Powstało darmowe oprogramowanie do analizy komórkowej nowotworów

Komentarz redakcji

Narzędzie integruje procesy przetwarzania danych mikroskopowych, co ułatwia badanie próbek tkankowych. Badacze przetestowali program podczas analizy chłoniaków B-komórkowych – pomógł on odróżnić ich postacie powolne od agresywnych. Oprogramowanie udostępniono bezpłatnie w formule open-source.

Najważniejsze

  • Nowe oprogramowanie open-source (spatialproteomics) integruje rozproszone dotąd etapy analizy mikroskopowej tkanek nowotworowych w jeden pakiet.
  • Narzędzie ułatwia badanie mikrośrodowiska guza poprzez proteomikę przestrzenną, co przetestowano z sukcesem na chłoniakach B-komórkowych.
  • Program pozwala na sprawniejsze rozróżnianie chłoniaków o przebiegu powolnym od postaci agresywnych.
  • Głównymi barierami dla powszechnego wdrożenia w diagnostyce szpitalnej są wysokie koszty mikroskopów wieloparametrowych oraz brak niezależnych analiz klinicznych.
·
2 min

Międzynarodowy zespół naukowców opracował bezpłatne oprogramowanie „spatialproteomics”, służące do analizy rozmieszczenia komórek w nowotworach. Informację o tym opublikowało 28 lipca 2026 roku czasopismo „Nature Methods”.

Unsplash — National Cancer Institute
Unsplash — National Cancer Institute

Za stworzenie oprogramowania odpowiada konsorcjum naukowe z Europejskiego Laboratorium Biologii Molekularnej (EMBL) oraz Uniwersytetu Heinricha Heinego w Düsseldorfie. W projekt zaangażowani byli również specjaliści ze Szpitala Uniwersyteckiego w Düsseldorfie, Uniwersytetu w Heidelbergu oraz Centrum Zintegrowanej Onkologii Aachen, Bonn, Köln, Düsseldorf. Pracami badawczymi kierowali Matthias Meyer-Bender z EMBL oraz dr Peter-Martin Bruch z uczelni w Düsseldorfie.

Zastosowanie w diagnostyce chłoniaków

Opracowane narzędzie służy do analizy obrazowania wieloparametrowego. Metoda ta pozwala na jednoczesne badanie rozmieszczenia milionów pojedynczych komórek oraz dziesiątek markerów molekularnych w obrębie jednej próbki. Nowy program łączy w jeden spójny pakiet analityczny dotychczas rozproszone etapy przetwarzania danych: od analizy surowych obrazów, przez segmentację komórek, aż po ich klasyfikację i analizę przestrzenną. Naukowcy przetestowali aplikację na próbkach pobranych od pacjentów z chłoniakami B-komórkowymi. Narzędzie pomogło odróżnić nowotwory o przebiegu powolnym od ich agresywnych postaci. Wcześniejsze doniesienia niemieckich mediów sugerujące, że program różnicuje nowotwory łagodne i złośliwe, były błędne merytorycznie – wszystkie chłoniaki są bowiem nowotworami złośliwymi.

Twórcy udostępnili kod źródłowy bezpłatnie jako oprogramowanie open-source. Publikacja naukowa nie podaje jednak szczegółów technicznych, takich jak język programowania, wymagania sprzętowe czy rodzaj licencji. Autorzy nie przedstawili również wskaźników określających przewagę programu nad starszymi metodami – brakuje dokładnych danych dotyczących czułości, specyficzności oraz oszczędności czasu. Dotychczasowe analizy opierają się wyłącznie na komunikatach instytucji tworzących narzędzie i nie uwzględniają opinii niezależnych ekspertów. Algorytm niesie także ryzyko błędów w segmentacji przy gęsto upakowanych komórkach tkanki limfoidalnej.

Wyzwania wdrożeniowe i proteomika przestrzenna

Działanie aplikacji bazuje na proteomice przestrzennej, czyli mapowaniu białek w tkankach. Metoda ta pozwala określić, w jaki sposób komórki nowotworowe oddziałują z układem odpornościowym oraz naczyniami krwionośnymi. Wcześniej badacze musieli ręcznie łączyć niespójne narzędzia, takie jak QuPath czy CellProfiler. Wdrożenie nowej technologii w codziennej diagnostyce szpitalnej ograniczają jednak wysokie koszty oraz niska dostępność mikroskopów wieloparametrowych. Z tego względu większość rutynowych badań wciąż opiera się na klasycznej ocenie histopatologicznej.

