Este trabajo fue apoyado en parte por el Consejo Escocés de Financiación (número de concesión HR07005; <a href="http://www.sfc.ac.uk/">http://www.sfc.ac.uk/</a> ), de Investigación Médica de Escocia ( <a href="http://www.medicalresearchscotland.org.uk/">http://www.medicalresearchscotland.org.uk/</a> ), el cáncer Investigación Experimental del Cáncer del Reino Unido Centro de Medicina ( <a href="http://www.cancerresearchuk.org/">http://www.cancerresearchuk.org/</a> ), y el cáncer de mama Breakthrough ( <a href="http://breakthrough.org.uk/">http://breakthrough.org.uk/</a> ).

1. Preparación de tejidos <ol class="lalpha"><li> Microtomía <ol class="lroman"><li> Sección fija parafina formalina incrustados bloques de tumor con un espesor de 4 micras con un micrótomo rotatorio. </li><li> Coloque las secciones en carga positiva portaobjetos. </li><li> Incubar los portaobjetos en un horno de 37 ° C durante la noche. </li></ol></li><li> Almacenamiento <ol><li> Secciones de almacén en un -18 ° C a -25 ° C congelador, con el fin de evitar la pérdida de antigenicidad. </li></ol></li></ol> 2. Inmunofluorescencia de secciones de tejido <ol class="lalpha"><li> Desparafinado y rehidratación <ol class="lroman"><li> Dewax diapositivas en xileno dos veces durante 5 min. </li><li> Rehidratar las diapositivas en el 99%, 99%, 80%, 50% de etanol y agua corriente durante 2 min de cada uno en orden. </li></ol></li><li> Antígeno de recuperación <ol class="lroman"><li> Realizar la recuperación de antígeno inductor de calor, con 0,15 mM de citrato sódico, pH 6,0 buffer en una olla a presión durante 5 minutos en el kmcrowave. </li><li> Enfriar diapositivas durante 20 minutos. </li><li> Lavar los portaobjetos en el 0,05% PBST durante 5 minutos en el balancín. </li></ol></li><li> El bloqueo de procedimiento <ol class="lroman"><li> El tratamiento de las secciones de peróxido de hidrógeno al 3% durante 10 min. </li><li> Lavar los portaobjetos en el 0,05% PBST durante 5 minutos en el balancín. </li><li> Agregar las secciones de bastidor inmunotinción Sequenza. </li><li> El tratamiento de las secciones en el bloque de proteína de suero libre durante 10 minutos. </li></ol></li><li> Incubación del anticuerpo primario <ol class="lroman"><li> Incubar anticuerpos primarios diluidos a la dilución óptima de diluyente para anticuerpos Dako durante 1 hora a temperatura ambiente. </li><li> Enjuague en el 0,05% PBST tres veces por 5 minutos cada uno. </li></ol></li><li> Máscara epiteliales (citoqueratina) de incubación <ol class="lroman"><li> Incubar el ratón anti-citoqueratina pan, diluida 1:50 en diluyente para anticuerpos Dako la noche a 4 ° C. </li></ol></li><li> Visualización de la máscara del epitelio <ol class="lroman"><li> Prepare una dilución 1:25 de la cabra anti-ratón Alexa555 santicuerpos econdary en el pre-diluido Envision cabra-conejo HRP solución de anticuerpos. Incubar los portaobjetos en la oscuridad durante 1,5 horas a temperatura ambiente. </li><li> Enjuague en el 0,05% PBST tres veces durante 5 minutos cada uno. </li></ol></li><li> Objetivo de la visualización <ol class="lroman"><li> La transferencia de las diapositivas de la Sequenza para la cámara de humedad. </li><li> Combinar la señal de destino diluyente de amplificación (HistoRx E bañera) y el tiramida Cy5 (F HistoRx tubo) a las 1:50 de concentración. Vortex para mezclar completamente. Incubar los portaobjetos en la oscuridad durante 10 min a temperatura ambiente. </li><li> Enjuague en el 0,05% PBST tres veces por 5 minutos cada uno. </li><li> Deshidratar las diapositivas en etanol al 80% durante 1 min. </li><li> El aire seco se desliza en la oscuridad. </li></ol></li><li> Contratinción y cubreobjetos <ol class="lroman"><li> Aplicar DAPI medio de montaje en el cubreobjetos y colocar el cubreobjetos sobre las secciones de tejido. </li><li> Diapositivas secar durante la noche en la oscuridad. </li><li> Después de las diapositivas se han secado, seguro y con esmalte de uñas enpreservación que a largo plazo y mantener en un 4 ° C refrigerador. </li></ol></li></ol> 3. Captura de imágenes utilizando la exploración sección completa <ol class="lalpha"><li> Cargar hasta cinco transparencias en la bandeja del escáner de diapositivas Aperio ScanScope diapositivas FL. </li><li> Para cada diapositiva, seleccione la región en general a la imagen utilizando la interfaz de la consola de ScanScope. Seleccione la región para abarcar todos los tejidos en la diapositiva, independientemente de su patrón de tinción u otros aspectos observables de la muestra. </li><li> Uso de la Consola ScanScope, para cada canal (DAPI, Cy3 y Cy5) determinar una exposición óptima de la siguiente manera: <ol class="lroman"><li> Seleccionar un área de tejido para interrogar - esta área debe, idealmente, en la región del tumor de los tejidos para proporcionar la mejor representación. </li><li> Utilizando la función de exposición automática ScanScope consola, evaluar el tiempo de exposición sugerido para cada canal, junto con el enfoque de la imagen. </li><li> Repetir hasta 3-5 regiones de cada muestra de cooperaciónnfirm estabilidad del valor. </li></ol></li><li> Seleccione una región adicional (como se muestra por un diamante azul en la imagen de la consola ScanScope) del tejido, y aún dentro de la región coverslipped de la diapositiva, para definir un área de fondo plano, donde las imágenes corrección de campo será adquirido para cada filtro. </li><li> Revisión de las imágenes antes de la adquisición de la imagen. Si las imágenes parecen tener de fondo de alta u otros artefactos de la imagen, la imagen de la región deberán desplazarse y adquirir nuevas imágenes. </li><li> Las imágenes adquiridas digitales de diapositivas se cargan automáticamente en la base de datos del espectro Aperio. </li></ol> 4. AQUA análisis automatizado de imágenes <ol class="lalpha"><li> Ver las imágenes digitales conjunto de diapositivas en la base de datos del espectro y anotar las áreas tumorales de interés en el contexto de todo el tejido y el patrón de tinción (s). </li><li> Seleccione la diapositiva a analizar el uso AQUAnalysis de la lista de diapositivas digitales en la base de datos del espectro haciendo doble clic en el pulgarimagen de las uñas (o bien, seleccione la casilla de verificación junto a la imagen y seleccione &quot;Ver imágenes&quot; en el menú en la parte superior de la lista). Esto abre automáticamente el software ImageScope y color de la imagen fusionada de la muestra de tejido. </li><li> Utilice este software para navegar por la imagen utilizando las herramientas proporcionadas. </li><li> Usando el acompañamiento de H &amp; E (ya sea física o la diapositiva una imagen comentada), anotar la región de interés en la imagen fluorescente. Varias regiones de interés, cada círculo áreas, se pueden seleccionar en una sola muestra. También hay una &quot;negativa&quot; la herramienta que se utiliza para excluir las áreas dentro de una región seleccionada (es decir, los tejidos dañados, las áreas de los pobres de la histología, no tumorales zonas, escombros, etc.) </li><li> Salvar la capa de anotación (s) en la imagen. </li><li> Volver al menú principal de Spectrum y seleccione la casilla de verificación situada junto a la imagen que estaba anotado. Seleccione &quot;Analizar&quot; de la barra del menu en la parte superior de la lista. </li><li> En la ventana de análisis que se van a plantear, select &quot;HistoRx AQUA Análisis&quot; en el menú desplegable. </li><li> Si hay varias capas de anotaciones, utilice las casillas de verificación para seleccionar la capa adecuada (s) para su análisis. </li><li> Pulse el botón &#39;Analizar&#39; botón cuando esté listo para comenzar. </li><li> En este punto, una ventana de consola minimizada aparecerá en la barra de tareas de Windows. Se mostrará el progreso de la transferencia de imágenes a partir de la base de datos del espectro de la PC local (el &quot;tirón&quot; de operación). </li><li> Una vez que los datos se transfieren, AQUAnalysis pondrá en marcha. El usuario puede utilizar todas las funciones internas del software para visualizar, navegar y analizar las imágenes. </li><li> La región comentada de la imagen de la base de datos del espectro se divide en 512x512 píxel de la imagen azulejos - cada uno de los cuales serán calificados individualmente. </li><li> Para este estudio, un algoritmo no supervisado AQUA puntuación, basada en el agrupamiento de datos, se utilizó 8. En este algoritmo, se generan resultados AQUA de la siguiente manera: <ol class="lroman"><li> La imagen de pan-citoqueratina signal es un umbral por encima del fondo y los píxeles se utilizan para definir un tumor &quot;máscara&quot; que luego se utiliza para los cálculos posteriores. La expresión de alta citoqueratina pan-píxeles también definen las regiones citoplásmicas / no nucleares de las células tumorales. </li><li> Los píxeles con alta señal en el canal DAPI que se encuentran dentro de la máscara de tumor se identifican como nucleares en la naturaleza. </li><li> El algoritmo de clustering también analiza los píxeles que tienen baja intensidad, ya sea para DAPI o expresión de citoqueratina y los intentos de los atribuyen en parte a cualquiera de los compartimentos nucleares o citoplasmáticos, o de fondo. </li><li> Una vez que todos los pixeles son