生物标志物的研究下一代组织微阵列（ngTMA）协议
September 23rd, 2014
该协议的目的是优化建设和组织芯片质量的生物标志物的研究。它包括规划设计，数字化病理学，虚拟幻灯片注释，并自动组织排列的各个方面。
以下程序的目的是构建最佳或靶向组织微阵列，用于后续生物标志物研究。首先，从代表性组织切片生成数字切片档案。在数字载玻片上注释感兴趣的组织学区域，以指定要转移到组织显微射线块的相应供体块的确切区域。
创建组织微阵列芯片设计和布局后，自动打孔供体块，并将原因加载到组织微阵列芯片中。使用这种精确、快速和自动化的新一代方法，可以准确捕获精确的组织学区域甚至特定的细胞群并将其转移到组织微阵列芯片上。与现有的组织微环方法（例如使用自制或半自动设备）相比，我们的技术的主要优势显然是组织学的准确性。
这是通过将数字病理学的优势与组织学专业知识以及自动化组织微环相结合来实现的，展示了当今的手术的是 Kalin Hamman 和 Jose Galvan。来自我们实验室的两项技术援助 使用扫描软件。首先选择自动模式进行明场扫描。
然后单击扫描选项以调整幻灯片质量参数。现在，通过单击服务器参数选择将玻片扫描保存到本地或 Web 完成，并将扫描目标设置为病例中心。现在，在将载玻片装入载玻片盒之前准备载玻片对于扫描仪，请检查载玻片是否干净。
如有必要，用乙醇将其清洗干净，每个玻片盒中最多可装入 25 张玻片，扫描仪最多可装入 10 个玻片盒。多个弹匣在装入时堆叠在一起。加载幻灯片后，提供所有幻灯片、文件名，并在案例中心设置保存文件夹。
现在通过单击绿色箭头开始扫描幻灯片。在本节中，组织样本在载玻片上打孔的位置由数字载玻片的注释设置。首先打开数字幻灯片文件夹。
在查看软件中，可以对文件夹本身进行更改。可以添加注释，可以重新排序幻灯片，并且可以像附件一样设置用户权限。现在通过单击一张幻灯片开始注释幻灯片。
它将显示在查看器中。在查看器中。使用放大工具评估玻片并找到要集成到下一代 TMA 中的感兴趣区域。
使用 TMA 注释工具，选择所需内核的大小和注释的颜色。通过单击幻灯片将此批注附加到幻灯片。然后将注释移动到所需的组织学结构。
这些注释标记了相应组织块上的穿孔位置。重复此过程，直到所有幻灯片都已添加注释。组织原因的另一种选择是将它们送到 0.2 毫升 PCR 管中进行分子分析。
使用不同的颜色标记对载玻片进行注释，以将这些点与 TMA 点区分开来。创建所有批注后，保存一个电子表格文件，其中包含所有幻灯片及其相应批注和批注颜色的列表。通过检索所有注释的数字载玻片的相应石蜡组织块来开始组织微重建，此后。
称为 donor 区块。按照与数字幻灯片相同的顺序对块进行排序。检查每个块的厚度是否至少为 4 毫米。
如果没有，则需要在计算机上重新发明组织。打开软件的组织微阵列并提供项目名称。转到换刀并选择所需的刀具直径。
现在最多可将 12 个接收者块加载到机器中。记下区块名称。为了保持一致性，它们都应该使用相同的编号系统进行标记。
然后在软件中，为每个块分配适当的名称以创建 TMA 布局。首先，通过分配冲头的行数、列数、空行数和间距来制作新的 TMA 设计。保存布局并将其分配给块。
然后对下一个块重复此过程。使用新布局或相同布局时，核心大小可以在收件人块之间变化。接下来，将最多 60 个供体块加载到机器中。
每行最多可容纳 10 个块。A 到 F.Remaining 供体块稍后将在软件中加载。为每个供主数据块指定一个标识名称。
将自动获取每个块的图像。现在将数字载玻片与其相应的供体块对齐。首先，选择一个块。
然后单击幻灯片并并排比较幻灯片和块图像。在供体块图像上选择与相应数字载玻片上的特定点相对应的参考点。然后单击 Next，注释将移动到供体块的图像上。
如果注释正确，请单击每个注释以确认其位置。然后单击 start。这会提示微阵列芯片在受体块的参考点上钻孔，然后在相同位置从供体块打孔，并将核心转移到受体块。
要将核心收集到 A PCR 管中，请单击该块的 PCR 工具。最多可以使用四个注释来向管子供应组织。设置完成后，单击开始，将调用供体并加载管子。
机器钻孔和冲孔、型芯后，更新供体块的图像。继续对下一个块重复对齐和注释。然后对其进行核心化。
继续对每个供体区块执行此作。这将在 TMA 中。当第一组 60 个供体块完成后，卸载它们并再加载 60 个块。
继续该过程，直到所有供体块都排列好。取大约 500 个芯后，清洁钻头，冲孔工具将 xle。数组完成后，导出项目。
包含工程数据的电子表格文件将位于导出文件夹中。它显示了每个 TMA 块中每个样品的位置。然后将带有叠加注释的供体块图像作为 JPEG 文件保存到导出文件夹。
这样就完成了生成 TMA 块的过程。此 TMA 布局显示了 6 个 NG TMA 模块，这些模块被构建为两个副本，用于 12 个最终模块以填充阵列。每个肿瘤块包含 402 个组织点，每个正常组织块包含 268 个组织点。
注释 60 个供体块后，对原因进行打孔。核心转移时间约为 12 秒。核心损失最小，并且一个数组的总时间，这个项目总共大约 24 小时。
这包括在 N-G-T-M-A 过程之后为后续分子分析的原因打孔所花费的时间。其他方法，如细胞杂交中的免疫组织化学，甚至特殊染色剂，都可以应用于这些组织微阵列，以回答一些问题，例如哪些基因或蛋白质在不同组织中表达甚至改变。
概述
本协议概述了用于生物标志物研究的组织芯片阵列的构建和优化。它整合了数字病理学和自动组织阵列以提高组织学准确性。
关键研究组成部分
科学领域
- 生物标志物研究
- 组织芯片阵列技术
- 数字病理学
背景
- 组织芯片阵列对于高通量生物标志物分析至关重要。
- 数字幻灯片档案库促进了组织学区域的精确注释。
- 自动化过程提高了组织采样的效率和准确性。
- 组织学专业知识对于最佳组织选择至关重要。
研究目的
- 构建用于生物标志物研究的靶向组织芯片阵列。
- 通过自动化提高组织采样的准确性。
- 通过自动化和数字病理学整合简化数字幻灯片注释和组织转移的过程。
使用的方法
- 从代表性组织切片创建数字幻灯片档案。
- 在数字幻灯片上注释感兴趣的组织学区域。
- 自动打孔供体块以创建组织芯片阵列。
- 使用软件进行TMA设计和布局管理。
主要结果
- 成功构建了具有高组织学准确性的组织芯片阵列。
- 高效地将目标组织样本转移到接收块上。
- 通过自动化和数字病理学整合改善了工作流程。
- 创建了一个全面的项目数据电子表格以供进一步分析。
结论
- 该协议显著提高了组织芯片阵列的质量。
- 将数字病理学与自动化技术相结合可产生精确的结果。
- 这种方法优于传统的组织芯片阵列构建方法。
常见问题
Executive Industry Relevance
Next-generation tissue microarray (ngTMA) technology addresses the critical need for precise, reproducible tissue sampling in biomarker discovery and validation. By integrating digital pathology with automated arraying, ngTMA enhances histological accuracy and throughput, directly supporting target validation and assay development workflows. This approach reduces biological noise in preclinical models, improving predictive confidence in lead identification and translational biomarker studies.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by capturing specific histological regions such as tumor center, invasion front, and metastatic sites for functional target validation.