Wprowadzenie ujednoliconego oprogramowania może ułatwić prowadzenie wieloośrodkowych badań onkologicznych i przyspieszyć standaryzację analizy obrazów medycznych. W przyszłości narzędzie to ma pomóc także w badaniu innych typów nowotworów oraz procesów zapalnych.

Etapy analizy w programie spatialproteomics

1
1. Surowy obraz
Wprowadzenie surowych wieloparametrowych obrazów mikroskopowych tkanki.
2
2. Segmentacja
Automatyczne wyodrębnianie i obrysowywanie granic poszczególnych komórek w tkance.
3
3. Klasyfikacja i adnotacja
Rozpoznawanie typów komórek i przypisywanie im markerów molekularnych.
4
4. Analiza przestrzenna
Mapowanie rozmieszczenia i wzajemnych interakcji przestrzennych w mikrośrodowisku guza.

Na podstawie informacji o programie spatialproteomics (EMBL)

Porównanie nowego oprogramowania z dotychczasowym podejściem badawczym

Dotychczasowe metody analizy (rozproszone)
+Dostępność i znajomość narzędzi w laboratoriach
Konieczność ręcznego łączenia niespójnych programów (np. QuPath, CellProfiler)
Utrudniona powtarzalność i standaryzacja analizy
Większy nakład pracy programistycznej dla badacza
Nowe oprogramowanie (spatialproteomics)
+Jeden spójny workflow (od surowego obrazu do analizy przestrzennej)
+Udostępnienie na licencji open-source (bezpłatnie)
+Ułatwienie analizy mikrośrodowiska i interakcji komórkowych
Ryzyko błędów segmentacji przy gęsto upakowanych komórkach
Brak pełnych danych o czułości i zysku czasowym w pierwszej publikacji

Słownik pojęć

Obrazowanie wieloparametrowe (multiplexed imaging)
Zaawansowana metoda badawcza polegająca na jednoczesnym wykrywaniu i lokalizowaniu wielu (od kilkunastu do kilkudziesięciu) różnych cząsteczek (białek, kwasów nukleinowych) w tym samym skrawku tkanki.
Proteomika przestrzenna (spatial proteomics)
Dziedzina biologii molekularnej zajmująca się mapowaniem i analizą rozmieszczenia przestrzennego białek w nienaruszonej strukturze tkankowej, co pozwala określić bezpośrednie interakcje między sąsiadującymi komórkami.
Segmentacja komórek
Proces w komputerowej analizie obrazu polegający na podziale obrazu na odrębne obszary odpowiadające poszczególnym obiektom, np. wyodrębnianiu granic pojedynczych jąder lub całych komórek w tkance.
Chłoniak B-komórkowy
Nowotwór układu chłonnego wywodzący się z limfocytów B. Nowotwory te mogą mieć postać powolną (indolentną) lub agresywną, przy czym wszystkie są klasyfikowane jako nowotwory złośliwe.

Najczęstsze pytania

Do czego służy nowe oprogramowanie "spatialproteomics"?
Oprogramowanie służy do automatycznej i zintegrowanej analizy obrazów tkanek uzyskanych metodą obrazowania wieloparametrowego. Pomaga badaczom zrozumieć architekturę komórkową nowotworów, analizując rozmieszczenie i interakcje komórek w ich środowisku naturalnym.
Czy oprogramowanie jest płatne?
Tak, kod programu został udostępniony bezpłatnie jako open-source. Badacze z całego świata mogą go pobierać, testować i dostosowywać do własnych potrzeb naukowych.
Jakie są ograniczenia we wdrożeniu tego narzędzia w rutynowej diagnostyce?
Na tym etapie głównym ograniczeniem w diagnostyce szpitalnej jest bardzo wysoki koszt i niska dostępność zaawansowanych mikroskopów wieloparametrowych. Ponadto oprogramowanie może mieć trudności z prawidłową segmentacją w miejscach o wyjątkowo dużym zagęszczeniu komórek (np. w tkance limfoidalnej).
Do jakich typów nowotworów można zastosować to oprogramowanie?
Badacze pomyślnie przetestowali program na próbkach chłoniaków B-komórkowych, gdzie narzędzie pomogło rozróżnić formy agresywne od powolnych. Autorzy planują jednak, aby w przyszłości program był wykorzystywany również do badania innych typów nowotworów oraz procesów zapalnych.