asignados a uno de los compartimentos del tumor o de fondo, la intensidad de la señal de la proteína diana (ER o HER2) se calcula en cada uno de los compartimentos y se normaliza el tamaño de los compartimentos, lo que produce resultados AQUA. </li><li> Imágenes que no tienen representación suficiente del tumor no fue evaluado (como se define por aquellos que tienen less del 5% de píxeles que representan tumor). Estas regiones también producen un valor &#39;Resultado final&#39; llamado &#39;Fail&#39; y por lo tanto puede ser eliminado en posteriores análisis estadísticos. </li><li> Además, si después de la revisión, los agentes identificaron los campos que no eran adecuados para la calificación debido a la muestra o los artefactos de imagen (por ejemplo, los tejidos cruzados escombros), los campos fueron redactados a partir de puntuación y produjo un &#39;resultado final&#39; llamado &#39;Fail&#39;. </li></ol></li><li> Los resultados de la puntuación AQUA son las tablas de resultados asociados a cada baldosa pixel 512x512 en la región de interés dentro de una muestra de tejido sección entera. Estos archivos, en formato. CSV, entonces se puede utilizar para su posterior análisis estadístico. </li></ol> 5. Análisis estadístico: Todos los análisis estadísticos se realizaron en SPSS (IBM) <ol><li> Siempre que sea posible, para las grandes operaciones, generar archivos de SPSS la sintaxis del código (. MSF) para llevar a cabo manipulaciones de datos y los pasos de análisis. Código de ejemplo de la sintaxis se presenta como archivos suplementarios. </li><li&gt; Leer archivos de datos en SPSS. Eliminación de variables utilizadas en los datos brutos (por ejemplo los parámetros de instrumentos específicos, los resultados de AQUA no utilizados compartimentos). </li><li> Donde las regiones tienen un &#39;Resultado final&#39; de &#39;Fail&#39; (ver arriba), marca estos valores como SYSMIS, que las aleja de los análisis numéricos. </li><li> Todos los datos agregados para todas las diapositivas para cada marcador (ER o HER2) en un único conjunto de datos maestros en formato SPSS. Utilice este archivo maestro para todos los cálculos posteriores. </li><li> El uso de un archivo de sintaxis SPSS (una para cada marcador: ER o HER2 (ver archivos adicionales sintaxis) los datos fue validada y Simpson índices de diversidad calculados de la siguiente manera: <ol class="lroman"><li> Generar un archivo maestro de análisis, con el fin de evitar la modificación de los datos maestros de establecer previamente generados. </li><li> Validar los datos maestros de conjunto con los datos en bruto y las imágenes generadas. </li><li> Elaborar estadísticas de resumen de las puntuaciones AQUA para cada muestra (número de campos, la puntuación media, mediana de la puntuación, minimupuntuación de m, la máxima puntuación, y la desviación estándar de las puntuaciones de la muestra). </li><li> Disponibilidad de una muestra aleatoria de los resultados con los archivos originales en bruto de datos de salida y en contra de los datos de imagen sin anotó. </li></ol></li><li> Para generar las imágenes de mapa de calor (que se muestra en las figuras 2 y 3): <ol class="lroman"><li> &quot;Bin&quot; el Aqua Data puntuación (utilizando la función &#39;Agrupación visual &quot;en SPSS) en ocho niveles individuales. Para ER, las puntuaciones nuclear se utilizaron, para HER2, las puntuaciones se utilizaron citoplasmática. </li><li> Derive contenedores de tal manera que cada compartimiento representa un porcentaje igual de casos disponibles en el conjunto de datos. </li><li> Use &quot;Archivo Split &#39;la función de SPSS para que toda la producción posterior estaría en un nivel de&#39; muestra por lámina /. </li><li> Parcela de cada región (que corresponde a una pieza 512x512) por sus coordenadas x, y y el color con un valor correspondiente a la papelera en la que fue asignado (ver figuras 2 y 3). </li></ol></li><li> Para generar resultados heterogeneidad, el código fue escrito para generar un Simpsoníndice de diversidad con el marcador en AQUA. <ol class="lroman"><li> El índice de Simpson de diversidad, como se usa aquí, se define como: <img alt="La ecuación 1" src="/files/ftp_upload/3334/3334eq1.jpg" /> Donde N es el número total de calificaciones / campos que se utilizan para una determinada muestra y n es el número de calificaciones / los campos de un determinado grupo de puntajes estandarizados (como se ha descrito más adelante). </li></ol></li><li> Utilice el archivo maestro de análisis descrito anteriormente para origen de datos. En los ejemplos mostrados, todos los cálculos de ER utiliza el puntaje AQUA nuclear y HER2 cálculos utilizó la puntuación AQUA citoplasmática. Realizar los cálculos a continuación para cada muestra / diapositivas. </li><li> Puesto que los datos de fluorescencia está sujeto a la inestabilidad de la varianza, de tal manera que la magnitud de error se propaga con intensidad, aplicar logarítmica (base 2) la normalización de todas las puntuaciones de AQUA. </li><li> Además transformar el normalizado (transformación logarítmica) de datos en z (estándar) resultados. <ol class="lroman"><li> La transformación Z-score se calcula unas sigue: Z = (puntuación AQUA - promedio de todas las puntuaciones de una muestra) / desviación estándar de las puntuaciones de la muestra. Esto se traduce en la distribución de las puntuaciones en una distribución de las desviaciones en torno al valor central de la desviación cero. </li></ol></li><li> Bin estos valores Z-score en seis grupos (&lt;-2, -2 a -1, -1 - 0, 0-1, 1 - 2,&gt; 2). </li><li> Calcular el número de valores asignados en cada bandeja y la suma de cada bandeja. Utilice este valor, junto con el número total de campos, para calcular un valor para cada uno de los seis contenedores utilizados para el índice. </li><li> Suma de estos valores y restar uno para producir el índice de diversidad. </li><li> El índice de diversidad es un indicador de la difusión de resultados alrededor de la media para una muestra particular. Por lo tanto, mayores índices indican una propagación más amplia de resultados, o la mayor heterogeneidad de la expresión. Por el contrario, los menores índices, indican una menor variación en la medición de la expresión y la expresión homogénea en la muestra. Esto se ilustra en Figures 2 y 3. </li></ol> 6. Los resultados representativos: La terapia dirigida a agentes de toxicidad relativamente baja, como el tamoxifeno y el trastuzumab, no es estándar de cuidado para pacientes con cáncer de ovario. Hay buena evidencia de que el platino-taxanos quimioterapia de primera línea es superior a otros regímenes de quimioterapia para el cáncer de ovario 13.09, y mientras el 70-80% de los pacientes responden inicialmente, la mayoría de recaída y morir de su enfermedad. La medición de biomarcadores que puedan predecir la respuesta a las terapias alternativas podría ser útil en la selección de la terapia individualizada para cada paciente, ya que la presión y la quimioterapia ejerce sobre la selección de un tumor, las células tumorales sobreviven pueden poseer características diferentes y representan una subpoblación del tumor antes de la terapia, la cuantificación de esta cambio por lo tanto, podría ser útil. Hemos aplicado nuestro método de asociación y la heterogeneidad de la expresión de ER y HER2 en muestras de cáncer de ovario antes y después de la quimioterapia, en order para medir los cambios cuantitativos en la expresión, y evaluar la relación entre la expresión de biomarcadores antes y después del tratamiento. Ambos ER y HER2 demuestran una marcada heterogeneidad dentro de los tumores individuales, y en algunos tumores, los cambios del índice de Simpson tras el tratamiento de la heterogeneidad relativamente alta a baja heterogeneidad, representada por la disminución de las puntuaciones de Simpson índice (ver figuras 2 y 3). Esto apoya la noción de que la selección clonal se produce en respuesta a la quimioterapia citotóxica, que es más importante, esto puede ser explotado con la terapia dirigida contra la población residual, con el fin de personalizar mejor la terapia para pacientes con cáncer. <img alt="Figura 1" src="/files/ftp_upload/3334/3334fig1.jpg" /> Figura 1. Hematoxilina y eosina microfotografías de las diferentes áreas del cáncer de ovario mismo mostrando la morfología variable. (A) x40 microfotografía muestra dos áreas adyacentes del tumor con mayor o morfología. Puntos de vista de alta potencia (x200) revelan células con citoplasma claro y un patrón sólido de crecimiento en la parte superior del tumor (B), mientras que la parte inferior del tejido (C) tiene un citoplasma eosinófilo más homogénea y un patrón de crecimiento papilar. Este tumor, sin embargo, ser clasificado como subtipo papilar seroso histológico a los efectos de su manejo ulterior. <img alt="Figura 2" src="/files/ftp_upload/3334/3334fig2.jpg" /> Figura 2. Heatmaps La heterogeneidad de la expresión de proteínas en el ER-positivo citoqueratina de tejido de cáncer de ovario, antes (arriba) y después (abajo) la terapia. <img alt="Figura 3" src="/files/ftp_upload/3334/3334fig3.jpg" /> Figura 3. Heatmaps heterogeneidad de expresión de la proteína HER2 en la citoqueratina-positivas tejido de cáncer de ovario, antes (arriba) y después de la terapia (panel inferior).

