科學中文化_Single-cell Mass Cytometry的奇妙冒險
Single-cell Mass Cytometry的奇妙冒險
好像很久沒寫科學類的文章了，
兩週前我下決心把最近在實驗室的journal club的文章拿來回收寫寫科普，
好像寫到最後變得落落長又不夠普及，
不過現代的科學研究文章就是這樣冗長啦，
就加減看看吧。
要講的是這篇Cell:
Systemic Immunity Is Required for Effective Cancer Immunotherapy
先說科普上的結論：
系統性的免疫反應也是跟抗癌是很有關的！
另外給科學研究者朋友們的結論：
Mass Cytometry是一個強大但是很可能曇花一現的科技，
有興趣做這種single-cell high-dimension分析的人，
還是都去發展single-cell sequencing比較實際。
如果有在關注全球生技產業脈動的人大概都知道目前最潮的癌症治療就是免疫療法(Cancer immunotherapy)，
很概括地說就是利用病人或是捐贈者的免疫細胞去追捕然後殺死癌細胞，
並且希望藉此建立長期的抗癌免疫系統。
幾年前剛上市的 anti-PD1/PD-L1跟anti-CTLA4 這類checkpoint inhibitor，
更是替這個其實一百多年前就有的抗癌想法添了不少柴火。
另一方面，
免疫系統的工作往往是全身系統性的反應。
但是在免疫療法如火如荼地席捲整個生技產業時，
許多的免疫療法研究大都專注在癌細胞發生的局部身體部位。
到底系統性的免疫反應對癌症免疫療法扮演了什麼樣的角色，
是一個每個人自有推測卻沒有人有確切答案的難題。
為了全面性地回答這個問題，
由主要通訊作者Matthew Spitzer為首的Stanford + UCSF 研究團隊，
針對另一位通訊作者Edgar Engleman實驗室之前所建立的腫瘤小鼠模型，
施用有效的免疫抗癌療法(Allogenic IgG＋Anti-CD40+INFgamma)與無效的療法(anti-PD-1)，
然後收集其腫瘤原發部位跟全身不同的免疫器官來比較不同免疫細胞的增減，
希望藉此更了解免疫系統如何抗癌，
以繼進一步找出新的抗癌方法。
這群研究者們使用了近幾年共同通訊作者 Garry Nolan的實驗室大量應用的新科技: Single-cell Mass Cytometry，
來進行高次元的細胞表面標籤分析。
Mass Cytometry與一般的Flow Cytometry(劉氏流式細胞儀）的功能類似，
都是利用特別處理過的抗體來分別生物細胞樣本中有多少細胞帶有某種特定標記，
但是一般的Flow Cytometry使用螢光標示抗體，
由於螢光的吸收/放射波長重疊、還有偵測器的靈敏度跟解析度的關係，
一般不太能夠同時分析五六種以上的螢光，
因此要重複大量的樣本使用，
但是Mass Cytometry應用了不同金屬同位素來標記抗體，
再配上後端的質譜儀分析，
可以以很靈敏精準的解析度，
分析同一個細胞表面高達三四十種的不同標籤，
讓分別不同細胞的工作提升到另一個不同層次。
就像小時候看MPEG-1影片根本天然馬賽克，
現在MPEG-4連毛細孔都太清楚（羞）。
這樣高解析度的分析工具雖然方便，
但是也帶來了一個不同的挑戰，
就是資料量暴增，
後端的分析工作變得格外重要。
Nolan實驗室過去幾年的研究也多專注在此，
本文的第一作者Matthew Spitzer在2015年就諄對此技術發表新的分析方法: Scaffold，
將Mass Cyometry的資料視覺化成二次元定位的座標，
讓一般的生物研究者也能清楚分辨不同細胞族群的分佈，
進一步比較在不同有效跟無效癌症療法下免疫細胞組成的改變。
分析工具有了，
研究者們便針對在施加有效或是無效療法的腫瘤小鼠模型，
收集了開始治療三天（initial phase），
