Evaluating the utility of axial TOF MALDI Imaging–based HiPLEX IHC in CNS tumor analysis

Význam tématu

Metoda MALDI Imaging–based HiPLEX IHC kombinuje prostorově rozlišenou hmotnostní spektrometrii s multiplexním imunobarvením prostřednictvím fotolabilních masových značek. V kontextu diagnostiky nádorů centrálního nervového systému, zejména metastáz prsu a případů Cancer of Unknown Primary (CUP), toto přináší možnost simultánní detekce desítek proteinových markerů v rámci histologického řezu. Význam metody spočívá v možnostech pokročilé fenotypizace tkáně, korelace s konvenční histologií (H&E, DAB-IHC) a v perspektivě integrace s výpočetními nástroji pro více-modalní analýzu dat.

Cíle a přehled studie

Cílem multi‑site studie bylo ověřit použitelnost axial TOF MALDI Imaging–based HiPLEX IHC při analýze mozkových metastáz prsu v rámci problematiky CUP a zhodnotit reprodukovatelnost mezi pracovišti. Studie zahrnovala porovnání monoplexních a multiplexních (10‑plex) barvení, provázání signatur s histologickými anotacemi a použití výpočetního rámce M2aia pro korelační analýzu multi‑kanálových dat.

Použitá metodika

Pracovní postup zahrnoval přípravu tkáňových řezů z mozkových metastáz, provedení HiPLEX IHC s fotolabilními masovými značkami a snímání pomocí axial TOF MALDI hmotnostního zobrazování. Byly srovnány monoplexní a 10‑plexní experimenty napříč více laboratořemi, data byla zpracována a korelována s konvenčními metodami (H&E, DAB‑IHC). Výsledky multikanálového zobrazování byly normalizovány a regionálně sumarizovány pomocí mediánových intenzit s globálním škálováním pro porovnání mezi oblastmi.

Použitá instrumentace

• Axial TOF MALDI hmotnostní spektrometrie s HiPLEX IHC workflow (Bruker související platformy zmíněny jako výrobce použité instrumentace).
• Miralys fotolabilní masové značky a sondy (AmberGen) pro multiplexní imunoznačení.
• Benchtop MS konfigurace použitá k multimodálním lipid‑protein‑histologickým studiím (uváděno v kontextu obdobných aplikací).
• Softwarové nástroje: M2aia a pyM2aia pro interaktivní, rychlé a paměťově úsporné zpracování 2D/3D multi‑modal MSI dat a integraci s metodami strojového učení.
• Komparativní metoda: konvenční DAB‑IHC a H&E barvení pro histologické anotace (tumor, nekróza, imunitní buňky, parenchym mozku, cévy, stroma).

Hlavní výsledky a diskuse

Multi‑site srovnání prokázalo dobrou mezi‑pracovištní reprodukovatelnost měření. Porovnání monoplexu a 10‑plexu ukázalo čistě separované špičky masových značek napříč spektrem, což potvrzuje technickou schopnost rozlišit jednotlivé protilátkové mass‑tagy i v multiplexním režimu. Regionální distribuce signálů pro jednotlivé protilátky korespondovala s očekávanou lokalizací podle H&E a DAB‑IHC: mediánové intenzity v anotovaných oblastech (tumor, stroma, imunitní infiltrát, atd.) vykazovaly konzistentní, biologicky věrohodné vzorce.

Celkové pozorování tedy ukazuje, že MALDI‑IHC poskytuje prostorově rozlišené, kvantitativně porovnatelné signatury proteinů a že tyto signatury jsou konzistentní s konvenčními imunohistochemickými výsledky. Studie dále demonstrovala užitečnost výpočetního rámce M2aia pro korelaci a integraci dat napříč místy a modalitami.

Přínosy a praktické využití metody

Hlavní přínosy metody jsou:

• Možnost multiplexního prostorového mapování proteinových markerů s vysokou specifitou díky fotolabilním masovým značkám.
• Korelace s konvenční historií a potvrzení biologické relevance signatur (pomoc při diferenciaci tkáňových typů a buněčných populace v tumorózním prostředí).
• Opakovatelnost napříč pracovišti signalizuje potenciál pro širší adopci v translacionálních studiích a referenčních laboratořích.
• Integrace s M2aia/pyM2aia umožňuje škálovat zpracování dat, uplatnění strojového učení a snadnější porovnávání mezi kohortami.

Budoucí trendy a možnosti využití

Očekávané směry rozvoje a aplikace zahrnují:

• Rozšíření plexu nad 10 markerů a kombinace s lipidovými či metabolomickými mapami pro multi‑omics in situ.
• Hlubší integrace s AI a deep learning nástroji pro automatickou segmentaci, fenotypizaci a prediktivní modelování (využití pyM2aia jako rozhraní pro modely).
• Standardizace workflow a validace pro klinické nasazení, včetně normalizace napříč platformami a laboratořemi.
• Automatizace přípravy vzorku a kalibrace masových značek pro zvýšení průchodnosti a reprodukovatelnosti.
• Využití při diagnostice komplexních případů CUP, výzkumu mikroprostředí nádorů a personalizované medicíně.

Závěr

Axial TOF MALDI Imaging–based HiPLEX IHC ukazuje slibnou výkonnost při prostorově rozlišeném multiplexním zobrazení proteinových markerů v mozkových metastázách prsu. Studie prokázala dobrou mezi‑místní reprodukovatelnost, čisté separované signály masových značek v multiplexních experimentech a shodu s konvenčními IHC výsledky. Integrace s výpočetním rámcem M2aia podporuje korelační analýzy a škálovatelné zpracování dat. Pro klinické uplatnění jsou však potřeba další větší kohortní studie, standardizace protokolů a formální validace.

Reference

1. Pouyiourou M., et al. Rethinking cancer of unknown primary: from diagnostic challenge to targeted treatment. Nature Reviews Clinical Oncology. 2025;22(10):781–799.
2. Müller E., et al. Exploring the Aβ plaque microenvironment in Alzheimer’s disease model mice by multimodal lipid-protein-histology imaging on a benchtop mass spectrometer. Pharmaceuticals. 2025;18(2):252.
3. Cordes J., et al. M2aia—Interactive, fast, and memory-efficient analysis of 2D and 3D multi-modal mass spectrometry imaging data. GigaScience. 2021;10(7):giab049.
4. Cordes J., et al. pyM2aia: Python interface for mass spectrometry imaging with focus on deep learning. Bioinformatics. 2024;40(3):btae133.

Konflikt zájmů: Několik autorů je zaměstnanci firem Bruker a AmberGen; Miralys sondy a patentovaná řešení AmberGen jsou součástí použité technologie. Financování: podpora z programů BMFTR, MWK Baden‑Württemberg, DFG (INST874/9‑1) a SBIR granty NIH pro AmberGen.