Gleason Score（GS）是一種被廣泛采用的前列腺癌組織學(xué)分級的方法，因與前列腺癌的生物行為和預(yù)后有良好的關(guān)聯(lián)性，成為了制定前列腺治療方案的重要參考指標(biāo)。作為經(jīng)典診斷評分體系，它具有高度可重復(fù)性，但是顯微病理切片檢查耗時較長，另一方面某些評分相似的表型可能代表著完全不同的疾病發(fā)展進程，因此對于病理學(xué)家的經(jīng)驗依賴度較高，仍需對診斷體系進一步優(yōu)化。
來自哈佛醫(yī)學(xué)院的研究團隊在Molecular Cancer Research發(fā)表文章題為“Molecular Characterization of Prostate Cancer with Associated Gleason Score Using Mass Spectrometry Imaging”的文章，探討了傳統(tǒng)病理技術(shù)與分子成像結(jié)合提升前列腺腫瘤診斷的可能性。通過空間代謝組學(xué)識別和定位不同GS評分等級的前列腺腫瘤樣本中的代謝物，發(fā)現(xiàn)了與GS評分存在關(guān)聯(lián)的代謝物并可以對常規(guī)難以判斷的樣本加以區(qū)分。
研究材料
不同GS評分的前列腺腫瘤切片
技術(shù)路線
· 步驟1：代謝物表達模式特異區(qū)域與病理切片比較；
· 步驟2：不同GS評分的病理組織空間代謝組學(xué)分析；
· 步驟3：建立快速檢測流程。
研究結(jié)果
1.空間代謝組學(xué)結(jié)果與病理切片結(jié)果比較
對一張經(jīng)過病理學(xué)家評分為GS(5+4)=9的病理切片進行高深度空間代謝組學(xué)分析，將數(shù)據(jù)進行空間聚類分析（Segmentation）。空間聚類分析是一種在空間分布上進行代謝物聚類的分析方法，可以將代謝物表達模式相近的區(qū)域標(biāo)注為同一顏色，便于對區(qū)域代謝特異性進行分析。如圖所示，將病理學(xué)家標(biāo)注的區(qū)域與空間聚類圖進行比較，發(fā)現(xiàn)同一切片上呈現(xiàn)數(shù)種特異代謝表達模式，并與病理分析結(jié)果可產(chǎn)生對應(yīng)。通過空間聚類分析，腫瘤細胞區(qū)域為淺黃和淺綠兩種色塊組合，出人意料的是相鄰的良性細胞區(qū)域的也出現(xiàn)同樣的色塊組合，可能暗示腫瘤的進一步發(fā)展。
圖1 H&E染色切片與空間聚類分析圖比較
2. 不同評分的腫瘤切片空間代謝組學(xué)分析
挑選GS（3+3）=6、GS（3+4）=7兩張、GS（4+3）=7、GS（5+4）=9，共計五張前列腺腫瘤切片進行空間代謝組學(xué)分析，同樣由病理學(xué)家標(biāo)注出腫瘤集中區(qū)域。在不同切片中可以明顯發(fā)現(xiàn)代謝物分布特征伴隨GS評分變化，這種變化不僅存在于腫瘤區(qū)域，同時也存在于腫瘤組織周圍的正常組織區(qū)域中。
圖2 病理切片腫瘤區(qū)域與聚類分析比對
在GS評分中GS（3+4）=7和GS（4+3）=7兩種腫瘤類型在常規(guī)病理檢測中難以區(qū)分，但實際上后者相對前者更具有侵襲性。基于空間代謝組學(xué)數(shù)據(jù)，通過對兩組數(shù)據(jù)進行ROC分析，發(fā)現(xiàn)共計56個代謝物離子（AUC > 0.75），定性分析（Δppm < 2）其中31個脂質(zhì)分子，發(fā)現(xiàn)相關(guān)分子并不具有腫瘤區(qū)域完全特異性。相比其它切片，在GS（3+4）=7和更高評分的病理切片中，腫瘤區(qū)域中心磷脂分布增加，另外磷脂酰絲氨酸、磷脂酸和神經(jīng)酰胺-1-磷酸在腫瘤組織外的正常組織分布增加。
圖3 單代謝物分子成像分析
3. 快速檢測方法建立及驗證
研究者建立了一種可以應(yīng)用于臨床的快速檢測診斷流程，并在不同分辨率和檢測深度驗證分子成像和腫瘤類型的相關(guān)性，發(fā)現(xiàn)低分辨率（120 μm）影響了部分代謝物分子的檢出，但總體趨勢一致，均可以實現(xiàn)對不同的評分的腫瘤樣本進行區(qū)分。
小編小結(jié)
中科優(yōu)品推薦
【中科新生命】可提供深度空間代謝組學(xué)服務(wù)：
· 高效的代謝物離子化策略：革新性MALDI 2離子源系統(tǒng)的獨特“后電離”技術(shù)
· 多維度分離：“淌度譜”分離維度，搭配代謝物淌度數(shù)據(jù)庫，全面提升檢測準(zhǔn)確度
· 實測代謝物鑒定數(shù)突破2000
