Literaturvermittlung: Bewertung der Entzündungszellinfiltration in Nierentransplantationsbiopsien mittels Multispektrum-Immunfluoreszenzttechnologie

Literatur-Review: Beurteilung der Entzündungsinfiltration in Nierentransplantatbiopsien mittels Multiplex-Immunfluoreszenztechnologie

1. Forschungs Hintergrund

Die verzögerte Organfunktion (DGF) nach einer Nierentransplantation ist eine häufige Komplikation, definiert als die Notwendigkeit einer Dialyse innerhalb der ersten 7 Tage post-Transplantat, und stellt ein wichtiges Risikofaktor für chronische Nierentransplantatschäden dar. Interstitielle Fibrose und Tubulusatrophie (IFTA) sind typische Manifestationen von chronischen Nierenschäden. Dennoch entwickeln sich nicht alle DGF-Patienten zu IFTA, und die komplexe Beziehung zwischen beiden bleibt unklar. Der Kernproblem liegt darin, dass herkömmliche Bewertungsmethoden Schwierigkeiten haben, entzündliche Infiltrationsmerkmale genau zu quantifizieren und keine prädiktiven Marker für das Fortschreiten der IFTA frühzeitig identifizieren können. Die traditionelle histologische Beurteilung stützt sich auf die subjektive Einschätzung des Pathologen, wobei die Genauigkeit stark von der Erfahrung beeinflusst wird; sie kann gleichzeitig Informationen über Phänotyp, Dichte und räumliche Verteilung mehrerer Typen von Immunzellen nicht erfassen und schränkt die vertiefte Erforschung der Beziehung zwischen dem entzündlichen Mikroumfeld und dem Transplantatprognose ein. Die Arbeit "Quantitative assessment of inflammatory infiltrates in kidney transplant biopsies using multiplex tyramide signal amplification and deep learning" konzentriert sich auf technologische Innovationen bei der quantitativen Bewertung von Entzündungsinfiltraten in Nierentransplantatbiopsien, zielt darauf ab, die klinische Herausforderung der Vorhersage des Fortschreitens von interstitieller Fibrose und Tubulusatrophie bei Patienten mit verzögerter Organfunktion zu lösen und durch Technologieintegration eine präzise quantitative Analyse der Entzündungsinfiltration zu ermöglichen.

2. Kern-Technologien

mTSA basiert auf dem Prinzip der Tyramid-Signalverstärkung, die eine oxidative Aktivierung von Tyramid-Molekülen durch Peroxidase aus Hordeum catalyziert und dazu führt, dass sie eine große Anzahl fluoreszierender Reportergruppen im Bereich angrenzend an das Zielantigen kovalent ablageren. Der Signalverstärkungsfaktor kann 10-100-fach erreichen und ermöglicht die effiziente Detektion von Antigenen mit geringer Abundanz. Das Studium entwarf zwei Sätze von mTSA-Detektionsmethoden: der erste Satz dient zur Visualisierung von Kapillaren, T-Lymphozyten, B-Lymphozyten und Makrophagen; der zweite Satz konzentriert sich auf T-Helferzellen und Makrophagen-Subsets. Durch das Überwinden der Einschränkung der traditionellen Immunhistochemie, bei der nur 1-2 Ziele pro Schnitt markiert werden können, wird eine simultane In-situ-Markierung mehrerer Zelltypen erreicht. Anschließend wurden durch Multispektral-Bildgebung die Bilder mittels benutzerdefinierter Python-Skripte in künstliche Hellfeld-Ganzpräparatabbildungen umgewandelt, wobei die bildgebende Sensitivität mit den Lesegewohnheiten der Pathologen abgewogen wurde und kompatibel mit Formalin-fixierten Paraffin-eingebetteten Proben ist, angepasst an routinemäßige klinische Pathologie-Probe-Typen.

Die Analyse verwendet Convolutional Neural Networks (CNNs), um ein Zellerkennungsmodell aufzubauen, dessen Kernvorteil die Fähigkeit zur automatischen Extraktion von Merkmalsinformationen aus Bildern ist, wie Zellmorphologie, Färbungsintensität und Texturmerkmale, wodurch die Einschränkungen der manuellen Merkmalsextraktion vermieden werden. Das Modell wird basierend auf bestehenden Immunhistochemie-Zell-Detektionsrahmen optimiert, wobei exklusive Erkennungsalgorithmen für verschiedene Färbungstypen von Entzündungszellen entwickelt werden, um die Unterscheidung zwischen Zellmerkmalen und Hintergrund durch Mehrlagen-Konvolution und Pooling-Operationen zu verstärken und schließlich eine präzise Lokalisierung und Zählung der Zielzellen zu erreichen.

3. Ergebnis-Analyse

Validierung des Multiplex-TSA-Experiments

Da mTSA mehrere Antigen-Retrievals beinhaltet, haben verschiedene Antikörper unterschiedliche Toleranzen gegenüber wiederholtem Hitze-Retrieval. Daher verwendeten die Forscher Formalin-fixierte Paraffin-eingebettete Mandelgewebe, um Gradienten-Hitze-Retrieval-Toleranztests an 9 Zielantikörpern durch Simulation von 1 bis 6 Siedzyklen durchzuführen. Anschließend wurde chromogene Immunhistochemie durchgeführt, um die Färbungsintensität jedes Antikörpers bei verschiedenen Zykluszahlen zu bewerten, und schließlich wurde die optimale Verwendungreihenfolge jedes Antikörpers in mTSA-Experimenten bestimmt, um sicherzustellen, dass alle Ziele während des multiplex-Färbeprozesses optimale Antigenaffinität und Signalintensität beibehalten.

