Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
Johns Hopkins University rekonstruiert die dreidimensionale Gewebearchitektur, um verborgene Krebsvorstufen aufzudecken.
Forscher registrieren, segmentieren und visualisieren Tausende von histologischen Bildern präzise für fortgeschrittene Krebs- und Entwicklungsbiologiestudien.
„Wir verwenden in unserer Arbeit mehrere Programmiersprachen, aber MATLAB war aufgrund seiner zahlreichen gut dokumentierten Toolkits für Bildverarbeitung und Visualisierung eine ausgezeichnete Wahl für die Entwicklung von CODA.“
Wichtigste Ergebnisse
- Durch die Integration umfangreicher Bilddatensätze mit fortschrittlichen Analyse-Workflows wurden neue Erkenntnisse über die Prävalenz und Morphologie von Krebsvorstufen gewonnen.
- Mithilfe der Image Processing Toolbox wurde eine hochpräzise 3D-Rekonstruktion von Gewebeproben erzielt, wodurch die Visualisierung komplexer Gewebearchitekturen ermöglicht wurde.
- Automatisierte Segmentierung und Quantifizierung zellulärer und anatomischer Strukturen mit der Deep Learning Toolbox, Steigerung des Durchsatzes und der Reproduzierbarkeit
Eine mit CODA und MATLAB erstellte 3D-Rekonstruktion von Pankreasgewebe offenbart die komplexe Struktur und Vielfalt der PanIN-Läsionen.
An der Johns Hopkins University machte sich ein multidisziplinäres Team aus Ingenieuren, Krebsbiologen und Pathologen daran, eine großes Hindernis in der Krebsforschung zu überwinden: die Unfähigkeit, mikroskopische präkanzeröse Läsionen dreidimensional sichtbar zu machen und zu analysieren. Die pankreatische intraepitheliale Neoplasie (PanIN), eine häufige Vorstufe von Bauchspeicheldrüsenkrebs, ist zu klein, um mit herkömmlichen Bildgebungsverfahren erkannt zu werden, und wird traditionell anhand von 2D-Histologieansichten untersucht. Dieser Ansatz schränkte das Verständnis der Forscher für die wahre Struktur, Häufigkeit und biologische Bedeutung dieser Läsionen ein.
Um diese Herausforderungen zu bewältigen, entwickelte das Team CODA, eine Computerplattform, die 3D-Gewebemodelle aus seriellen histologischen Schnitten rekonstruiert. Der Prozess erforderte die Bewältigung komplexer Herausforderungen bei der Bildausrichtung, da die physikalische Zerlegung von Gewebe Artefakte wie Einreißen, Falten und Verzerrungen mit sich bringt. CODA verwendet Image Processing Toolbox™ und Deep Learning Toolbox™ zur Implementierung nichtlinearer Bildregistrierung, Kernkoordinatenerkennung und auf Deep Learning basierender Segmentierung unter Verwendung des Algorithmus "DeepLabv3+" mit einem ResNet-50-Backbone. Der Workflow umfasst das Herunterskalieren von Bildern, das manuelle Annotieren von Trainingsdaten und die Anwendung von Deep Learning zur automatischen Segmentierung anatomischer Strukturen. Mithilfe von Transformationsmatrizen, die auf Bildern mit niedrigerer Auflösung berechnet werden, werden hochauflösende segmentierte Bilder registriert, wodurch genaue 3D-Rekonstruktionen ermöglicht werden.
Mithilfe von CODA erstellte das Team anatomische Karten des menschlichen Pankreasgewebes und konnte so zeigen, dass PanIN-Läsionen häufiger vorkommen und morphologisch komplexer sind als bisher angenommen. CODA ermöglichte zudem die Integration histologischer Daten mit genomischen, proteomischen und transkriptomischen Profilen und lieferte so einen umfassenden Überblick über die Gewebearchitektur und die molekularen Eigenschaften. Durch die Integration von 3D-Morphologie und Genomik fand das Team heraus, dass sich PanINs unabhängig voneinander entwickeln, wobei jedes anatomisch getrennte PanIN eine andere Mutation im Onkogen KRAS aufweist. Die Flexibilität der Plattform ermöglichte ihre Anwendung auf andere Organe und Forschungsbereiche, darunter die Kartierung der sich entwickelnden Niere, der Eileiter und des Herzens sowie die Entwicklung biomimetischer Organoidmodelle.
Zukünftige Pläne umfassen die Erweiterung der Fähigkeiten von CODA um Kernsegmentierung, Objektträgerinterpolation, virtuelle Färbung und die Entwicklung benutzerfreundlicher Apps, um die Krebs- und Entwicklungsbiologieforschung weiter zu unterstützen.
Eingesetzte Produkte
Ressourcen zu