跟八天後、腫瘤消除後（rejection phase）
腫瘤跟全身不同部位的免疫組織跟器官來分析不同免疫細胞的增減。
有趣的是，
在有效療法下，
雖然腫瘤中的T cell確實比無效療法下來的多，
但是這些T cell事實上是來自周圍甚至是系統性的免疫器官，
而不是從原發部位增生。
在做了一堆分析來佐證這個發現後，
這些研究者們進一步證明如果他們阻斷這些T cell從免疫器官遷移到腫瘤原發部位的過程，
會讓原本有效療法失效，
同時，如果將這些系統性的免疫T cell移植到腫瘤還沒有增生的小鼠，
也可以阻斷腫瘤發生，
總之是證明了系統性的T cell免疫反應也參與在抗癌反應上。
之前大部份研究都專注在腫瘤發生部位的免疫細胞反應，
而這篇研究則是將我們的視野放大到了系統性的免疫抗癌機制，
真的是可喜可賀。
粗略地說，
這篇文章大概涵蓋了不到10%這整個研究產生出來的資料，
顯然之後還可以繼續鑽研這些資料下去。
Mass Cytometry確實是個很強大的工具，
但是同時不同種的single cell analysis日新月異，，
許多的Single-cell DNA/RNA-seq研究也正如火如荼地發生。
由我的觀點來看，
Mass Cytometry雖然靈敏度跟解析度很高，
卻有只能做免洗式的樣本分析，
也就是樣本在質譜分析的過程也會被破壞而不能再分析，
同時也不能提供除了使用的標籤抗體以外的偵測資訊。
相比來說，
single-cell seq 只要再加上 DNA/RNA-barcoded 抗體，
理論上也可以進行同樣高次元的細胞表面抗原分析，
同時還可以加上更多DNA/RNA的資料，
40個次元的分析根本小case。
這個想法連我都想得到了，
相信再過幾個月就會很多人發表了，
不久的將來single-cell sequencing很有可能會快速地追上甚至取代Mass Cytometry的用途。
總之，
illumina sequencing948794狂啦～
(除了真的拿來做de novo genome sequencing以外）
好像很久沒寫科學類的文章了，
兩週前我下決心把最近在實驗室的journal club的文章拿來回收寫寫科普，
好像寫到最後變得落落長又不夠普及，
不過現代的科學研究文章就是這樣冗長啦，
就加減看看吧。
要講的是這篇Cell:
Systemic Immunity Is Required for Effective Cancer Immunotherapy
先說科普上的結論：
系統性的免疫反應也是跟抗癌是很有關的！
另外給科學研究者朋友們的結論：
Mass Cytometry是一個強大但是很可能曇花一現的科技，
有興趣做這種single-cell high-dimension分析的人，
還是都去發展single-cell sequencing比較實際。
如果有在關注全球生技產業脈動的人大概都知道目前最潮的癌症治療就是免疫療法(Cancer immunotherapy)，
很概括地說就是利用病人或是捐贈者的免疫細胞去追捕然後殺死癌細胞，
並且希望藉此建立長期的抗癌免疫系統。
幾年前剛上市的 anti-PD1/PD-L1跟anti-CTLA4 這類checkpoint inhibitor，
更是替這個其實一百多年前就有的抗癌想法添了不少柴火。
另一方面，
免疫系統的工作往往是全身系統性的反應。
但是在免疫療法如火如荼地席捲整個生技產業時，
許多的免疫療法研究大都專注在癌細胞發生的局部身體部位。
到底系統性的免疫反應對癌症免疫療法扮演了什麼樣的角色，
是一個每個人自有推測卻沒有人有確切答案的難題。
為了全面性地回答這個問題，
由主要通訊作者Matthew Spitzer為首的Stanford + UCSF 研究團隊，
針對另一位通訊作者Edgar Engleman實驗室之前所建立的腫瘤小鼠模型，
施用有效的免疫抗癌療法(Allogenic IgG＋Anti-CD40+INFgamma)與無效的療法(anti-PD-1)，