<ol>
	<li>Gutierrez, M. L., Sayagues, J. M., Del Mar, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cytogenetic+heterogeneity+of+pancreatic+ductal+adenocarcinomas:+identification+of+intratumoral+pathways+of+clonal+evolution.">Cytogenetic heterogeneity of pancreatic ductal adenocarcinomas: identification of intratumoral pathways of clonal evolution.</a> Histopathology. 58, 486-497 (2011).</li><li>Yachida, S., Jones, S., Bozic, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distant+metastasis+occurs+late+during+the+genetic+evolution+of+pancreatic+cancer.">Distant metastasis occurs late during the genetic evolution of pancreatic cancer.</a> Nature. 467, 1114-1117 (2010).</li><li>Gutierrez, M. L., Sayagues, J. M., Del Mar, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cytogenetic+heterogeneity+of+pancreatic+ductal+adenocarcinomas:+identification+of+intratumoral+pathways+of+clonal+evolution.">Cytogenetic heterogeneity of pancreatic ductal adenocarcinomas: identification of intratumoral pathways of clonal evolution.</a> Histopathology. 58, 486-497 (2011).</li><li>Yachida, S., Jones, S., Bozic, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distant+metastasis+occurs+late+during+the+genetic+evolution+of+pancreatic+cancer.">Distant metastasis occurs late during the genetic evolution of pancreatic cancer.</a> Nature. 467, 1114-1117 (2010).</li><li>Liu, J., Lau, S. K., Varma, V. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Molecular+mapping+of+tumor+heterogeneity+on+clinical+tissue+specimens+with+multiplexed+quantum+dots.">Molecular mapping of tumor heterogeneity on clinical tissue specimens with multiplexed quantum dots.</a> ACS Nano. 4, 2755-2765 (2010).</li><li>Camp, R. L., Chung, G. G., Rimm, D. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+subcellular+localization+and+quantification+of+protein+expression+in+tissue+microarrays.">Automated subcellular localization and quantification of protein expression in tissue microarrays.</a> Nat. Med. 8, 1323-1327 (2002).</li><li>Simpson, E. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measurement+of+biodiversity.">Measurement of biodiversity.</a> Nature. 163, 688-68 (1949).</li><li>Gustavson, M. D., Bourke-Martin, B., Reilly, D. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+of+an+unsupervised+pixel-based+clustering+algorithm+for+compartmentalization+of+immunohistochemical+expression+using+Automated+Quantitative+Analysis.">Development of an unsupervised pixel-based clustering algorithm for compartmentalization of immunohistochemical expression using Automated Quantitative Analysis.</a> Appl. Immunohistochem. Mol. Morphol. 17, 329-337 (2009).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Paclitaxel+plus+carboplatin+versus+standard+chemotherapy+with+either+single-agent+carboplatin+or+cyclophosphamide,+doxorubicin,+and+cisplatin+in+women+with+ovarian+cancer:+the+ICON3+randomised+trial.">Paclitaxel plus carboplatin versus standard chemotherapy with either single-agent carboplatin or cyclophosphamide, doxorubicin, and cisplatin in women with ovarian cancer: the ICON3 randomised trial.</a> Lancet. 360, 505-515 (2002).</li><li>McGuire, W. P., Hoskins, W. J., Brady, M. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cyclophosphamide+and+cisplatin+compared+with+paclitaxel+and+cisplatin+in+patients+with+stage+III+and+stage+IV+ovarian+cancer.">Cyclophosphamide and cisplatin compared with paclitaxel and cisplatin in patients with stage III and stage IV ovarian cancer.</a> N. Engl. J. Med. 334, 1-6 (1996).</li><li>Muggia, F. M., Braly, P. S., Brady, M. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Phase+III+randomized+study+of+cisplatin+versus+paclitaxel+versus+cisplatin+and+paclitaxel+in+patients+with+suboptimal+stage+III+or+IV+ovarian+cancer:+a+gynecologic+oncology+group+study.">Phase III randomized study of cisplatin versus paclitaxel versus cisplatin and paclitaxel in patients with suboptimal stage III or IV ovarian cancer: a gynecologic oncology group study.</a> J. Clin. Oncol. 18, 106-115 (2000).</li><li>Piccart, M. J., Bertelsen, K., James, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Randomized+intergroup+trial+of+cisplatin-paclitaxel+versus+cisplatin-cyclophosphamide+in+women+with+advanced+epithelial+ovarian+cancer:+three-year+results.">Randomized intergroup trial of cisplatin-paclitaxel versus cisplatin-cyclophosphamide in women with advanced epithelial ovarian cancer: three-year results.</a> J. Natl. Cancer. Inst. 92, 699-708 (2000).</li><li>Cannistra, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+of+the+ovary.">Cancer of the ovary.</a> N. Engl. J. Med. 351, 2519-2529 (2004).</li><li>Baker, A. F., Dragovich, T., Ihle, N. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stability+of+phosphoprotein+as+a+biological+marker+of+tumor+signaling.">Stability of phosphoprotein as a biological marker of tumor signaling.</a> Clin. Cancer. Res. 11, 4338-4340 (2005).</li><li>Espina, V., Edmiston, K. H., Heiby, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+portrait+of+tissue+phosphoprotein+stability+in+the+clinical+tissue+procurement+process.">A portrait of tissue phosphoprotein stability in the clinical tissue procurement process.</a> Mol. Cell. Proteomics. 7, 1998-2018 (2008).</li><li>Klymkowsky, M. W., Savagner, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Epithelial-mesenchymal+transition:+a+cancer+researcher's+conceptual+friend+and+foe.">Epithelial-mesenchymal transition: a cancer researcher's conceptual friend and foe.</a> Am. J. Pathol. 174, 1588-1593 (2009).</li><li>Kurrey, N. K., Jalgaonkar, S. P., Joglekar, A. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Snail+and+slug+mediate+radioresistance+and+chemoresistance+by+antagonizing+p53-mediated+apoptosis+and+acquiring+a+stem-like+phenotype+in+ovarian+cancer+cells.">Snail and slug mediate radioresistance and chemoresistance by antagonizing p53-mediated apoptosis and acquiring a stem-like phenotype in ovarian cancer cells.</a> Stem. Cells. 27, 2059-2068 (2009).</li><li>Creighton, C. J., Li, X., Landis, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Residual+breast+cancers+after+conventional+therapy+display+mesenchymal+as+well+as+tumor-initiating+features.">Residual breast cancers after conventional therapy display mesenchymal as well as tumor-initiating features.</a> Proc. Natl. Acad. Sci. U. S. A. 106, 13820-13825 (2009).</li><li>Aitken, S. J., Thomas, J. S., Langdon, S. P., Harrison, D. J., Faratian, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+analysis+of+changes+in+ER,+PR+and+HER2+expression+in+primary+breast+cancer+and+paired+nodal+metastases.">Quantitative analysis of changes in ER, PR and HER2 expression in primary breast cancer and paired nodal metastases.</a> Ann. Oncol. 21, 1254-1261 (2010).</li><li>Sayagues, J. M., Abad, M. M., Melchor, H. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intratumoural+cytogenetic+heterogeneity+of+sporadic+colorectal+carcinomas+suggests+several+pathways+to+liver+metastasis.">Intratumoural cytogenetic heterogeneity of sporadic colorectal carcinomas suggests several pathways to liver metastasis.</a> J. Pathol. 221, 308-319 (2010).</li></ol>