- Operational Value: Supports biological de-risking through precise annotation of tissue zones, reducing mechanistic ambiguity in target engagement studies.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by generating standardized tissue spots from annotated regions, enabling reliable compound evaluation.
- Operational Value: Addresses assay standardization and reproducibility through automated punching and digital slide matching, ensuring consistent sample preparation across runs.
Translational & Preclinical Research
- Scientific Value: Discusses disease relevance and translational biomarker alignment by incorporating multiple tissue types/histological zones (e.g., tumor, lymph node, liver metastases, normal tissue) from patient samples.
- Operational Value: Describes continuity from discovery through preclinical validation by producing multiple ngTMA copies for parallel analysis in immunohistochemistry, in situ hybridization, and special stains.
Pipeline & Workflow Integration
ngTMA integrates into the discovery continuum from Early Discovery to Lead Identification and Preclinical work by providing quantitative, spatially resolved tissue outputs that support hypothesis testing and pathway clarification.
- Discovery Biology: Explains how the method supports hypothesis testing, pathway clarification, or biological de-risking through precise capture of histological areas of interest via digital annotation.
- Screening: Describes assay readiness, reproducibility, or quantitative outputs when supported by the article via automated arraying of annotated regions producing standardized tissue spots.
- Analytics: Highlights measurements, readouts, or statistical outputs that help teams compare conditions through digital slide annotation and project data export for further analysis.
- Translational Research: Connects the method to preclinical continuity or biomarker alignment only when the source supports it by enabling application of IHC, ISH, and special stains on ngTMAs to assess protein/gene expression across tissue zones.
- Enterprise Reuse: Frames the method as a reusable capability rather than a single-use technique through the production of multiple ngTMA copies and digital slide archiving for future studies.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity.
- Operational Value: Standardization, reproducibility, and scalability.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions.
Implementation Considerations
- Required scientific expertise in histology, digital pathology, and tissue microarray design.
- Instrumentation and analytical infrastructure needs including automated tissue arrayer, slide scanner, and web-based annotation platform.
- Cross-team standardization requirements for annotation protocols, block labeling, and data management.
- Adaptation considerations across model systems such as varying tissue types, core sizes, and patient sample volumes.
- Practical limitations supported by source material including annotation time (2-3 min/case), scanning requirements (3 overnight runs for 134 patients), and arraying time (15-20 hr).
