Banebrydende metode finder kræftsvulstens svagheder

Der er ikke altid nogen åbenlys forklaring på, hvorfor vi bliver syge. Noget arveligt måske. Eller alderdom eller risikoadfærd som for eksempel rygning.

Det er stadig vanskeligt at fastslå de præcise, individuelle årsager til, at vi rammes af alvorlige sygdomme som kræft.

Det kan den nye og banebrydende metode ’Deep Visual Proteomics’ måske ændre på. Metoden er udviklet af en international gruppe af forskere ledet af Københavns Universitet, og den har været anvendt til at undersøge kræftceller i et nyt studie.

Studiet er netop udgivet i det prestigefyldte tidsskrift Nature Biotechnology.

”Deep Visual Proteomics kan være med til at revolutionere molekylærpatologien ude på sygehusene. Metoden gør det muligt at identificere tusindvis af proteiner og bestemme hvor mange af dem, der er til stede,” fortæller lektor Andreas Mund.

”Det kan vi gøre ved at tage en vævsprøve og analysere de kræftceller, den indeholder. Så får man en slags opgørelse over proteinerne, og det kalder man et proteom. Disse proteomer afslører mekanismerne bag svulstens udvikling og viser nye behandlingsmål – alt sammen på baggrund af en enkelt vævsprøve fra en kræftpatient. Metoden blotlægger simpelthen kræftcellens molekylesammensætning,” forklarer Andreas Mund, der arbejder ved Novo Nordisk Foundation Center for Protein Research. Her er han en del af professor Matthias Manns forskerhold, som står bag studiet her og på Max Planck Institute for Biochemistry.

Vigtig viden for sygehusenes patologiafdelinger

Proteiner er nogle af de vigtigste delelementer i stort set alle sygdomme. Proteiner fungerer nemlig som cellens ”arbejdshest”. Det er årsagen til, at forskerne er så interesserede i dem.

”Når noget går galt inde i cellen, og vi bliver syge, kan du være helt sikker på, at det har noget med proteinerne at gøre. Derfor kan en kortlægning af kroppens proteiner hjælpe os med at fastslå, hvorfor den enkelte patient udvikler kræft, hvad svulstens svagheder er, og hvilken behandling der sandsynligvis er den mest effektive,” siger professor Matthias Mann.

I forbindelse med det nye studie har forskerne anvendt DVP til at undersøge celler fra patienter med henholdsvis acinære karcinomer og melanomer. Arbjedet er udført i samarbejde med forskere fra Sjællands Universitetshospital i Roskilde.

”Denne unikke metode sammenholder vævsarkitekturen med tusindvis af proteiner i udvalgte celler. Det gør forskerne i stand til at undersøge samspillet mellem kræftceller og de omkringliggende celler, hvilket kan være med til at forbedre behandlingen af kræftpatienter væsentligt. Vi diagnosticerede for nylig et meget vanskeligt tilfælde med to forskellige komponenter og resultaterne af DVP-baseret analyse,” siger overlæge og klinisk forskningslektor Lise Mette Rahbek Gjerdrum fra Patologiafdelingen på Sjællands Universitetshospital og Institut for Klinisk Medicin på Københavns Universitet.

Digital patologi, ”deep learning”, mikroskopi og massespektrometri

DVP består af fire forskellige teknologier, som er samlet i ét workflow. Til at begynde med anvender bruger forskerne avanceret mikroskopi til at skabe højopløselige billeder af vævet.

Dernæst klassificeres cellerne ved hjælp af maskinlæringsalgoritmer, før forskerne udfører lasermikrodissektioner og indsamler enkeltceller. Endelig analyseres enten raske eller syge celler af en bestemt type ved hjælp af massespektrometri, hvilket kortlægger proteinerne og hjælper forskerne til at forstå de mekanismer, der er afgørende for vores sundhed eller sygdom.

“Ved hjælp af den nye teknik kan vi effektivt koble cellernes fysiologiske kendetegn – set gennem et mikroskop – med proteinernes funktion. Det har ikke hidtil været muligt, og vi er overbevist om, at metoden også kan anvendes i forbindelse med andre sygdomme og altså ikke kun kræft,” siger Andreas Mund.

Studiet er udgivet i Nature Biotechnology: Deep Visual Proteomics defines single cell identity and heterogeneity.