JC, MG, CJ y CS son empleados de HistoRx, Inc.

El método descrito en este documento permite la cuantificación de la heterogeneidad molecular en el estándar fijado en formol e incluido en parafina cortes histológicos de material tumoral. El método permite a un valor que se asigna el grado de heterogeneidad en una sección de tejido, por lo que este se pueda tomar en cuenta como una variable en el desarrollo de biomarcadores y el análisis. Aunque, en general, es preferible que los biomarcadores de tejidos son homogéneos con respecto a la expresión, por lo que el ensayo es menos susceptible a errores de muestreo o de sesgo, es posible que en algunas circunstancias, ser útil para cuantificar la heterogeneidad como un parámetro. Por ejemplo, como se muestra en el ejemplo ilustrativo de ER y HER2, los marcadores biológicos comunes muestran una considerable heterogeneidad de expresión y actualmente se desconoce si esto representa un factor independiente de pronóstico o predictivo con respecto a los resultados clínicos o la respuesta al tratamiento, respectivamente. Del mismo modo, como se ilustra, la terapia se podría alterar la dinámicapoblaciones constituyentes de las células, y por lo tanto la medición de enriquecimiento de destino puede ser útil para guiar las decisiones de tratamiento. Sin embargo, la técnica está limitada por los mismos factores que limitan el tradicional análisis histopatológico o biomarcadores (por ejemplo, inmunohistoquímica). El resultado depende del tipo, tamaño y calidad del tejido que se analiza, y por lo tanto una sección de tejido sola puede no ser representativa de todo el tumor. De hecho, el índice de Simpson puede ser excesivamente sesgado por el tamaño de los tejidos (número de fotogramas capturados y midieron los índices de AQUA). La inmunogenicidad de los epítopos que se está midiendo puede ser objeto de pre-analítica incontrolables factores que artificialmente alterar su expresión a través de la sección de tejido (por ejemplo, tiempo de isquemia fría, o la longitud de la fijación, y el artefacto de borde). Esto es particularmente un problema para la fosfo-epítopos, que son muy lábiles 14, 15. Por lo tanto, la técnica podría ser más adecuadade muestras de resección en lugar de pequeñas biopsias, y se realizó en varias secciones en lugar de uno solo. En última instancia, las técnicas de imagen en 3D podría ofrecer una oportunidad a una mejor cuantificación de este parámetro. La técnica que se presenta también puede estar limitado por factores biológicos, como la variabilidad en la expresión del epítopo enmascaramiento citoqueratina. Esto puede ser especialmente preocupante en aquellos tipos de cáncer, incluyendo cáncer de ovario y de mama, que se someten a la transición epitelio-mesenquimal de transición (EMT) o se enriquecen por falta de componentes epiteliales o células madre de 16 años, como ha sido recientemente demostrado que se producen en la quimioterapia tratar el cáncer de ovario in vitro 17, y en pacientes con cáncer de mama en la respuesta al tratamiento 18. Esta limitación puede ser superada utilizando anticuerpos alternativa adhesiva (o cócteles de anticuerpos), como citoqueratina vimentina además, que es regulada en EMT 16. Además, dado que los otros componentes del tejido (el micrófonoroenvironment), como los fibroblastos o células del endotelio vascular son también cada vez más el blanco de las terapias biológicas, la técnica también puede ser ampliado para anotar estos componentes, el uso de máscaras específicas para los compartimientos de interés, tales como PECAM / CD31 a las manchas de las células endoteliales vasculares . A pesar de la adaptación del índice de Simpson se ha utilizado como una medida de la heterogeneidad en el protocolo actual, debido a su simplicidad, otras medidas de heterogeneidad podría ser utilizado, como las mediciones simples de tendencia central (media, la varianza, la mediana, etc.) Además, los cálculos del índice de Simpson podría ser modificado para adaptarse mejor a una población de prueba en particular. El uso de la Z-score transformaciones permite el marcador sea más aplicable a múltiples marcadores ya que la heterogeneidad se basa en la desviación alrededor de la media de un conjunto de datos. Sin embargo, el rango de general de puntuación puede ser limitada en este tipo de transformación. Algunos diseños pueden ser más adecuadossimplemente bin los resultados AQUA reales para todas las muestras de un conjunto marcador particular. La selección del número de papeleras y los cortes es también una limitación en el rango de valores que puede dar lugar y puede ser optimizado para diseños alternativos de experimentación. Hemos utilizado ER y HER2 en el presente estudio como biomarcadores candidatos, puesto que ya se utilizan en la clínica, ayudar a responder preguntas relevantes clínicos con respecto a la eficacia de las terapias dirigidas, y se sabe que presentan una considerable heterogeneidad y el cambio en la educación primaria y distante la enfermedad 19. Sin embargo, el marcador óptimo de la heterogeneidad que queda por determinar. Otras posibilidades podrían incluir marcadores citogenéticos de clonalidad, tales como los utilizados anteriormente en el estudio de los peces interfase 20. El enfoque requiere una validación adicional en grandes cohortes, clínicas bien anotado o ensayos clínicos con el fin de consolidar aún más la relevancia de este parámetro en la biología del cáncer.

