Vi lavede et objektglas, der kunne forbedre kræftdiagnosen ved at afsløre farven på kræftceller

Når vi ser på biologiske celler under et mikroskop, de er normalt ikke særlig farverige. Normalt, for at visualisere dem er vi nødt til kunstigt at tilføje farve - typisk ved farvning. Ved at gøre det, vi kan se deres form og arrangement i et væv og afgøre, om de er sunde eller ej.

Sommetider, selvom, cellestruktur alene er ikke nok til nøjagtigt at identificere sygdom - hvilket kan føre til fejldiagnosticering og potentielt fatale konsekvenser for en patient. Men hvad nu hvis der var en måde at ikke kun se strukturen af ​​celler, men også afgøre, om de er unormale, blot ved at se på deres iboende farve under et mikroskop?

Dette var vores teams mål, da vi udviklede et nyt medicinsk diagnostisk værktøj kaldet NanoMslide. Vi modificerede et standard mikroskopobjektglas for at gøre det til et kraftfuldt værktøj til påvisning af brystkræft. Vores forskning er offentliggjort i dag i Natur .

Tidlig opdagelse er nøglen

Det anslås, at én ud af otte australske kvinder vil blive diagnosticeret med brystkræft i en alder af 85. Som med de fleste kræftformer, at fange sygdommen tidligt er kritisk. Imidlertid, en nøjagtig diagnose af de tidligste stadier af brystkræft kræver identifikation af et lille antal syge celler i et væv, hvilket kan være utroligt udfordrende.

NanoMslide kan manipulere lys på nanoskala, får celler til at "lyse op" med levende farvekontrast. Dette gør det lettere at genkende potentielt kræftceller (eller godartede abnormiteter) i vævet.

Ved at give en måde til øjeblikkeligt at skelne, hvilke celler der kan være kræftfremkaldende, værktøjet kan hjælpe med at reducere den nuværende usikkerhed omkring opdagelse af brystkræft i meget tidlige stadier. Med mammografiscreening, det er meget vigtigt at skelne brystabnormiteter fra tidlige brystkræftformer ved biopsi, især da fejldiagnosticeringsraterne kan være så høje som 15 %.

Store barrierer i udviklingen

Inkorporering af nanoteknologi i medicinsk diagnostik giver en række udfordringer. Det tog os seks års udvikling at sikre, at NanoMslide ville fungere effektivt. I sidste ende var det en kombination af banebrydende nanofabrikation, en betydelig mængde trial-and-error og en smule held, der førte til vores gennembrud.

I årtier, forskere har vidst, at kræftceller har en tendens til at interagere med lys på en måde, der er anderledes end raske celler. Dette skyldes en række faktorer, såsom fordelingen af ​​protein inde i cellen og forskelle i dens overordnede form.

Den største udfordring er, at disse forskelle kan være ekstremt subtile og kan præsenteres på en række forskellige måder. Tidligere tilgange til at differentiere kræftceller (uden at bruge pletter eller etiketter) har haft en tendens til at bruge specialiseret mikroskopiudstyr, eller komplekse teknikker.

Men disse tilgange er vanskelige at inkorporere i eksisterende patologiske arbejdsgange og kan kræve specialistuddannelse og viden. Så vi tog en radikal anderledes tilgang.

Succes med menneskeligt væv

I stedet for at fokusere på at udvikle et bedre mikroskop, vi fokuserede på at forbedre objektglasset i stedet for.

Ved at udvikle en speciel nanofremstillet belægning, vi modificerede overfladen af ​​et almindeligt objektglas og transformerede det til en enorm sensor. Det, der virkelig er bemærkelsesværdigt, er, at sensorens struktur kun er et par hundrede nanometer på tværs, alligevel gentages med forbløffende præcision over et område på titusinder af centimeter, eller mere.

Vedligeholdelse af dette præcisionsniveau, hvilket er nødvendigt for pålidelig fremstilling i denne skala, har taget fremskridt inden for nanofabrikationsteknikker, der først er blevet kommercielt tilgængelige i de sidste seks år.

Sensoren aktiveres af synligt lys. Og når en genstand såsom et væv eller en enkelt celle kommer i kontakt med sensorens overflade, farver produceres. Det er denne funktion, som vi har været i stand til at optimere for at give patologer mulighed for at opdage celler, der sandsynligvis er kræftfremkaldende, bare ved at se på dem.

Farvestofferne, der i øjeblikket bruges til at farve væv (for at visualisere celleform og arkitektur), forekommer normalt som en eller to farver. NanoMslide gengiver væv i smuk fuldfarvekontrast, gør det lettere at differentiere flere celletyper på et enkelt dias.

Til vores undersøgelse, vi testede objektglassene med erfarne brystkræftpatologer, ved hjælp af både en musemodel og patientvæv. Ved at starte med en velkarakteriseret smådyrsmodel, vores team af fysikere, kræftforskere og brystpatologer var i stand til at udvikle teknologien yderligere.

Vi nåede til sidst det punkt, hvor vi kunne være sikre på, at nogle af de specifikke farver, der var synlige, var tegn på kræftceller. Dette førte til yderligere patologivurderinger med patientvæv, hvor der er mere kompleksitet at slås med i forhold til diagnose.

Endnu, selv i disse mere udfordrende omgivelser, NanoMslide klarede sig stærkt. Det overgik også nogle kommercielle biomarkører, som bruges som hjælp til borderline-diagnoser (hvor kræft er svært at skelne fra benigne abnormiteter).

Som at gå fra sort/hvid til farvefjernsyn

Fordi teknologien ikke er afhængig af nogen speciel funktion, eller specifikke molekylære interaktioner, det kunne potentielt anvendes på andre typer kræft – endda andre typer sygdomme. En anden ansøgning, der nu arbejdes på, er at undersøge resultaterne af flydende biopsier, såsom kindpodninger, til øjeblikkelig point-of-care analyse.

I april, vi var heldige at nyde godt af åbningen af ​​et nyt instrument på Australian National Fabrication Facility for at muliggøre opskalering af produktionen. Det betyder, at NanoMslide kan flyttes fra små til mellemskala fremstilling, giver os mulighed for at udforske en række forskellige applikationer, og producere det antal objektglas, der kræves til yderligere klinisk validering.

Teknologien kan også være enormt gavnlig for det voksende digital-patologi rum, hvor de levende farver genereret af NanoMslide kunne hjælpe med at udvikle næste generations kunstig intelligens-algoritmer til at identificere tegn på sygdom.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.