《Microchemical Journal》:Multiscale characterization of hepatic fibrosis using Raman spectroscopy and small-angle X-ray scattering, with accurate staging based on multimodal machine learning
编辑推荐:
•共聚焦拉曼光谱捕获了肝纤维化过程中生物分子代谢的动态变化,而化学成像则可视化了胶原与维生素A的逆向空间分布。•小角度X射线散射实现了肝组织的纳米级表征,验证了I型胶原微纤维在肝纤维化进展的所有阶段均保留了固有的有序纳米结构。•结合拉曼分子信号与小角度X射线散射纳米结构特征的
- •
共聚焦拉曼光谱捕获了肝纤维化过程中生物分子代谢的动态变化,而化学成像则可视化了胶原与维生素A的逆向空间分布。
- •
小角度X射线散射实现了肝组织的纳米级表征,验证了I型胶原微纤维在肝纤维化进展的所有阶段均保留了固有的有序纳米结构。
- •
结合拉曼分子信号与小角度X射线散射纳米结构特征的多模态机器学习,在多种肝纤维化分期模型中实现了超过90%的准确率。
引言
肝纤维化(HF)的发病源于肝星状细胞(HSCs)的表型转换,即静止期星状细胞在慢性炎症刺激下丧失静息特征,分化为促纤维化肌成纤维细胞样细胞[1]、[2]。活化的肌成纤维细胞产生过量的以I型胶原为主的胶原,这些胶原是肝脏细胞外基质(ECM)积累的核心成分。若HF未得到及时治疗,纤维间隔可继续破坏肝小叶的正常结构,可能进展为肝硬化,从而显著增加门静脉高压、肝衰竭和肝细胞癌(HCC)的风险[3]。准确的分期和定量评估HF严重程度对于个体化治疗和精确的手术决策至关重要,具有重大的临床意义[4]、[5]、[6]。
目前,HF的临床诊断和评估策略主要包括组织病理学染色、血清生化指标和影像学检查[7]。常规组织学染色是临床诊断和分期HF的核心及金标准工具。作为一种半定量分析技术,该方法存在固有缺陷,如显著的采样偏差、主观病理判读以及依赖标记检测[8]、[9]。此外,该方法仅允许单靶点检测,限制了对多种分子标志物进行原位共定位分析以及对组织微结构进行同步观察和表征。鉴于HF具有独特的病理异质性和临床亚型[10],亟需发展多维度、无标记、精确定量的病理评估技术,以细化HF分期并提高预后评估。
拉曼光谱提供了固有的分子振动指纹,能够对组织代谢物和ECM成分进行无标记、高特异性的生化分析[11]、[12]。该技术已被用于解析关键促纤维化分子事件,包括HSC活化、脂质代谢重塑以及在单细胞和组织水平的差异性胶原表达。凭借其无标记检测能力,拉曼光谱有助于追踪早期纤维化生成、识别与纤维化相关的生化表型以及可视化病变ECM沉积,从而帮助阐明HF期间病理过程之间的空间关系[13]、[14]、[15]。然而,拉曼光谱仅提供分子水平的生化信息,无法表征纤维化进展过程中肝组织的超分子结构演变。相比之下,小角度X射线散射(SAXS)是一种强大的结构表征技术,具有样品制备简单和统计稳健性高的优势[16]。它能够定量解析纳米级异质性、超分子组装以及组织中生物大分子的空间组织[17]、[18],并且已验证可应用于多种器官组织的结构分析和病理肿瘤评估[19]。值得注意的是,SAXS很少被应用于表征纤维化肝组织的纳米级结构重塑,这使得HF的多尺度病理解读中仍存在未解决的技术空白。将拉曼分子指纹识别与SAXS纳米结构定量相结合,为双尺度分析策略提供了可能性,可同时表征HF进展过程中的代谢扰动和结构异常。