<table border="1"><tbody><tr><td> Nombre del reactivo </td><td> Empresa </td><td> Número de catálogo </td><td> Comentarios </td></tr><tr><td> ScanScope FL </td><td> Aperio </td><td> ScanScope FL </td><td> Se utiliza como dotado de un vendedor </td></tr><tr><td> Espectro </td><td> Aperio </td><td> Espectro </td><td> Números de la configuración y el catálogo pueden variar en cómo las instituciones locales a crear su base de datos y la estructura de TI. </td></tr><tr><td> AQUAnalysis, junto con AQUAjustment </td><td> HistoRx </td><td> V2.3 </td><td> El paquete permite AQUAjustment AQUAnalysis el uso de imágenes almacenados en el espectro. </td></tr><tr><td> HER2 </td><td> Dako </td><td> A0485 </td><td> Dilución de 1 en 400 </td></tr><tr><td> ratón anti-citoqueratina pan </td><td> Dako </td><td> M3515 </td><td> 1 de cada 50 de dilución </td></tr><tr><td> Diluyente de anticuerpos </td><td> Dako </td&gt; <td> S0809 </td><td></td></tr><tr><td> Envision cabra-conejo HRP </td><td> Dako </td><td> K4003 </td><td></td></tr><tr><td> Proteína bloque </td><td> Dako </td><td> X0909 </td><td></td></tr><tr><td> Cabra anti-ratón Alexa555 </td><td> Invitrogen </td><td> A21422 </td><td></td></tr><tr><td> DAPI medio de montaje </td><td> Invitrogen </td><td> P36931 </td><td></td></tr><tr><td> Cy5 tiramida </td><td> HistoRx </td><td> AQ-EMR1-00001 </td><td></td></tr><tr><td> Sequenza Centro de inmunotinción </td><td> Thermo Scientific Shandon </td><td> 73300001 </td><td> Se utiliza aquí para la tinción de inmunofluorescencia de sobremesa </td></tr></tbody></table>

heterogeneity mapping of protein expression in tumors using quantitative immunofluorescence

Heterogeneidad morfológica dentro de un tumor individual es bien reconocida por los histopatólogos en la práctica quirúrgica. Si bien esto suele adoptar la forma de las áreas de la diferenciación en distintos subtipos histológicos reconocido, o el grado patológico diferentes, a menudo hay diferencias más sutiles en el fenotipo que desafían la clasificación exacta (Figura 1). En última instancia, ya que la morfología está determinada por el fenotipo molecular subyacente, las zonas con diferencias visibles suelen ser acompañados por las diferencias en la expresión de proteínas que orquestan la función celular y la conducta, y por lo tanto, la apariencia,. La importancia de la visible y lo invisible (molecular) la heterogeneidad en el pronóstico se desconoce, pero la evidencia reciente sugiere que, al menos en el nivel genético, la heterogeneidad que existe en el 1,2 del tumor primario, y algunos de estos clones sub-dan lugar a metástasis ( y por lo tanto mortal) enfermedad. Además, algunas proteínas sonmedida como biomarcadores, ya que son los objetivos de la terapia (por ejemplo, ER y HER2 para el tamoxifeno y el trastuzumab (Herceptin), respectivamente). Si estas proteínas muestran una expresión variable dentro de un tumor luego las respuestas terapéuticas también puede ser variable. Los esquemas utilizados histopatológico de puntuación de inmunohistoquímica o bien ignoran, o numéricamente homogeneizar la cuantificación de la expresión de la proteína. Del mismo modo, en las técnicas destructivas, donde las muestras se homogeneizan tumor (por ejemplo, perfiles de expresión génica), la información cuantitativa puede ser dilucidado, pero la información espacial se pierde. Enfoques de mapeo genético heterogeneidad en el cáncer de páncreas se han basado tanto en la generación de una suspensión de células individuales 3 o el 4 de macrodissection. Un reciente estudio ha utilizado los puntos cuánticos, para trazar la heterogeneidad morfológica y molecular en el cáncer de próstata tejido 5, aportando la prueba de principio de que la asignación de la morfología y la molecular es factible, pero que entren short de la cuantificación de la heterogeneidad. Dado que la inmunohistoquímica es, como mucho, sólo semi-cuantitativos y sujetos al sesgo intra-e inter-observador, más sensible y metodologías cuantitativas son necesarias con el fin de mapear con precisión y cuantificar la heterogeneidad del tejido in situ. Hemos desarrollado y aplicado una metodología experimental y estadístico para cuantificar sistemáticamente la heterogeneidad de la expresión de proteínas en secciones de tejido conjunto de los tumores, con base en el análisis automatizado cuantitativo (AQUA) del sistema 6. Las secciones de tejido son marcadas con anticuerpos específicos dirigidos contra citoqueratinas y los objetivos de interés, junto al fluoróforo anticuerpos secundarios marcados. Las diapositivas son imágenes con un escáner de fluorescencia conjunto de diapositivas. Las imágenes se dividen en cientos de miles de azulejos, baldosas y cada uno se le asigna una puntuación de AQUA, que es una medida de la concentración de proteínas en las células epiteliales (tumor), componente de los tejidos. Heatmaps se generan para representar la expresión de las proteínas de los tejidos y una puntuación heterogeneidad asignado, utilizando una medida estadística de la heterogeneidad utilizado originalmente en la ecología, basado en el índice de Simpson biodiversidad 7. Hasta la fecha no ha habido intentos de mapa de forma sistemática y cuantificar esta variabilidad junto con la expresión de proteínas, en las preparaciones histológicas. Aquí se ilustra el primer uso del método aplicado para ER y HER2 expresión de biomarcadores en cáncer de ovario. El uso de este método abre el camino para el análisis de la heterogeneidad como una variable independiente en los estudios de expresión de biomarcadores en estudios de traducción, a fin de establecer la importancia de la heterogeneidad en el pronóstico y predicción de respuesta al tratamiento.

Watch this Scientific Journal Video about Heterogeneity Mapping of Protein Expression in Tumors using Quantitative Immunofluorescence at JoVE.com

Heterogeneity Mapping of Protein Expression in Tumors using Quantitative Immunofluorescence

Aquí se describe un método para cuantificar la heterogeneidad molecular en los cortes histológicos de material tumoral mediante inmunofluorescencia cuantitativos, análisis de imágenes, y una medida estadística de la heterogeneidad. El método está pensado para su uso en el desarrollo de biomarcadores clínicos y estudios.

Mapeo de la heterogeneidad de la expresión de proteínas en los tumores utilizando inmunofluorescencia cuantitativa

Morphologic heterogeneity within an individual tumor is well-recognized by histopathologists in surgical practice. While this often takes the form of ...

heterogeneity-mapping-protein-expression-tumors-using-quantitative

Research

JoVE Journal

Medicine

18.5K vistas.  University of Edinburgh. Aquí se describe un método para cuantificar la heterogeneidad molecular en los cortes histológicos de material tumoral mediante inmunofluorescencia cuantitativos, análisis de imágenes, y una medida estadística de la heterogeneidad. El método está pensado para su uso en el desarrollo de biomarcadores clínicos y estudios.

