← 返回首頁

腦癌細胞會換路走:GlioTrace追蹤數千個細胞的侵入軌跡

從六名患者來源的腫瘤模型出發,研究人員在活體腦組織切片中,看見膠質母細胞瘤細胞改變形態、切換移動路徑。這套結合顯微影像與機器學習的方法,也為觀察治療如何影響癌細胞侵入提供了新工具。

By SURL BioNews

膠質母細胞瘤難以治療,原因之一是癌細胞會越過腫瘤邊界,滲入周圍健康腦組織,留下手術難以清除的病灶。要理解這個過程,僅看細胞停在哪裡還不夠;研究人員也需要知道,它們如何移動,又如何在治療壓力下改變行為。

瑞典烏普薩拉大學團隊在《Nature Communications》發表GlioTrace,結合自動化顯微攝影、機器學習與統計模型,追蹤數千個腫瘤細胞。研究使用來自六名患者的膠質母細胞瘤細胞,先讓它們在小鼠腦內形成腫瘤,再將腦組織切成薄片,於實驗室維持存活,以不超過兩小時的間隔拍攝,最長觀察五天。

這些連續影像顯示,不同患者來源的腫瘤有不同的擴散方式:有些細胞主要沿著血管前進,有些則較分散地穿行於周圍組織。同一個細胞也能在數天內改變形態,從沿血管移動切換為穿行組織。這意味著,細胞的侵入方式並非固定不變;若要研究如何阻止擴散,也得理解它們如何轉換路徑。

團隊進一步用GlioTrace觀察治療反應。兩種藥物物質在腦切片中降低了細胞的移動與擴散,但效果隨患者來源及細胞移動行為而異。這讓研究人員能將整體反應拆開來看,辨認哪些細胞的行為受到影響;不過,切片中的移動減少,尚不能直接推論為患者的治療效益。

另一項結果更需要謹慎解讀:部分腫瘤模型接受放射線與化學治療後,一種特定形態細胞的比例上升。這群細胞屬於移動最快的類型之一,也在不同細胞狀態的轉換網絡中占據核心位置。研究提出它們可能在治療下留存的疑問,但尚未證明這些細胞更抗治療,或會導致腫瘤復發。

GlioTrace的AI用途,是從大量顯微影像辨識並追蹤個別細胞,再配合統計分析重建行為變化。分析軟體由團隊與查爾摩斯理工大學、哥德堡大學研究人員合作開發,已免費提供其他研究者使用;搭配標準顯微鏡,便能觀察整張腦切片中的細胞軌跡。

目前,這套方法的證據仍來自患者來源細胞與小鼠腦切片構成的實驗模型,並未作為患者診斷工具接受評估,也還不能據此選擇療法。它眼前的價值,是讓癌細胞侵入從一張張靜態影像,變成可以逐步分析的過程,協助研究者提出更精確的問題:治療改變了哪些細胞,而哪些移動行為仍然持續?

References

  1. Uppsala University
  2. Forskning.se
  3. ICT&health