Verwendung computerbasierter Bildanalyse zur Verbesserung der Quantifizierung von Lungenmetastasen im 4T1-Brustkrebsmodell

Margaret  A. Nagai-Singer; Alissa Hendricks-Wenger; Rebecca  M. Brock; Holly  A. Morrison; Juselyn  D. Tupik; Sheryl Coutermarsh-Ott; Irving  C. Allen

doi:10.3791/61805

Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Verwendung computerbasierter Bildanalyse zur Verbesserung der Quantifizierung von Lungenmetastasen im 4T1-Brustkrebsmodell

5.9K Aufrufe

⸱

DOI:

10.3791/61805

⸱

2. Oktober 2020

Margaret A. Nagai-Singer¹ , Alissa Hendricks-Wenger¹^,²^,³ , Rebecca M. Brock¹^,² , Holly A. Morrison¹ , Juselyn D. Tupik¹ , Sheryl Coutermarsh-Ott¹ , Irving C. Allen¹^,²^,⁴

¹Department of Biomedical Sciences and Pathobiology, Virginia-Maryland College of Veterinary Medicine, ²Graduate Program in Translational Biology, Medicine and Health, Virginia Polytechnic Institute and State University, ³Department of Biomedical Engineering and Mechanics, Virginia Polytechnic Institute and State University, ⁴Department of Basic Science Education, Virginia Tech Carilion School of Medicine, Virginia Polytechnic Institute and State University

In diesem Artikel

Zusammenfassung

Wir beschreiben eine konsistentere und beschleunigte Methode zur Quantifizierung von Lungenmetastasen im 4T1-Brustkrebsmodell mit Fidschi-ImageJ.

Zusammenfassung

Brustkrebs ist eine verheerende Bösartigkeit, die allein im Jahr 2019 40.000 Todesfälle bei Frauen und 30 % der neuen Krebsdiagnosen bei Frauen in den Vereinigten Staaten ausmacht. Die Hauptursache für Todesfälle im Zusammenhang mit Brustkrebs ist die metastasierende Belastung. Daher müssen präklinische Modelle für Brustkrebs die metastasierende Belastung analysieren, um klinisch relevant zu sein. Das 4T1-Brustkrebsmodell bietet ein spontan metastasierendes, quantifizierbares Mausmodell für menschlichen Brustkrebs im Stadium IV. Die meisten 4T1-Protokolle quantifizieren jedoch die metastasierende Belastung, indem sie gefärbte Kolonien manuell auf Gewebekulturplatten zählen. Während dies für Gewebe mit geringerer metastasierender Belastung ausreicht, führt menschliches Versagen bei der manuellen Zählung zu inkonsistenten und variablen Ergebnissen, wenn Platten konfluent und schwer zu zählen sind. Diese Methode bietet eine computerbasierte Lösung für menschliche Zählfehler. Hier evaluieren wir das Protokoll mit der Lunge, einem hochmetastasierenden Gewebe im 4T1-Modell. Bilder von Methylenblau-gefärbten Platten werden in Fidschi-ImageJ zur Analyse aufgenommen und hochgeladen. Fiji-ImageJ bestimmt dann den Prozentsatz des ausgewählten Bildes, der blau ist, und stellt den Prozentsatz der Platte mit metastasierender Belastung dar. Dieser computergestützte Ansatz bietet konsistentere und schnellere Ergebnisse als manuelle Zählung oder histopathologische Auswertung für hochmetastasierte Gewebe. Die Konsistenz der Fidschi-ImageJ-Ergebnisse hängt von der Qualität des Bildes ab. Es können leichte Abweichungen in den Ergebnissen zwischen den Bildern auftreten, daher wird empfohlen, dass mehrere Bilder aufgenommen und die Ergebnisse gemittelt werden. Trotz ihrer minimalen Einschränkungen ist diese Methode eine Verbesserung der Quantifizierung der metastasierenden Belastung in der Lunge, indem sie konsistente und schnelle Ergebnisse bietet.

Einleitung

Eine von acht Frauen wird in ihrem Leben an Brustkrebs diagnostiziert werden, und trotz mehrerer Behandlungsmöglichkeiten ist Brustkrebs die zweithäufigste Ursache für krebsbedingte Todesfälle bei amerikanischen Frauen¹. Diese Frauen sterben nicht an dem primären Tumor in ihrer Brust. Stattdessen ist die metastasierende Last für die Sterblichkeit dieser Krankheit verantwortlich, da sie sich häufig auf die Lungen-, Knochen-, Gehirn-, Leber- und Lymphknoten ausbreitet². Aus diesem Grund müssen Brustkrebsmodelle Metastasen bewerten, um zur Eindämmung der Sterblichkeit dieser Krankheit beizutragen. Das 4T1 murinen Brustkrebs....