Characterization of cancer biopsy using multiplexing staining of antibodies

הרקע לפרויקט:

מחלת הסרטן היא מחלה קשה ואחד מגורמי המוות העיקריים בעולם המודרני. עם התקדמות הרפואה, קיימים כיום טיפולים מגוונים כולל טיפולים ביולוגיים שונים ואימונותרפיה, מעבר לטיפולים הסטנדרטיים בכימותרפיה, ניתוחים והקרנות. עדיין קיים קושי בהתאמה אישית של טיפול לסרטן הספציפי, ולמחלה של כל מטופל באופן פרטני. זמן רב, כמו גם סבל רב ויכולת עמידה של המטופלים, מתבזבז, בגלל שהיכולת להתאים טיפול מתאים לכל חולה עדיין איננה מפותחת דיה.

רוב חולי הסרטן עוברים בשגרה לקיחת ביופסיה, הכוללת צביעה כללית (H&E) שמאפשרת לזהות את הרקמה הסרטנית, החדירות שלה לרקמה הבריאה וכן חדירות של תאי מערכת החיסון לתוך הסרטן. כיום מביופסיות אלו ניתן להפיק מידע רב יותר, כגון הסוגים הספציפיים של תאי החיסון בתוך הרקמה הסרטנית, האינטראקציות ביניהן וכדומה. שיטות המשתמשות בצביעות במימד גבוה - כלומר עשרות נוגדנים שונים (במקום נוגדן אחד או שניים כמקובל כיום) יאפשרו זיהוי מדויק יותר של סוגי התאים השונים. ייתכן מאוד ששיטות אלו גם יאפשרו ללמוד על מאפיינים המרמזים על הטיפול הנכון לחולה הספציפי.

מטרת הפרויקט:

בפרויקט זה נשתמש בצביעות של כמה נוגדנים פלורסנטים במקביל, כמו גם איפוס הסיגנל וחזרה לצביעות עם סט נוגדנים חדש. הפרויקט ידרוש גם יכולת של עיבוד תמונה - לצורך איחוד התמונות השונות לאותו מיקום, ככה שאפשר יהיה לאחד את כל הצביעות ובעצם לסמן את הדוגמה הסרטנית בעשרות נוגדנים שונים.

בחירה מושכלת של הנוגדנים תאפשר זיהוי של כמה שיותר סוגי תאים שונים בתוך הרקמה הסרטנית, לדוגמא סוגים שונים של תאי B ו- T, ועוד סוגי תאים שונים של מערכת החיסון, כמו גם אפיון תאים סרטניים ותאים של הרקמה הבריאה.

לאחר שיתקבלו תמונות מפורטות כאלו מדוגמאות סרטניות שונות ניתן יהיה להשתמש בלמידת מכונה כדי להבין אלו מאפיינים קשורים לסוג או השלב של הגידול ואולי גם לפרגנוזה של החולה או התגובה שלו לטיפולים שונים. מערכת כזאת תאפשר התאמה מיטבית של תרופות לסוגי סרטנים שונים.

תכולת הפרויקט:

• בניית טכנולוגיה לצביעות עם כמה נוגדנים במקביל כולל מחיקת הסיגנל הפלוארסנטי וצביעה מחדש
• כתיבת קוד של עיבוד תמונה שידע לאחד תמונות שונות של אותו אזור
• בחירה מושכלת של נוגדנים שיתנו כמה שיותר אינפורמציה רלוונטית לדוגמאות הסרטניות
• ניתוח התמונות וקביעת זהות התאים השונים
• הפקת מידע בעזרת machine learning לגבי סיווג הסרטן ו/או התגובות לטיפולים שונים
• הסקת מסקנות וסיכום התוצאות
• ניתוח משמעותי של המידע מהווה סיום בהצטיינות של הפרויקט

קורסי קדם:

פיזיקה 1 ו-2

דרישות נוספות:

• רקע בביולוגיה הוא חובה
• רקע בניתוח נתונים הוא יתרון

מקורות:

1. Schürch CM, Bhate SS, Barlow GL, Phillips DJ, Noti L, Zlobec I, Chu P, Black S, Demeter J, McIlwain DR, Kinoshita S, Samusik N, Goltsev Y, Nolan GP. Coordinated Cellular Neighborhoods Orchestrate Antitumoral Immunity at the Colorectal Cancer Invasive Front. Cell. 2020 Sep 3;182(5):1341-1359.e19. doi: 10.1016/j.cell.2020.07.005.
2. A novel deep learning pipeline for cell typing and phenotypic marker quantification in multiplex imaging doi: https://doi.org/10.1101/2022.11.09.515776