Video: Heterogeneity Mapping of Protein Expression in Tumors using Quantitative Immunofluorescence

Establishment and Propagation of Human Retinoblastoma Tumors in Immune Deficient Mice

Culturing retinoblastoma tumor cells in defined stem cell media gives rise to primary tumorspheres that can be grown and maintained for only a limited time. These cultured tumorspheres may exhibit markedly different cellular phenotypes when compared to the original tumors. Demonstration that cultured cells have the capability of forming new tumors is important to ensure that cultured cells model the biology of the original tumor. 
Here we present a protocol for propagating human retinoblastoma tumors in vivo using Rag2-/- immune deficient mice. Cultured human retinoblastoma tumorspheres of low passage or cells obtained from freshly harvested human retinoblastoma tumors injected directly into the vitreous cavity of murine eyes form tumors within 2-4 weeks. These tumors can be harvested and either further passaged into murine eyes in vivo or grown as tumorspheres in vitro. Propagation has been successfully carried out for at least three passages thus establishing a continuing source of human retinoblastoma tissue for further experimentation. 
Wesley S. Bond and Lalita Wadhwa are co-first authors.

A method is described to propagate human retinoblastoma tumors in mice. Tumor cells are directly injected into the eyes of immune deficient mice. Secondary tumors have been successfully established using both cells directly harvested from human tumors and cultured tumorspheres.

Establecimiento y propagación de los tumores del retinoblastoma humanos en ratones con deficiencia inmune

Culturing retinoblastoma tumor cells in defined stem cell media gives rise to primary tumorspheres that can be grown and maintained for only a limited ...

Investigación

Medicina

Evaluation of Nanoparticle Uptake in Tumors in Real Time Using Intravital Imaging

Current technologies for tumor imaging, such as ultrasound, MRI, PET and CT, are unable to yield high-resolution images for the assessment of nanoparticle uptake in tumors at the microscopic level1,2,3, highlighting the utility of a suitable xenograft model in which to perform detailed uptake analyses. Here, we use high-resolution intravital imaging to evaluate nanoparticle uptake in human tumor xenografts in a modified, shell-less chicken embryo model. The chicken embryo model is particularly well-suited for these in vivo analyses because it supports the growth of human tumors, is relatively inexpensive and does not require anesthetization or surgery 4,5. Tumor cells form fully vascularized xenografts within 7 days when implanted into the chorioallantoic membrane (CAM) 6. The resulting tumors are visualized by non-invasive real-time, high-resolution imaging that can be maintained for up to 72 hours with little impact on either the host or tumor systems. Nanoparticles with a wide range of sizes and formulations administered distal to the tumor can be visualized and quantified as they flow through the bloodstream, extravasate from leaky tumor vasculature, and accumulate at the tumor site. We describe here the analysis of nanoparticles derived from Cowpea mosaic virus (CPMV) decorated with near-infrared fluorescent dyes and/or polyethylene glycol polymers (PEG) 7, 8, 9,10,11. Upon intravenous administration, these viral nanoparticles are rapidly internalized by endothelial cells, resulting in global labeling of the vasculature both outside and within the tumor7,12. PEGylation of the viral nanoparticles increases their plasma half-life, extends their time in the circulation, and ultimately enhances their accumulation in tumors via the enhanced permeability and retention (EPR) effect 7, 10,11. The rate and extent of accumulation of nanoparticles in a tumor is measured over time using image analysis software. This technique provides a method to both visualize and quantify nanoparticle dynamics in human tumors.

We present a novel approach to quantify nanoparticle localization in the vasculature of human xenografted tumors using dynamic, real-time intravital imaging in an avian embryo model.

Evaluación de la absorción de nanopartículas en los tumores en tiempo real utilizando intravital imagen

Current technologies for tumor imaging, such as ultrasound, MRI, PET and CT, are unable to yield high-resolution images for the assessment of nanoparticle ...

MicroRNA Detection in Prostate Tumors by Quantitative Real-time PCR (qPCR)

MicroRNAs (miRNAs) are single-stranded, 18&#x2013;24 nucleotide long, non-coding RNA molecules. They are involved in virtually every cellular process including development1, apoptosis2, and cell cycle regulation3. MiRNAs are estimated to regulate the expression of 30% to 90% of human genes4 by binding to their target messenger RNAs (mRNAs)5. Widespread dysregulation of miRNAs has been reported in various diseases and cancer subtypes6. Due to their prevalence and unique structure, these small molecules are likely to be the next generation of biomarkers, therapeutic agents and/or targets.
Methods used to investigate miRNA expression include SYBR green I dye- based as well as Taqman-probe based qPCR. If miRNAs are to be effectively used in the clinical setting, it is imperative that their detection in fresh and/or archived clinical samples be accurate, reproducible, and specific. qPCR has been widely used for validating expression of miRNAs in whole genome analyses such as microarray studies7. The samples used in this protocol were from patients who underwent radical prostatectomy for clinically localized prostate cancer; however other tissues and cell lines can be substituted in. Prostate specimens were snap-frozen in liquid nitrogen after resection. Clinical variables and follow-up information for each patient were collected for subsequent analysis8.
Quantification of miRNA levels in prostate tumor samples. The main steps in qPCR analysis of tumors are: Total RNA extraction, cDNA synthesis, and detection of qPCR products using miRNA-specific primers. Total RNA, which includes mRNA, miRNA, and other small RNAs were extracted from specimens using TRIzol reagent. Qiagen's miScript System was used to synthesize cDNA and perform qPCR (Figure 1). Endogenous miRNAs are not polyadenylated, therefore during the reverse transcription process, a poly(A) polymerase polyadenylates the miRNA. The miRNA is used as a template to synthesize cDNA using oligo-dT and Reverse Transcriptase. A universal tag sequence on the 5' end of oligo-dT primers facilitates the amplification of cDNA in the PCR step. PCR product amplification is detected by the level of fluorescence emitted by SYBR Green, a dye which intercalates into double stranded DNA. Specific miRNA primers, along with a Universal Primer that binds to the universal tag sequence will amplify specific miRNA sequences. 
The miScript Primer Assays are available for over a thousand human-specific miRNAs, and hundreds of murine-specific miRNAs. Relative quantification method was used here to quantify the expression of miRNAs. To correct for variability amongst different samples, expression levels of a target miRNA is normalized to the expression levels of a reference gene. The choice of a gene on which to normalize the expression of targets is critical in relative quantification method of analysis. Examples of reference genes typically used in this capacity are the small RNAs RNU6B, RNU44, and RNU48 as they are considered to be stably expressed across most samples. In this protocol, RNU6B is used as the reference gene.

MicroRNA Detection in Prostate Tumors by Quantitative Real-time PCR qPCR

Quantitative Real Time polymerase chain reaction (qPCR) is a rapid and sensitive method to investigate the expression levels of various microRNA (miRNA) molecules in tumor samples. Using this method expression of hundreds of different miRNA molecules can be amplified, quantified, and analyzed from the same cDNA template.

Detección de microARN en tumores de próstata por el cuantitativo PCR en tiempo real (qPCR)

MicroRNAs (miRNAs) are single-stranded, 18&#x2013;24 nucleotide long, non-coding RNA molecules. They are involved in virtually every cellular process ...

