Spatiell transkriptomik för cancer diagnostik
- Diarienummer
- SBE13-0099
- Start- och slutdatum
- 140701-200630
- Beviljat belopp
- 33 000 000 kr
- Förvaltande organisation
- Karolinska Institutet
- Forskningsområde
- Livsvetenskaperna
Summary
Vi har utvecklat en ny metod för högupplöst molekylär bildtagning och analys av genuttrycket i vävnader, kallad Spatial Transcriptomics. Med metoden kan man erhålla en tidigare oöverträffat högupplöst bild av genuttrycket i ett vävnadssnitt. Detta ger bland annat unika möjligheter för studier och diagnosticering av cancer. Spatial Transcriptomics möjliggör en global analys av genuttrycket i histologiska vävnadssnitt och fångar även upp vävnadens transkriptom med bibehållen spatiell information. Genom den spatiella informationen ges möjlighet till traditionell histologisk utvärdering, men med den utökade möjligheten att använda sig av information från alla transkript i hela vävnadssnittet. Genuttrycksdatan blir med hjälp av metoden helt digital och ger användaren möjlighet att precist och automatiskt kvantifiera sina målmarkörer. Den strategi, baserad på Spatial Transcriptomics, som vi här föreslår för användning inom cancerdiagnostik är generellt applicerbar på alla solida tumörer och vävnader. Vi kommer i detta projekt att fokusera på bröstcancer som är en vanlig cancerform, men som har stora ouppfyllda medicinska behov av diagnostiskt drivna behandlingar. För bröstcancer finns även en stor mängd molekylära markörer av vilka några idag används rutinmässigt vid behandlingar på kliniken. Spatial Transcriptomics har en mycket stor potential att avsevärt förbättra cancerdiagnostiken och därmed även framtidens cancerbehandlingar.
Populärvetenskaplig beskrivning
Studier av vävnaders struktur och analys av markörer i vävnader är två viktiga hörnstenar inom dagens cancerdiagnostik. Man har idag lärt sig mycket kring vilka molekyler som är viktiga för en cancers tillväxt och risknivå. Det främsta sättet att ta sig an detta i stor skala har varit att titta på de gener som är aktiverade, uttryckta, i en vävnad och att försöka förstå vilket uttryck som är sammankopplat med cancer och vilket som inte är det. Man har genom studier av molekylära markörer för genernas uttryck kunnat förstå vad som utmärker en cancer, men endast på en översiktlig global nivå. Vi har utvecklat en molekylär bildtagningsteknologi som tar tillvara den spatiella positionen hos de molekylära markörerna i cancervävnaden med mycket hög upplösning. Den nya metoden använder likt de flesta bildtagningsteknologier inom biomedicinen ett tunt vävnadssnitt som placeras på ett mikroskopglas och fotograferas. Från snittet fångas sedan de molekylära markörerna för genernas uttryck in. Dessa fångas in på sin specifika plats på mikroskopglaset och förses direkt med unik adresslapp som avslöjar den exakta position de hade i vävnaden. Markörmolekylerna med sina adresslappar översätts sedan till digital data genom en standardiserad avkodningsprocess. Efter att ha sorterat datan kan vi nu visa en högupplöst bild av genernas uttryck i vårt vävnadssnitt direkt i en mjukvara på datorskärmen. Som bakgrund finns också det ursprungliga mikroskopfotografiet på vävnadssnittet. Med grund i denna spatiellt upplösta teknologi kan vi studera genernas uttryck inte bara på traditionellt global nivå men på nivån av enskilda celler. För cancerdiagnostiken innebär detta att patologen kan välja att studera förekomsten av sin traditionellt använda målmarkör på olika platser i vävnadssnittet, men han kan också studera samtliga andra markörer, och därtill kombinationen av deras respektive närvaro på olika platser. I det här projektet ämnar vi befästa användandet av denna metod, kallad Spatial Transcriptomics, för studier av cancer. Alla typer av tumörer och vävnader kan studeras, men vi har för projektet valt att fokusera på en applikation av metoden inom karakterisering och diagnosticering av bröstcancer. Det är vårt mål att genom digital analys av cancer möjliggöra automatiserad och objektiv identifiering av cancerceller i vävnadssnitt, vilket sedermera ska leda till bättre diagnoser och effektivare behandlingar.