尽管多模态物理化学表征具有潜力,但拉曼光谱和SAXS产生的跨尺度异质数据需要复杂的跨学科数据处理流程,这极大地限制了临床转化。机器学习(ML)为高维多模态数据融合和智能判别提供了一种有效的解决方案[20]。已有若干研究采用多模态ML进行临床HF诊断。通过整合异质数据,包括CT影像组学、超声弹性成像、血清生化、临床指标和微生物特征,这些模型能够支持纤维化筛查、分期和预后评估,具有可靠的诊断性能,并且通常优于单模态检测策略[21]、[22]、[23]。然而,大多数模型基于常规术前数据集构建,用于整体术前风险评估,不适合术中工作流程。特别是,它们无法对术中个体肝活检样本进行靶向分析,尤其是通过多部位采样获得的离散标本,从而限制了精确的实时术中评估,而这对于术中界定病变边界和识别病理特征至关重要。
为解决上述局限性,本研究开发了一种跨尺度、无标记策略,用于HF的表征和诊断。通过整合拉曼光谱与SAXS,我们对肝活检标本进行了双尺度分析,分别捕获了分子代谢改变和组织纳米级微结构,从而揭示了分子和纳米尺度上的模式。此类跨尺度病理关联在既往HF研究中很少被系统表征。为消除高维拉曼光谱与低维SAXS结构参数之间的维度不匹配,我们建立了基于sPCA的特征提取和跨模态融合流程。该流程生成了一个紧凑的8维多模态特征集,在保留生物学相关的病理信号的同时减少了干扰噪声。利用融合特征集,我们构建了轻量级分类模型,以支持无需外源性染色或标记的快速术中离体病理评估;与单模态拉曼或SAXS方法相比,这些模型在相邻HF分级的判别方面具有优越性能。总体而言,这种跨尺度多模态机器学习框架弥补了单模态检测的固有局限性,可能为慢性肝病精确病理分期提供新策略。
章节摘要
动物模型
共40只野生型、6至8周龄的成年雄性C57BL/6 J小鼠,购自合肥青源生物科技有限公司,在SPF级条件下饲养。所有动物实验均按照实验室动物饲养与使用的基本原则进行。经过一周适应性适应后,将CCl4与橄榄油(CCl4/橄榄油 = 1:2 v/v)以1:2的混合比例通过腹腔注射给药,每三天一次,剂量为0.5 μL/g
小鼠HF模型的建立与验证
为验证CCl4诱导的小鼠HF模型,我们在多个时间点评估了病理变化、血清生物标志物和组织特征(图1A)。H&E、Masson和α-SMA IHC染色结果的联合分析显示了各HF组的进行性病理变化(图1B)。H&E染色用于评估肝损伤和炎症反应。对照组显示完整的肝结构和正常的肝细胞形态。随着CCl4处理的延长,肝细胞
结论
拉曼光谱有效捕获了HF进展过程中肝组织关键生物分子动态分子改变和空间分布模式,拉曼化学成像直接证明了组织切片中胶原沉积与维生素A耗竭之间的逆向空间相关性。纳米尺度的SAXS分析证实,I型胶原微纤维在所有纤维化阶段均维持稳定的有序组装结构,其固有组装
CRediT作者贡献声明
刘海宇:撰写——初稿,方法学,概念化。陆俊杰:方法学。陈海平:数据管理。崔雷:方法学。龚亚娟:撰写——初稿。程一桐:方法学。谢英海:撰写——审阅与编辑,监督,项目管理。王冠南:撰写——审阅与编辑,监督,项目管理。
伦理合规声明
所有动物实验均经皖南医学院医学伦理委员会审查和批准(批准号:2024–222)。所有实验操作均严格按照机构实验室动物管理规定执行,以确保动物福利。
利益冲突声明
作者声明不存在可能影响本文研究工作的已知竞争财务利益或个人关系。
致谢
本研究由2024年度安徽省临床与转化研究项目(项目编号:202427b10020039)和2024年度安徽省临床与转化研究项目(项目编号:202427b10020109)提供资金支持。作者感谢复旦大学附属肿瘤医院复旦大学肿瘤研究所王建华教授在本研究过程中提供的宝贵学术指导和深入讨论。作者感谢科学研究
刘海宇|陆俊杰|陈海平|崔雷|龚亚娟|程一桐|谢英海|王冠南