Application d’AutoPiMS aux tissus du cancer de l’ovaire, y compris l’imagerie PiMS et la quantification sans étiquette. a) Régions d’intérêt utilisées pour la quantification sans étiquette (à gauche) et l’imagerie (à droite). La ligne pointillée dans l’image du milieu représente une analyse de ligne AutoPiMS. b) Terrain volcanique (au milieu) généré à partir de la quantification sans étiquette de 552 protéoformes en utilisant le nombre d’ions de 472 régions échantillonnées dans la tumeur et le stroma. Les images PiMS de 10 protéoformes significativement enrichies dans la tumeur (à gauche) et de 7 protéoformes dans la région du stroma (à droite) sont corrélées à leur résultat de quantification dans le tracé du volcan par des lignes pointillées. Les protéoformes marquées dans le tracé du volcan sont MS1 annoté. Crédit: Communications naturelles (2023). DOI : 10.1038/s41467-023-42208-3
Les chercheurs dirigés par Neil Kelleher, Ph.D., professeur de médecine à la Division d’hématologie et d’oncologie et de biochimie et génétique moléculaire, ont développé une technique automatisée d’imagerie et d’identification des protéoformes dans les tissus du cancer de l’ovaire, selon les résultats publiés dans Communications naturelles.
La technique offre la plus grande vitesse et la plus grande précision actuellement disponibles pour l’imagerie haute résolution et haut débit des protéoformes (toutes les versions modifiées des protéines dans un échantillon de tissu) et a de multiples applications potentielles dans le diagnostic du cancer, a déclaré Kelleher.
Plusieurs techniques sont actuellement utilisées pour imager les protéines dans les tissus humains, mais très peu sont capables d’imager les protéoformes. Ceux qui peuvent échantillonner des protéoformes directement à partir de tissus le font en les ionisant pour la spectrométrie de masse. D’autres techniques empêchent les scientifiques de comprendre où se trouvent les protéoformes dans un tissu et n’identifient pas simultanément toutes les protéoformes existantes dans un échantillon.
Pour mieux comprendre la position spatiale des protéoformes dans un tissu donné, l’équipe de Kelleher a développé la spectrométrie de masse par imagerie des protéoformes (PiMS), qui a été détaillée dans une étude de 2022 publiée dans Avancées scientifiques. La technique fonctionne en échantillonnant les protéoformes du tissu avec des nanogouttelettes, en « pesant » les protéoformes extraites pour identifier celles jusqu’à une certaine taille, puis en utilisant ces données pour construire des images protéoformes du tissu numérisé.
Dans la présente étude, Kelleher et ses collaborateurs se sont appuyés sur cette technique pour créer AutoPiMS, qui utilise un moteur informatique pour identifier et caractériser automatiquement les protéoformes dans une fine section de tissu cancéreux.
AutoPiMS a pu identifier et caractériser plus de 300 protéoformes dans un échantillon de tissu cancéreux de l’ovaire humain et cartographier l’endroit où des protéines spécifiques associées au cancer existaient dans l’échantillon à une vitesse d’une minute par protéoforme. AutoPiMS a également pu identifier les tissus cancéreux par rapport aux tissus non cancéreux du même patient.
“Cette technique est vraiment importante pour l’imagerie des tissus cancéreux et le diagnostic du cancer”, a déclaré Kelleher, qui dirige également le Centre d’excellence en protéomique et l’Institut de chimie des processus vitaux. “Nous avons montré dans cet article que nous pouvons localiser non seulement les protéines, mais aussi leurs myriades de protéoformes, le type de mesure ultra-spécifique dans mon domaine de la protéomique.”
La technique sera mise à la disposition d’autres chercheurs en protéomique du Nord-Ouest, a déclaré Kelleher, et il espère qu’AutoPiMS accélérera les découvertes dans ce domaine.
À l’avenir, Kelleher et ses collaborateurs adapteront la technique pour l’utiliser en protéomique unicellulaire, a-t-il déclaré.
“Si nous pouvions avoir des informations sur les protéoformes unicellulaires, nous aurions les informations les plus précises sur les protéines dans l’espace, le temps et la composition. C’est la technologie ultime qui rendrait l’analyse des protéines beaucoup plus précise”, a déclaré Kelleher. “La médecine de précision nécessite une protéomique de précision. Plus nous pouvons la rendre précise, plus nous pouvons faire progresser le développement de médicaments, réduire les effets secondaires et améliorer les diagnostics, le tout en phase avec la nouvelle mission de l’Institut CLP de Northwestern.”
Plus d’information:
John P. McGee et al, Imagerie automatisée et identification de protéoformes directement à partir de tissus cancéreux de l’ovaire, Communications naturelles (2023). DOI : 10.1038/s41467-023-42208-3
Fourni par l’Université Northwestern
Citation: Imagerie protéoforme automatisée pionnière (10 novembre 2023) récupéré le 10 novembre 2023 sur
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.