Identification of Sleeping Beauty Transposon Insertions in Solid Tumors using Linker-mediated PCR

Genomic, proteomic, transcriptomic, and epigenomic analyses of human tumors indicate that there are thousands of anomalies within each cancer genome compared to matched normal tissue. Based on these analyses it is evident that there are many undiscovered genetic drivers of cancer1. Unfortunately these drivers are hidden within a much larger number of passenger anomalies in the genome that do not directly contribute to tumor formation. Another aspect of the cancer genome is that there is considerable genetic heterogeneity within similar tumor types. Each tumor can harbor different mutations that provide a selective advantage for tumor formation2. Performing an unbiased forward genetic screen in mice provides the tools to generate tumors and analyze their genetic composition, while reducing the background of passenger mutations. The Sleeping Beauty (SB) transposon system is one such method3. The SB system utilizes mobile vectors (transposons) that can be inserted throughout the genome by the transposase enzyme. Mutations are limited to a specific cell type through the use of a conditional transposase allele that is activated by Cre Recombinase. Many mouse lines exist that express Cre Recombinase in specific tissues. By crossing one of these lines to the conditional transposase allele (e.g. Lox-stop-Lox-SB11), the SB system is activated only in cells that express Cre Recombinase. The Cre Recombinase will excise a stop cassette that blocks expression of the transposase allele, thereby activating transposon mutagenesis within the designated cell type. An SB screen is initiated by breeding three strains of transgenic mice so that the experimental mice carry a conditional transposase allele, a concatamer of transposons, and a tissue-specific Cre Recombinase allele. These mice are allowed to age until tumors form and they become moribund. The mice are then necropsied and genomic DNA is isolated from the tumors. Next, the genomic DNA is subjected to linker-mediated-PCR (LM-PCR) that results in amplification of genomic loci containing an SB transposon. LM-PCR performed on a single tumor will result in hundreds of distinct amplicons representing the hundreds of genomic loci containing transposon insertions in a single tumor4. The transposon insertions in all tumors are analyzed and common insertion sites (CISs) are identified using an appropriate statistical method5. Genes within the CIS are highly likely to be oncogenes or tumor suppressor genes, and are considered candidate cancer genes. The advantages of using the SB system to identify candidate cancer genes are: 1) the transposon can easily be located in the genome because its sequence is known, 2) transposition can be directed to almost any cell type and 3) the transposon is capable of introducing both gain- and loss-of-function mutations6. The following protocol describes how to devise and execute a forward genetic screen using the SB transposon system to identify candidate cancer genes (Figure 1).

Identification of Sleeping Beauty Transposon Insertions in Solid Tumors using Linker-mediated PCR

A method of identifying unknown drivers of carcinogenesis using an unbiased approach is described. The method uses the Sleeping Beauty transposon as a random mutagen directed to specific tissues. Genomic mapping of transposon insertions that drive tumor formation identifies novel oncogenes and tumor suppressor genes

Identificación de los<em&gt; La Bella Durmiente</em&gt; Transposón inserciones en tumores sólidos utilizando vinculador mediada por PCR

Genomic, proteomic, transcriptomic, and epigenomic analyses of human tumors indicate that there are thousands of anomalies within each cancer genome ...

In vitro Organoid Culture of Primary Mouse Colon Tumors

Several human and murine colon cancer cell lines have been established, physiologic integrity of colon tumors such as multiple cell layers, basal-apical polarity, ability to differentiate, and anoikis are not maintained in colon cancer derived cell lines. The present study demonstrates a method for culturing primary mouse colon tumor organoids adapted from Sato T et al. 1, which retains important physiologic features of colon tumors. This method consists of mouse colon tumor tissue collection, adjacent normal colon epithelium dissociation, colon tumor cells digestion into single cells, embedding colon tumor cells into matrigel, and selective culture based on the principle that tumor cells maintain growth on limiting nutrient conditions compared to normal epithelial cells.
The primary tumor organoids if isolated from genetically modified mice provide a very useful system to assess tumor autonomous function of specific genes. Moreover, the tumor organoids are amenable to genetic manipulation by virus meditated gene delivery; therefore signaling pathways involved in the colon tumorigenesis could also be extensively investigated by overexpression or knockdown. Primary tumor organoids culture provides a physiologic relevant and feasible means to study the mechanisms and therapeutic modalities for colon tumorigenesis.

In vitro Organoid Culture of Primary Mouse Colon Tumors

A simple method to establish primary murine colon tumor organoid is described. This method utilizes the feature that colon tumor cells survive and grow into organoids in media containing limited growth factors, whereas normal colon epithelial do not.

In vitro organoide Cultura de tumores de colon primarios Ratón

Several  human and murine colon cancer cell lines have been established, physiologic  integrity of colon tumors such as multiple cell layers, basal-apical ...

The Use of Reverse Phase Protein Arrays (RPPA) to Explore Protein Expression Variation within Individual Renal Cell Cancers

Currently there is no curative treatment for metastatic clear cell renal cell cancer, the commonest variant of the disease. A key factor in this treatment resistance is thought to be the molecular complexity of the disease 1. Targeted therapy such as the tyrosine kinase inhibitor (TKI)-sunitinib have been utilized, but only 40% of patients will respond, with the overwhelming majority of these patients relapsing within 1 year 2. As such the question of intrinsic and acquired resistance in renal cell cancer patients is highly relevant 3.
In order to study resistance to TKIs, with the ultimate goal of developing effective, personalized treatments, sequential tissue after a specific period of targeted therapy is required, an approach which had proved successful in chronic myeloid leukaemia 4. However the application of such a strategy in renal cell carcinoma is complicated by the high level of both inter- and intratumoral heterogeneity, which is a feature of renal cell carcinoma5,6 as well as other solid tumors 7. Intertumoral heterogeneity due to transcriptomic and genetic differences is well established even in patients with similar presentation, stage and grade of tumor. In addition it is clear that there is great morphological (intratumoral) heterogeneity in RCC, which is likely to represent even greater molecular heterogeneity. Detailed mapping and categorization of RCC tumors by combined morphological analysis and Fuhrman grading allows the selection of representative areas for proteomic analysis.
Protein based analysis of RCC8 is attractive due to its widespread availability in pathology laboratories; however, its application can be problematic due to the limited availability of specific antibodies 9. Due to the dot blot nature of the Reverse Phase Protein Arrays (RPPA), antibody specificity must be pre-validated; as such strict quality control of antibodies used is of paramount importance. Despite this limitation the dot blot format does allow assay miniaturization, allowing for the printing of hundreds of samples onto a single nitrocellulose slide. Printed slides can then be analyzed in a similar fashion to Western analysis with the use of target specific primary antibodies and fluorescently labelled secondary antibodies, allowing for multiplexing. Differential protein expression across all the samples on a slide can then be analyzed simultaneously by comparing the relative level of fluorescence in a more cost-effective and high-throughput manner.

The Use of Reverse Phase Protein Arrays RPPA to Explore Protein Expression Variation within Individual Renal Cell Cancers

RPPA enables the protein expression of hundreds of samples, printed on nitrocellulose slides to be interrogated simultaneously, using fluorescently labelled antibodies. This technique has been applied to study the effect of drug treatment heterogeneity within clear cell renal carcinoma.

El uso de matrices inversas de proteínas de fase (RPPA) para explorar la variación de expresión de proteínas individuales dentro de cánceres de células renales

Currently there is no curative treatment for metastatic clear cell renal cell cancer, the commonest variant of the disease. A key factor in this treatment ...

In Vivo Optical Imaging of Brain Tumors and Arthritis Using Fluorescent SapC-DOPS Nanovesicles

We describe a multi-angle rotational optical imaging (MAROI) system for in vivo monitoring of physiopathological processes labeled with a fluorescent marker. Mouse models (brain tumor and arthritis) were used to evaluate the usefulness of this method. Saposin C (SapC)-dioleoylphosphatidylserine (DOPS) nanovesicles tagged with CellVue Maroon (CVM) fluorophore were administered intravenously. Animals were then placed in the rotational holder (MARS) of the in vivo imaging system. Images were acquired in 10&#176; steps over 380&#176;. A rectangular&#160;region of interest (ROI) was placed across the full image width at the model disease site. Within the ROI, and for every image, mean fluorescence intensity was computed after background subtraction. In the mouse models studied, the labeled nanovesicles were taken up in both the orthotopic and transgenic brain tumors, and in the arthritic sites (toes and ankles). Curve analysis of the multi angle image ROIs determined the angle with the highest signal. Thus, the optimal angle for imaging each disease site was characterized. The MAROI method applied to imaging of fluorescent compounds is a noninvasive, economical, and precise tool for in vivo quantitative analysis of the disease states in the described mouse models.

