Summary

Automatisert disseksjonsprotokoll for tumorberikelse i vev med lavt tumorinnhold

Published: March 29, 2021
doi:

Summary

Digital merknad med automatisert vevspredning gir en innovativ tilnærming til berikende svulst i tilfeller med lavt tumorinnhold og kan tilpasses både parafin- og frosne vevstyper. Den beskrevne arbeidsflyten forbedrer nøyaktigheten, reproduserbarheten og gjennomstrømningen og kan brukes på både forsknings- og kliniske innstillinger.

Abstract

Tumorberikelse i vev med lavt tumorinnhold, de under 20% tumorinnhold avhengig av metoden, er nødvendig for å generere kvalitetsdata reprodusert med mange nedstrømsanalyser som neste generasjons sekvensering. Automatisert vevspredning er en ny metodikk som automatiserer og forbedrer tumorberikelse i disse vanlige vevene med lavt tumorinnhold ved å redusere den brukeravhengige upresistensen av tradisjonell makro-disseksjon og tids-, kostnads- og kompetansebegrensninger for laserfangstmikrodisseksjon ved å bruke digital bildemerknadsoverlegg på unstained lysbilder. Her brukes digitale hematoksylin- og eosinmerknader (H&E) til å målrette mot små tumorområder ved hjelp av et blad som er 250 μm2 i diameter i unstained formalin fast paraffin innebygd (FFPE) eller friske frosne seksjoner opp til 20 μm i tykkelse for automatisert tumorberikelse før nukleinsyreutvinning og hele eksomsekvensering (WES). Automatisert disseksjon kan høste kommenterte regioner i vev med lavt tumorinnhold fra enkelt- eller flere seksjoner for nukleinsyreutvinning. Det gjør det også mulig å fange opp omfattende målinger før og etter høsting, samtidig som nøyaktighet, reproduserbarhet og økende gjennomstrømning forbedres med utnyttelse av færre lysbilder. Den beskrevne protokollen muliggjør digital merknad med automatisert disseksjon på dyr og/eller humant FFPE eller ferskt frossent vev med lavt tumorinnhold og kan også brukes til enhver interesseregion for å øke tilstrekkeligheten for nedstrøms sekvenseringsapplikasjoner i kliniske eller forskningsarbeidsflyter.

Introduction

Neste generasjons sekvensering (NGS) brukes i økende grad til både pasientbehandling og i kreftforskning for å veilede behandlinger og legge til rette for vitenskapelig oppdagelse. Vev er ofte begrenset og små prøver med variabelt tumorinnhold brukes rutinemessig. Tumor tilstrekkelighet og integritet er derfor fortsatt en barriere for å skaffe meningsfulle data. Prøver med lavere tumorprosenter kan forårsake vanskeligheter med å skille sanne varianter fra sekvenseringsartefakter og er ofte ikke kvalifisert for NGS1. Tumorberikelse av tilfeller med lavt tumorinnhold, de under 20%, har vist seg å bidra til å gi tilstrekkelig materiale for å generere reproduserbare sekvenseringsdata og sikre at lavfrekvente varianter ikke går glipp av 2,3. Grensene vil imidlertid variere avhengig av plattformene som brukes og planlagt bruk av dataene som genereres.

Tradisjonelt utføres berikelse av tumorregioner for ekstraksjon ved manuell makrodisseksjon eller laserfangstmikrodisseksjon (LCM) av formalinfaste parafin innebygde (FFPE) lysbilder. Manuell makrodisseksjon, eller skraping av spesifiserte vevsområder fra lysbilder, gjør at tumorregioner kan fjernes for bruk i nedstrømsanalyser med relativt lave kostnader, men med lav nøyaktighet og lav presisjon 2,4. Minimal teknisk nøyaktighet kan være svært effektiv med høyere tumorinnhold tilfeller der store svor av svulst er til stede og / eller minimalt vevstap påvirker ikke resultatene betydelig, men lav tumorinnhold tilfeller eller tilfeller med mer dispergert svulst krever økt presisjon. LCM ble derfor oppfunnet på 1990-tallet og ble en verdifull måte å nøyaktig fjerne små, definerte, mikroskopiske vevsregioner fra formalinfast parafin innebygd (FFPE) lysbilder 5,6,7,8. LCM kan brukes til å samle enkeltcellepopulasjoner når komplekse heterogenitet i utvalget eksisterer9, noe som gir mulighet for innsamling av tidligere vanskelige å skille cellepopulasjoner. LCM krever imidlertid kostbare maskiner som krever omfattende teknisk ekspertise og praktisk tid 10,11,12,13,14.

