Nyt åbent værktøj forbinder vævsbilleder med proteinmålinger

Forskere ved Max Delbrück Center har offentliggjort openDVP, en åben arbejdsgang, der skal gøre det lettere at forbinde billeder af væv med detaljerede proteinmålinger. Metoden blev præsenteret i Nature Methods den 22. oktober og samler flere hidtil adskilte trin i ét fleksibelt system.

Det konkrete problem er, at et flot mikroskopbillede og en liste over proteiner fortæller forskellige ting. Billedet viser, hvor cellerne ligger. Proteinanalysen kan fortælle mere om deres molekylære indhold. Forskernes mål er at bevare forbindelsen mellem de to, så målingerne også kan forstås i deres vævsmæssige sammenhæng.

Fra udvalgte celler til deres proteiner

Deep Visual Proteomics, forkortet DVP, kombinerer mikroskopi, billedanalyse, fysisk udtagning af materiale og massespektrometri. Ifølge Max Delbrück Center er det især overgangen mellem disse forskellige teknikker, der kan gøre arbejdet vanskeligt at indføre og udvide i andre laboratorier.

OpenDVP samler derfor værktøjer til at behandle billeder, udpege celler eller områder, planlægge laserbaseret mikrodissektion og sammenholde data. Det er ikke et kamera, som direkte kan se alle proteiner. Der ligger fortsat en fysisk prøve og en særskilt analyse bag proteinmålingen.

To veje gennem samme opgave

Forskerne beskriver en enkel arbejdsgang, flashDVP, hvor brugeren markerer relevante områder, indsamler materialet og måler det. Den skal kunne anvendes uden omfattende ekspertise i billedanalyse. En mere avanceret, AI-baseret arbejdsgang giver mulighed for detaljeret segmentering og rumlig analyse.

Segmentering betyder her at afgrænse celler eller strukturer i billederne. Det er et vigtigt mellemtrin: Hvis en analyse skal handle om bestemte celler, må forskeren først beslutte, hvilke billedområder der repræsenterer dem. En fejl i denne afgrænsning kan følge med videre i forsøget.

I studiet demonstreres systemet på arkiveret væv fra menneskelig moderkage, tidlig lungekræft og lokalt tilbagevendende brystkræft. Forskerne undersøger også grupper af naboceller som en praktisk enhed for proteinanalyse, frem for altid at kræve isolation af enkelte celler.

Åbne værktøjer skal kunne tale sammen

OpenDVP bygger blandt andet på QuPath, napari og MCMICRO samt dataformater fra scverse-miljøet. Studiet lægger vægt på, at moduler kan kombineres og udskiftes. Det skal gøre arbejdsgangen lettere at tilpasse til forskellige billeder, prøver og forskningsspørgsmål.

Den offentlige dokumentation beskriver både forsøgsdelen og softwaredelen. Den omfatter vejledninger til billedanalyse, efterfølgende proteinanalyse og integration af de to datatyper. Koden findes på GitHub, og funktioner til kvalitetskontrol og visualisering er beskrevet i en særskilt reference.

Det giver andre laboratorier mulighed for at undersøge, hvad et analysetrin gør, og hvor deres egne metoder kan indgå. Åben kode er dog ikke i sig selv en garanti for et korrekt biologisk resultat. Prøver, parametre og fortolkning skal stadig kontrolleres.

Software erstatter ikke laboratoriet

Proteinmålinger kræver specialiseret udstyr. EMBL beskriver eksempelvis massespektrometribaseret proteomik som en kombination af prøvebehandling, adskillelse af proteiner eller peptider, instrumentmålinger og dataanalyse. Forsøgsdesign og statistisk fortolkning er også en del af arbejdet.

EMBLs vejledning viser, hvorfor prøveforberedelse betyder noget: Forkerte proteinmængder kan give ufuldstændig analyse eller overbelaste systemet, og meget hyppige proteiner kan gøre det sværere at registrere mindre hyppige. Det er generelle udfordringer ved proteomik, ikke fejl, der er påvist i openDVP-studiet.

En sammenhængende digital arbejdsgang kan hjælpe med at organisere analysen, men kan ikke genskabe biologisk information, som ikke blev målt ordentligt. Derfor er forbindelsen mellem software og forsøgsprotokol en central del af projektet.

Et forskningsværktøj med et konkret næste skridt

Demonstrationerne viser, hvordan systemet kan bruges til udforskende undersøgelser af væv. De dokumenterer ikke, at openDVP alene kan stille en diagnose eller vælge behandling for en patient. Forskelle mellem områder i en prøve er først og fremmest fund, som kan give anledning til nye hypoteser.

Det næste spørgsmål er, hvordan værktøjet fungerer på tværs af flere laboratorier og prøvetyper. Med offentlig kode og vejledninger er det blevet lettere at afprøve. Den praktiske gevinst vil afhænge af, om andre forskere kan gentage arbejdsgangen og bruge den til at besvare deres egne biologiske spørgsmål.