L'université Johns Hopkins reconstruit l'architecture tissulaire en 3D pour révéler des lésions précancéreuses jusque-là invisibles

À l'université Johns Hopkins, une équipe multidisciplinaire d'ingénieurs, de biologistes du cancer et de pathologistes a cherché à remédier à une limitation majeure de la recherche sur le cancer : l'incapacité de visualiser et d'analyser les lésions précancéreuses microscopiques en trois dimensions. La néoplasie intraépithéliale pancréatique (PanIN), un précurseur fréquent du cancer du pancréas, est trop petite pour être détectée par les techniques d'imagerie conventionnelles et est traditionnellement étudiée à l'aide de lames histologiques 2D. Cette approche a limité la compréhension par les chercheurs de la structure réelle, de la fréquence et de la signification biologique de ces lésions.

Pour surmonter ces difficultés, l'équipe a développé CODA, une plateforme informatique qui reconstruit des modèles de tissus 3D à partir de coupes histologiques en série. Le processus a nécessité la résolution de problèmes complexes d'alignement d'images, car la section physique des tissus introduit des artefacts tels que des déchirures, des plis et des distorsions. CODA utilise Image Processing Toolbox™ et Deep Learning Toolbox™ pour implémenter le recalage d'images non linéaires, la détection des coordonnées nucléaires et la segmentation basée sur le Deep Learning à l'aide de l'algorithme DeepLabv3+ avec une structure de base ResNet-50. Le workflow comprend le sous-échantillonnage des images, l'annotation manuelle des données d'entraînement et l'application du Deep Learning pour segmenter automatiquement les structures anatomiques. Les matrices de transformation calculées sur des images à plus basse résolution sont utilisées pour enregistrer des images segmentées à haute résolution, permettant ainsi des reconstructions 3D précises.

Grâce à CODA, l'équipe a généré des cartes anatomiques du tissu pancréatique humain, révélant que les lésions PanIN sont plus fréquentes et morphologiquement complexes qu'on ne le pensait auparavant. CODA a également permis l'intégration de données histologiques avec un profilage génomique, protéomique et transcriptomique, offrant une vue d'ensemble de l'architecture tissulaire et des caractéristiques moléculaires. Grâce à l'intégration de la morphologie 3D et de la génomique, l'équipe a découvert que les PanIN se développent indépendamment les uns des autres, chaque PanIN anatomiquement distinct présentant une mutation différente dans l'oncogène KRAS. La flexibilité de la plateforme a permis son application à d'autres organes et domaines de recherche, notamment la cartographie du développement du rein, des trompes de Fallope et du cœur, ainsi que le design de modèles organoïdes biomimétiques.

Les projets futurs comprennent l'expansion des capacités de CODA avec la segmentation nucléaire, l'interpolation de lames, la coloration virtuelle et le développement d'applications conviviales afin de soutenir davantage la recherche sur le cancer et la biologie du développement.