Instrumentet som brukes til automatisert vevs disseksjon har presisjon mellom LCM (~ 10 μm) og makrodesisseksjoner (~ 1 mm) 15. I tillegg viser den både kostnads- og tekniske kompetansekrav mellom makrodeseksjon og LCM og er designet for å utføre rask vevsberikelse fra sekvensielle FFPE-lysbilder for å lindre ulempene ved tidligere metoder15. Automatisert disseksjon på denne måten benytter digitale merknader eller lysbildereferansebildeoverlegg på seriell seksjonerte, ubeskårne vevslysbilder for dissekering og berikelse av interesseområder. Instrumentet bruker plastspinningsbladfresespisser, 1,5 ml oppsamlingsrør og kan brukes med en rekke forskjellige væsker for disseksjon for å samle interesseområder for nedstrømsanalyser inkludert nukleisk ekstraksjon og sekvensering. Den roterende plastfresespissen benytter indre og ytre sprøytefatreservoarer og et stempel for å samle buffer, deretter møller og samler vev16. Den variable fresespissens størrelsesdiameter (250 μm, 525 μm, 725 μm) kan tillate disseksjon av separate vevsområder for sammenligning, multifokale regioner som kan samles eller individuelle små områder fra enkle eller flere FFPE-lysbilder. Seksjonstykkelser som brukes til høsting kan justeres basert på individuelle eksperimentbehov, og brukere kan sikre at interesseområder ikke har blitt utarmet ved å utføre en ekstra H&E på en seriell seksjon umiddelbart etter den siste delen som brukes til høsting.

Automatisert disseksjon ble identifisert som en måte å berike tumorinnhold i tilfeller med lavt tumorinnhold, og vi testet og utvidet den tiltenkte funksjonaliteten til et automatisert vevs disseksjonsinstrument, som for tiden markedsføres for bruk på FFPE kliniske prøver opp til 10 μm i tykkelse. Arbeidet viser at automatisert disseksjon kan brukes på både FFPE og ferske frosne menneske- eller dyrevevsseksjoner opp til 20 μm i tykkelse for forskningsformål. Protokollen viser også en tilnærming til digitalt kommentering og automatiser disseksjon for tumorberikelse i vev med lavt tumorinnhold og/eller tilfeller med nestet, spredt svulst der meningsfull makrodisseksjon er utfordrende eller ikke mulig og viser både kvalitet og utbytte av nukleinsyre som er tilstrekkelig for NGS. Automatisert disseksjon kan derfor gi presisjon på mellomnivå og økt gjennomstrømning for tumorberikelse og kan også brukes til å berike andre interesseregioner eller kombinert med andre plattformer for å svare på forskning eller kliniske spørsmål.

Protocol

Før oppstart, få passende vevsprøver i henhold til Institutional Review Board (IRB) protokoller. Alle metoder beskrevet her er godkjent av Institutional Animal Care and Use Committee (IACUC) i Genentech, Inc. 1. Vev og glideforberedelse Velg FFPE eller ferske frosne vevsblokker og bruk den tilsvarende behandlingsmetoden nedenfor. Klipp vev blokk seksjoner på positivt ladet glass lysbilder på ønsket tykkelse. Del FFPE-vevet i bånd med den første referansedelen kuttet…

Representative Results

FFPE og FF mus lever seksjoner som inneholder metastatisk kolorektal kreft i xenografts ble valgt. Seksjonene var H&E-farget (figur 1A, E, I) og skannet på en hel lysbildebilde ved 20x forstørrelse. En patolog digitalt kommenterte tumorregioner av interesse og en maske ble generert ved hjelp av kommersiell programvare og formatert som et digitalt png-referansebilde (Figur 1B, F, J). Serielle 10 μm og 20 μm tykke unstained pr…

Discussion

Presentert her er en protokoll for anvendelse av digital merknad og automatisert disseksjon for å dissekere tumorregioner fra lavt tumorinnhold FFPE eller ferskt frossent vev for tumorberikelse og bruk i WES. Ved å kombinere digital merknad og maskeoppretting med automatisert disseksjon reduserer den nødvendige praktiske tiden og ekspertisen som er felles for klassiske metoder for tumorberikelse, inkludert manuell makrodisseksjon og LCM, betydelig. Protokollen demonstrerer et potensielt viktig mellomtone tumorberikels…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Forfatterne vil takke Carmina Espiritu og Robin E. Taylor for deres støtte til automatisert disseksjonsutvikling samt Genentech Pathology Core Laboratory-ansatte som støttet dette arbeidet.