Wenn sich Ziel-Epitope überlappen, kann Tyramid-Ablagerung gegenseitig stören. Um diese räumliche Hemmung zu detektieren, wurden Kontroll-Mandelgewebeschnitte verwendet und mit der mTSA-Detektionskombination gefärbt. Die Antikörperausdrücke in mTSA wurden mit einzeln gefärbten Schnitten verglichen, die derselben Anzahl von Siedzyklen unterzogen wurden. Wie in den obigen Ergebnissen gezeigt, wurde kein Unterschied im Färbungsmuster zwischen einzeln gefärbten und multiplex-gestrichenen Schnitten beobachtet.

CNN-basierte IHC-positive Zell-Detektion

Um bestehende Convolutional Neural Networks anzuwenden, die ursprünglich für Hellfeld-Mikroskopie entwickelt wurden, wandelte das Studium mTSA-Fluoreszenzbilder in künstliche Hellfeldbilder um. Die generierten künstlichen Hellfeld-IHC-Ganzpräparatabbildungen sind geeignet für automatisierte Analyse durch Convolutional Neural Networks, die auf traditionellen IHC-Ganzpräparatabbildungen trainiert wurden.

Korrelation zwischen verschiedenen Zelltypen

In Biopsieproben 6 Wochen nach Transplantation wurde die stärkste Korrelation zwischen CD4⁺GATA3⁺ Zell-Dichte und CD163⁺ Zell-Dichte beobachtet (Abbildung A). Im Gegensatz dazu war die Korrelation zwischen CD4⁺Tbet⁺ Zell-Dichte und CD163⁺ Zell-Dichte schwächer (Abbildung B). Wenn die Zellpopulation auf doppel-positive Makrophagen (CD68⁺CD163⁺) beschränkt wurde, blieb eine signifikante Korrelation mit CD4⁺GATA3⁺ Zell-Dichte bestehen. Zusätzlich wurde auch eine Korrelation zwischen CD4⁺GATA3⁺ Zell-Dichte und CD20⁺ Zell-Dichte beobachtet. Die Korrelation zwischen CD4⁺Tbet⁺ Zell-Dichte und CD20⁺ Zell-Dichte war schwächer. Eine signifikante Korrelation wurde zwischen CD3⁺CD8⁻ Zell-Dichte und CD3⁺CD8⁺ Zell-Dichte beobachtet.

Vergleich der Entzündungsinfiltration zwischen IFTA- und Nicht-IFTA-Patienten

Bei Patienten, die 6 Monate nach Transplantation zu IFTA fortschritten, war die CD163⁺ Zell-Dichte in ihren Biopsieproben 6 Wochen post-Transplantation signifikant höher als bei Nicht-IFTA-Patienten. Daher könnte CD163⁺ Makrophagen-Infiltration ein potenzieller prädiktiver Indikator für IFTA-Fortschritt sein. CD68 und CD4 wurden in beiden Detektionsmethoden verwendet. Die Bewertung des CD3⁺CD8⁻/CD3⁺CD8⁺ Zell-Quotienten zeigte, dass Patienten mit IFTA-Fortschritt < 10% nach 6 Monaten post-Transplantation ein signifikant höheres Zell-Quotient hatten als jene mit IFTA-Fortschritt ≥ 10%. CD3⁺CD8⁺ Zell-Dichte war negativ korreliert mit IFTA-Fortschritt.

Zusammenfassung

Diese Studie adressiert die Probleme traditioneller Methoden, hauptsächlich qualitativ, unzureichend quantitativ und in der Mehrziel-Detektion begrenzt, durch interdisziplinäre Integration von mTSA-Technologie und Deep Learning. mTSA-Technologie gewährleistet hochempfindliche Detektion von Antigenen mit geringer Abundanz und simultane Multi-Ziel-Bildgebung, während das Deep-Learning-Modell eine automatisierte und standardisierte Quantifizierung von Entzündungszellen erreicht, wodurch die Subjektivität manuellen Lesens vermieden wird. Es konstruiert eine präzise quantitative Bewertungsmethode für Entzündungsinfiltration in Nierentransplantatbiopsien, nicht nur das Überwinden der Limitationen traditioneller pathologischer Beurteilung sondern auch die Entdeckung klinisch wertvoller prädiktiver Marker für IFTA-Fortschritt, bereitstellend wichtige technische Unterstützung und theoretische Grundlage für präzises Management und Prognoseverbesserung nach Nierentransplantation.

Referenzen

Hermsen M, Volk V, Bräsen JH, Geijs DJ, Gwinner W, Kers J, Linmans J, Schaadt NS, Schmitz J, Steenbergen EJ, Swiderska-Chadaj Z, Smeets B, Hilbrands LB, Feuerhake F, van der Laak JAWM. Quantitative assessment of inflammatory infiltrates in kidney transplant biopsies using multiplex tyramide signal amplification and deep learning. Lab Invest. 2021 Aug;101(8):970-982. doi: 10.1038/s41374-021-00601-w. Epub 2021 May 18. PMID: 34006891; PMCID: PMC8292146.

Enkilife mIHC TSA Kits