然後收集其腫瘤原發部位跟全身不同的免疫器官來比較不同免疫細胞的增減，
希望藉此更了解免疫系統如何抗癌，
以繼進一步找出新的抗癌方法。
這群研究者們使用了近幾年共同通訊作者 Garry Nolan的實驗室大量應用的新科技: Single-cell Mass Cytometry，
來進行高次元的細胞表面標籤分析。
Mass Cytometry與一般的Flow Cytometry(
都是利用特別處理過的抗體來分別生物細胞樣本中有多少細胞帶有某種特定標記，
但是一般的Flow Cytometry使用螢光標示抗體，
由於螢光的吸收/放射波長重疊、還有偵測器的靈敏度跟解析度的關係，
一般不太能夠同時分析五六種以上的螢光，
因此要重複大量的樣本使用，
但是Mass Cytometry應用了不同金屬同位素來標記抗體，
再配上後端的質譜儀分析，
可以以很靈敏精準的解析度，
分析同一個細胞表面高達三四十種的不同標籤，
讓分別不同細胞的工作提升到另一個不同層次。
就像小時候看MPEG-1影片根本天然馬賽克，
現在MPEG-4連毛細孔都太清楚（羞）。
這樣高解析度的分析工具雖然方便，
但是也帶來了一個不同的挑戰，
就是資料量暴增，
後端的分析工作變得格外重要。
Nolan實驗室過去幾年的研究也多專注在此，
本文的第一作者Matthew Spitzer在2015年就諄對此技術發表新的分析方法: Scaffold，
將Mass Cyometry的資料視覺化成二次元定位的座標，
讓一般的生物研究者也能清楚分辨不同細胞族群的分佈，
進一步比較在不同有效跟無效癌症療法下免疫細胞組成的改變。
分析工具有了，
研究者們便針對在施加有效或是無效療法的腫瘤小鼠模型，
收集了開始治療三天（initial phase），
跟八天後、腫瘤消除後（rejection phase）
腫瘤跟全身不同部位的免疫組織跟器官來分析不同免疫細胞的增減。
有趣的是，
在有效療法下，
雖然腫瘤中的T cell確實比無效療法下來的多，
但是這些T cell事實上是來自周圍甚至是系統性的免疫器官，
而不是從原發部位增生。
在做了一堆分析來佐證這個發現後，
這些研究者們進一步證明如果他們阻斷這些T cell從免疫器官遷移到腫瘤原發部位的過程，
會讓原本有效療法失效，
同時，如果將這些系統性的免疫T cell移植到腫瘤還沒有增生的小鼠，
也可以阻斷腫瘤發生，
總之是證明了系統性的T cell免疫反應也參與在抗癌反應上。
之前大部份研究都專注在腫瘤發生部位的免疫細胞反應，
而這篇研究則是將我們的視野放大到了系統性的免疫抗癌機制，
真的是可喜可賀。
粗略地說，
這篇文章大概涵蓋了不到10%這整個研究產生出來的資料，
顯然之後還可以繼續鑽研這些資料下去。
Mass Cytometry確實是個很強大的工具，
但是同時不同種的single cell analysis日新月異，，
許多的Single-cell DNA/RNA-seq研究也正如火如荼地發生。
由我的觀點來看，
Mass Cytometry雖然靈敏度跟解析度很高，
卻有只能做免洗式的樣本分析，
也就是樣本在質譜分析的過程也會被破壞而不能再分析，
同時也不能提供除了使用的標籤抗體以外的偵測資訊。
相比來說，
single-cell seq 只要再加上 DNA/RNA-barcoded 抗體，
理論上也可以進行同樣高次元的細胞表面抗原分析，
同時還可以加上更多DNA/RNA的資料，
40個次元的分析根本小case。
這個想法連我都想得到了，
相信再過幾個月就會很多人發表了，
不久的將來single-cell sequencing很有可能會快速地追上甚至取代Mass Cytometry的用途。
總之，
illumina sequencing948794狂啦～
(除了真的拿來做de novo genome sequencing以外）
留言
張貼留言