Pierwsi napisali na ten temat

Komentarze (0)

0/2000
Następny artykuł

Immunoterapia u dzieci z białaczką zmniejsza ryzyko nawrotu o połowę

Międzynarodowy zespół naukowców pod kierunkiem badaczy ze szpitala w Kilonii opublikował w „The New England Journal of Medicine” wyniki badania III fazy u dzieci z ostrą białaczką limfoblastyczną. Zastosowanie immunoterapii w miejsce części chemioterapii zmniejszyło odsetek nawrotów choroby oraz śmiertelnych powikłań. Odkrycie to daje podstawę do zmiany międzynarodowych standardów leczenia pierwszej linii.

Czytaj dalej

Powiązane artykuły

Immunoterapia u dzieci z białaczką zmniejsza ryzyko nawrotu o połowę

Międzynarodowy zespół naukowców pod kierunkiem badaczy ze szpitala w Kilonii opublikował w „The New England Journal of Medicine” wyniki badania III fazy u dzieci z ostrą białaczką limfoblastyczną. Zastosowanie immunoterapii w miejsce części chemioterapii zmniejszyło odsetek nawrotów choroby oraz śmiertelnych powikłań. Odkrycie to daje podstawę do zmiany międzynarodowych standardów leczenia pierwszej linii.

17 września 2026

Metoda SUBSCAN pozwala wykryć raka skóry przed pojawieniem się widocznych zmian

Nowe rozwiązanie łączy trójwymiarową tomografię optyczną o wysokiej rozdzielczości z algorytmem sztucznej inteligencji, co umożliwia wczesną diagnozę pod naskórkiem. Opublikowane badanie pilotażowe nie zawiera jednak danych o czułości i swoistości testu, a samo badanie jest obecnie zbyt czasochłonne. Wdrożenie technologii w rutynowej praktyce ogranicza również wysoki koszt aparatury.

20 sierpnia 2026

Czy system AI HemaGuide zrewolucjonizuje leczenie nowotworów krwi?

Zespół z DKFZ, HI-STEM i Uniwersytetu w Heidelbergu przedstawił 6 lipca 2026 roku system HemaGuide w Uniwersyteckim Centrum Medycznym w Heidelbergu. W testach rozwiązanie osiągnęło około 82–83 proc. zgodności z decyzjami ekspertów.

7 lipca 2026

Algorytm clinTALL rozpoznaje podtypy rzadkiej białaczki u dzieci z dokładnością 92 procent 

Model clinTALL opracowany przez zespół prof. Anke Katharine Bergmann łączy dane genomowe i kliniczne, aby prognozować przebieg leczenia białaczki T-ALL u dzieci. Kod źródłowy algorytmu udostępniono bezpłatnie innym ośrodkom badawczym.

18 września 2026

FlowXAI z Marburga: AI wspomaga diagnostykę chłoniaków B-komórkowych

Naukowcy z Uniwersytetu w Marburgu opracowali system sztucznej inteligencji FlowXAI do wspierania diagnostyki chłoniaków B-komórkowych. Narzędzie nie tylko podaje propozycję rozpoznania, ale też wskazuje, na jakich cechach opiera ocenę i jak bardzo jest ona pewna. Wyniki opublikowano 13 lipca 2026 roku w PLOS Medicine.

14 lipca 2026

Oszacowanie oporności czerniaków: fińska innowacja z Uniwersytetu w Turku

Zespół z Uniwersytetu w Turku opracował nowy model komórkowy do badania czerniaków z deficytem BAP1, które należą do najtrudniejszych w leczeniu nowotworów tego typu. Badanie opublikowano 29 czerwca 2026 roku w piśmie „Communications Biology”.

1 lipca 2026

StartSzukaj