Materials

Agilent SureSelectXT Agilent G9611A
AVENIO Millisect Fill Station Roche 8106533001
AVENIO Millisect Instrument, Base Roche 8106568001
AVENIO Millisect Instrument, Head Roche 8106550001
AVENIO Millisect Milling Tips Small Roche 8106509001
AVENIO Millisect PC Roche 8106495001
BioAnalyzer Agilent G2939BA
Eppendorf 5427R Eppendorf 22620700 Micro-centrifuge
Incubation Buffer Promega D920D
Leica Autostainer XL Leica ST5010 Automated stainer
Molecular Grade Mineral Oil Sigma M5904-500ML
Proteinase K Promega V302B Digestion buffer
Qiagen AllPrep DNA/RNA Mini Kit Qiagen 80284
RLT Plus buffer Qiagen 80204
Superfrost Plus positively charged microscope slides Thermo Scientific 6776214

References

  1. Cho, M., et al. Tissue recommendations for precision cancer therapy using next generation sequencing: a comprehensive single cancer center’s experiences. Oncotarget. 8 (26), 42478-42486 (2017).
  2. Smits, A. J. J., et al. The estimation of tumor cell percentage for molecular testing by pathologists is not accurate. Modern Pathology: An Official Journal of the United States and Canadian Academy of Pathology, Inc. 27 (2), 168-174 (2014).
  3. Poole-Wilson, P. A., Langer, G. A. Effect of pH on ionic exchange and function in rat and rabbit myocardium. The American Journal of Physiology. 229 (3), 570-581 (1975).
  4. Viray, H., et al. A prospective, multi-institutional diagnostic trial to determine pathologist accuracy in estimation of percentage of malignant cells. Archives of Pathology & Laboratory Medicine. 137 (11), 1545-1549 (2013).
  5. El-Serag, H. B., et al. Gene Expression in Barrett’s Esophagus: Laser capture versus whole tissue. Scandinavian Journal of Gastroenterology. 44 (7), 787-795 (2009).
  6. Harrell, J. C., Dye, W. W., Harvell, D. M. E., Sartorius, C. A., Horwitz, K. B. Contaminating cells alter gene signatures in whole organ versus laser capture microdissected tumors: a comparison of experimental breast cancers and their lymph node metastases. Clinical & Experimental Metastasis. 25 (1), 81-88 (2008).
  7. Kim, H. K., et al. Distinctions in gastric cancer gene expression signatures derived from laser capture microdissection versus histologic macrodissection. BMC Medical Genomics. 4, 48 (2011).
  8. Klee, E. W., et al. Impact of sample acquisition and linear amplification on gene expression profiling of lung adenocarcinoma: laser capture micro-dissection cell-sampling versus bulk tissue-sampling. BMC Medical Genomics. 2, 13 (2009).
  9. Civita, P., et al. Laser capture microdissection and RNA-seq analysis: High sensitivity approaches to explain histopathological heterogeneity in human glioblastoma FFPE archived tissues. Frontiers in Oncology. 9, 482 (2019).
  10. Emmert-Buck, M. R., et al. Laser capture microdissection. Science. 274 (5289), 998-1001 (1996).
  11. Bonner, R. F., et al. Laser capture microdissection: molecular analysis of tissue. Science. 278 (5342), 1481-1483 (1997).
  12. Hunt, J. L., Finkelstein, S. D. Microdissection techniques for molecular testing in surgical pathology. Archives of Pathology & Laboratory Medicine. 128 (12), 1372-1378 (2004).
  13. Espina, V., et al. Laser-capture microdissection. Nature Protocols. 1, 586-603 (2006).
  14. Grafen, M., et al. Optimized expression-based microdissection of formalin-fixed lung cancer tissue. Laboratory Investigation; A Journal of Technical Methods and Pathology. 97 (7), 863-872 (2017).
  15. Javey, M., et al. innovative tumor tissue dissection tool for molecular oncology diagnostics. The Journal of Molecular Diagnnostics: JMD. (21), 1525-1578 (2021).
  16. Adey, N., et al. A mill based instrument and software system for dissecting slide-mounted tissue that provides digital guidance and documentation. BMC Clinical Pathology. 13 (1), 29 (2013).
check_url/62394?article_type=t

Play Video

Cite This Article
Havnar, C. A., Zill, O., Eastham, J., Hung, J., Javey, M., Naouri, E., Giltnane, J., Balko, J. M., Wallace, A., Lounsbury, N., Oreper, D., Saturnio, S., Yang, G., Lo, A. A. Automated Dissection Protocol for Tumor Enrichment in Low Tumor Content Tissues. J. Vis. Exp. (169), e62394, doi:10.3791/62394 (2021).

View Video