In Vivo Optical Imaging of Brain Tumors and Arthritis Using Fluorescent SapC-DOPS Nanovesicles

We describe a multi-angle rotational optical imaging (MAROI) system for in vivo quantitation of a fluorescent marker delivered by saposin C (SapC)-dioleoylphosphatidylserine (DOPS) nanovesicles. Employing mouse models of cancer and arthritis, we demonstrate how the MAROI signal curve analysis can be used for the precise mapping and biological characterization of disease processes.

En vivo de imágenes óptico de tumores del cerebro y la artritis Usando fluorescente SAPC-DOPS nanovesículas

We describe a multi-angle rotational optical imaging (MAROI) system for in vivo monitoring of physiopathological processes labeled with a fluorescent ...

Coordinate Mapping of Hyolaryngeal Mechanics in Swallowing

Characterizing hyolaryngeal movement is important to dysphagia research. Prior methods require multiple measurements to obtain one kinematic measurement whereas coordinate mapping of hyolaryngeal mechanics using Modified Barium Swallow (MBS) uses one set of coordinates to calculate multiple variables of interest. For demonstration purposes, ten kinematic measurements were generated from one set of coordinates to determine differences in swallowing two different bolus types. Calculations of hyoid excursion against the vertebrae and mandible are correlated to determine the importance of axes of reference.
To demonstrate coordinate mapping methodology, 40 MBS studies were randomly selected from a dataset of healthy normal subjects with no known swallowing impairment. A 5 ml thin-liquid bolus and a 5 ml pudding swallows were measured from each subject. Nine coordinates, mapping the cranial base, mandible, vertebrae and elements of the hyolaryngeal complex, were recorded at the frames of minimum and maximum hyolaryngeal excursion. Coordinates were mathematically converted into ten variables of hyolaryngeal mechanics.
Inter-rater reliability was evaluated by Intraclass correlation coefficients (ICC). Two-tailed t-tests were used to evaluate differences in kinematics by bolus viscosity. Hyoid excursion measurements against different axes of reference were correlated. Inter-rater reliability among six raters for the 18 coordinates ranged from ICC = 0.90 - 0.97. A slate of ten kinematic measurements was compared by subject between the six raters. One outlier was rejected, and the mean of the remaining reliability scores was ICC = 0.91, 0.84 - 0.96, 95% CI. Two-tailed t-tests with Bonferroni corrections comparing ten kinematic variables (5 ml thin-liquid vs. 5 ml pudding swallows) showed statistically significant differences in hyoid excursion, superior laryngeal movement, and pharyngeal shortening (p &#60; 0.005). Pearson correlations of hyoid excursion measurements from two different axes of reference were: r = 0.62, r2 = 0.38, (thin-liquid); r = 0.52, r2 = 0.27, (pudding).
Obtaining landmark coordinates is a reliable method to generate multiple kinematic variables from video fluoroscopic images useful in dysphagia research.

Coordinate mapping is a method of documenting salient features of hyolaryngeal biomechanics in the pharyngeal phase of swallowing. This methodology uses image analysis software to record coordinates of anatomical landmarks. These coordinates are imported into an excel macro and translated into kinematic variables of interest useful in dysphagia research.

Coordinar Mapeo de Mecánica Hyolaryngeal en la deglución

Characterizing hyolaryngeal movement is important to dysphagia research. Prior methods require multiple measurements to obtain one kinematic measurement ...

Quantitative Mass Spectrometric Profiling of Cancer-cell Proteomes Derived From Liquid and Solid Tumors

In-depth analyses of cancer cell proteomes are needed to elucidate oncogenic pathomechanisms, as well as to identify potential drug targets and diagnostic biomarkers. However, methods for quantitative proteomic characterization of patient-derived tumors and in particular their cellular subpopulations are largely lacking. Here we describe an experimental set-up that allows quantitative analysis of proteomes of cancer cell subpopulations derived from either liquid or solid tumors. This is achieved by combining cellular enrichment strategies with quantitative Super-SILAC-based mass spectrometry followed by bioinformatic data analysis. To enrich specific cellular subsets, liquid tumors are first immunophenotyped by flow cytometry followed by FACS-sorting; for solid tumors, laser-capture microdissection is used to purify specific cellular subpopulations. In a second step, proteins are extracted from the purified cells and subsequently combined with a tumor-specific, SILAC-labeled spike-in standard that enables protein quantification. The resulting protein mixture is subjected to either gel electrophoresis or Filter Aided Sample Preparation (FASP) followed by tryptic digestion. Finally, tryptic peptides are analyzed using a hybrid quadrupole-orbitrap mass spectrometer, and the data obtained are processed with bioinformatic software suites including MaxQuant. By means of the workflow presented here, up to 8,000 proteins can be identified and quantified in patient-derived samples, and the resulting protein expression profiles can be compared among patients to identify diagnostic proteomic signatures or potential drug targets.

In-depth analyses of cancer cell proteomes facilitate identification of novel drug targets and diagnostic biomarkers. We describe an experimental workflow for quantitative analysis of (phospho-)proteomes in cancer cell subpopulations derived from liquid and solid tumors. This is achieved by combining cellular enrichment strategies with quantitative Super-SILAC-based mass spectrometry.

Misa cuantitativa espectrometría de perfiles de los proteomas de células del cáncer derivados de líquidos y tumores sólidos

In-depth analyses of cancer cell proteomes are needed to elucidate oncogenic pathomechanisms, as well as to identify potential drug targets and diagnostic ...

Quantitative Mapping of Specific Ventilation in the Human Lung using Proton Magnetic Resonance Imaging and Oxygen as a Contrast Agent

Specific ventilation imaging (SVI) is a functional magnetic resonance imaging technique capable of quantifying specific ventilation &#8213; the ratio of the fresh gas entering a lung region divided by the region&#8217;s end-expiratory volume &#8213; in the human lung, using only inhaled oxygen as a contrast agent. Regional quantification of specific ventilation has the potential to help identify areas of pathologic lung function. Oxygen in solution in tissue shortens the tissue&#8217;s longitudinal relaxation time (T1), and thus a change in tissue oxygenation can be detected as a change in T1-weighted signal with an inversion recovery acquired image. Following an abrupt change between two concentrations of inspired oxygen, the rate at which lung tissue within a voxel equilibrates to a new steady-state reflects the rate at which resident gas is being replaced by inhaled gas. This rate is determined by specific ventilation. To elicit this sudden change in oxygenation, subjects alternately breathe 20-breath blocks of air (21% oxygen) and 100% oxygen while in the MRI scanner. A stepwise change in inspired oxygen fraction is achieved through use of a custom three-dimensional (3D)-printed flow bypass system with a manual switch during a short end-expiratory breath hold. To detect the corresponding change in T1, a global inversion pulse followed by a single shot fast spin echo sequence was used to acquire two-dimensional T1-weighted images in a 1.5&#160;T MRI scanner, using an eight-element torso coil. Both single slice and multi-slice imaging are possible, with slightly different imaging parameters. Quantification of specific ventilation is achieved by correlating the time-course of signal intensity for each lung voxel with a library of simulated responses to the air/oxygen stimulus. SVI estimations of specific ventilation heterogeneity have been validated against multiple breath washout and proved to accurately determine the heterogeneity of the specific ventilation distribution.

Specific ventilation imaging is a functional magnetic resonance imaging technique that allows for quantification of regional specific ventilation in the human lung, using inhaled oxygen as a contrast agent. Here, we present a protocol to collect and analyze specific ventilation imaging data.

Mapeo cuantitativo de ventilación específica en el pulmón humano usando resonancia magnética de protones y oxígeno como agente de contraste

Specific ventilation imaging (SVI) is a functional magnetic resonance imaging technique capable of quantifying specific ventilation &#8213; the ratio of ...