Maus-Körper

Krebs ist eine der führenden Ursachen für Todesfälle weltweit. Mehr als 90 Prozent der Krebspatienten sterben von distalen Metastasen nicht als direkte Folge des primären Tumors. Krebs-Metastasen in der Regel entwickeln sich aus einzelnen disseminierten Krebszellen, die entziehen dem Körper die immun-surveillance-system. Bis jetzt, umfassenden Nachweis dieser Zellen im gesamten Körper nicht möglich gewesen, aufgrund der begrenzten Auflösung von bildgebenden Verfahren wie die Biolumineszenz und NMR. Dies führte zu einem relativen Mangel an wissen über die spezifischen Verbreitungs-Mechanismen von verschiedenen Krebs-Arten, die eine Voraussetzung für eine effektive Therapie. Es hat auch behindert die Bemühungen zur Beurteilung der Wirksamkeit neuer Arzneimittel-Kandidaten für die tumor-Therapie.

Über menschliche detection-Funktionen mit deep learning

Um neue Techniken zu entwickeln, um diese Hürden zu überwinden, das team unter der Leitung von Dr. Ali Ertürk, Leiter des Instituts für Tissue Engineering und Regenerative Medizin am Helmholtz Zentrum München, hatte zuvor entwickelt vDISCO—eine Methode des tissue-clearing und-Fixierung, die Maus verwandelt Körper in einen transparenten Zustand, so dass die imaging von einzelnen Zellen. Mit Hilfe der laser-scanning-Mikroskope, die Forscher waren in der Lage zu erkennen das kleinste Metastasen bis hinunter zu einzelnen Zellen gelöscht, das Gewebe von der Maus Körper.

Jedoch auch manuell analysieren, wie high-resolution imaging Daten wäre ein sehr zeitaufwendiger Prozess. Angesichts der begrenzten Zuverlässigkeit und Verarbeitungsgeschwindigkeit der derzeit verfügbaren algorithmen für diese Art der Datenanalyse, die teams entwickelten eine neue deep-learning-basierten Algorithmus genannt DeepMACT. Haben die Forscher jetzt in der Lage zu erkennen und zu analysieren, Krebs Metastasen und Karte der Verteilung von therapeutischen Antikörpern in vDISCO Vorbereitungen automatisch. Die DeepMACT Algorithmus verglichen die Leistung menschlicher Experten bei der Erkennung der Metastasen—aber haben also mehr als 300-mal schneller. „Mit ein paar Klicks nur, DeepMACT kann die manuelle Erkennung der Monate, in weniger als einer Stunde. Wir sind nun in der Lage, zur Durchführung von Hochdurchsatz-Metastasen Analyse bis auf einzelne disseminierte Tumorzellen als eine tägliche routine“, sagt Oliver Schoppe, co-erste Autor der Studie und Ph. D.-student in der Gruppe von Prof. Dr. Björn Menze bei TranslaTUM, das Zentrum für Translationale Krebs Forschung an der TUM.

Die Erkennung von Zellen, sammeln von Daten, das lernen über Krebs

Mit DeepMACT, die Forscher haben neue Erkenntnisse über die einzigartige metastasierendem profile der verschiedenen tumor-Modelle. Charakterisierung der Verbreitung von mustern unterschiedlicher Krebsarten ermöglichen könnten tailored drug-targeting für die verschiedenen metastatischen Krebserkrankungen. Durch die Analyse der progression von Brustkrebs-Metastasen in Mäusen, DeepMACT entdeckt hat, eine erhebliche Zunahme von kleinen Metastasen in der gesamten Maus Körper im Laufe der Zeit. „Keines dieser Merkmale nachgewiesen werden konnten, die durch herkömmliche Biolumineszenz imaging vor. DeepMACT ist die erste Methode zum aktivieren der quantitativen Analyse der metastatischen Prozess in eine ganz-Körper-Skala“, fügt Dr. Chenchen Pan, Postdoc am Helmholtz-Zentrum München und auch gemeinsame erste Autor der Studie. „Unsere Methode erlaubt uns auch zu analysieren, das targeting von Tumoren-Antikörper-Therapien im detail.“

Wie effektiv sind die derzeitigen Krebstherapien?

Mit DeepMACT, die Forscher haben nun ein Instrument, das zur Beurteilung der Ausrichtung der klinischen Krebs-Therapien mit tumor-spezifischen monoklonalen Antikörper. Als ein repräsentatives Beispiel, Sie verwendet werden, DeepMACT zu quantifizieren, die Wirksamkeit eines therapeutischen Antikörpers namens 6A10, die gezeigt hatte, zu reduzieren Tumorwachstum. Die Ergebnisse haben gezeigt, dass 6A10 verpassen können bis zu 23 Prozent der Metastasen in die Organe der betroffenen Mäuse. Dies unterstreicht die Bedeutung der Analyse von targeting-Wirksamkeit auf der Ebene von einzelnen Metastasen für die Entwicklung neuartiger tumor-Medikamenten. Die Methode kann möglicherweise auch den Vertrieb von klein-Molekül Drogen, wenn Sie konjugiert sind an fluoreszierende Farbstoffe.

Auf dem Weg zu stoppen, die metastatischen Prozess

Zusammen genommen, zeigen diese Ergebnisse, dass DeepMACT bietet nicht nur eine leistungsfähige Methode für die umfassende Analyse von Krebs-Metastasen, sondern bietet auch ein sensibles Werkzeug für das therapeutische drug assessment in pre-klinischen Studien. „Der Kampf gegen Krebs läuft seit Jahrzehnten und es ist noch ein langer Weg zu gehen, bevor wir endlich zu besiegen die Krankheit. Im Hinblick auf die Entwicklung effektiver Krebs-Therapien, ist es wichtig zu verstehen, die metastasierendem Mechanismen in verschiedenen Krebs-Arten und zur Entwicklung von tumor-spezifischen Medikamente, die in der Lage sind zu stoppen, die metastatischen Prozess“, erklärt Ertürk.

DeepMACT ist öffentlich zugänglich und kann leicht angenommen, die in anderen Laboratorien mit Schwerpunkt auf verschiedenen tumor-Modelle und-Behandlung Optionen. „Heute ist die Erfolgsrate der klinischen Studien in der Onkologie bei rund 5 Prozent. Wir glauben, dass die DeepMACT Technologie erheblich verbessert werden kann, die den Prozess der Arzneimittelentwicklung in der präklinischen Forschung. So könnte Hilfe bei der Suche und viel mächtiger Wirkstoffkandidaten für klinische Studien und die hoffentlich helfen, viele Menschenleben zu retten“.