Probing tumor aggressiveness via image analysis

• Autor(a) principal: Godolphim, Paulo Casagrande
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/219120
• topic: Câncer; Células tumorais; Análise de imagens

O câncer está em segundo lugar nas causas de morte no mundo. Nessa doença, as células tumorais precisam invadir e migrar através de várias estruturas complexas do corpo. É bem aceito que a física subjacente à dinâmica do tecido desempenha um papel crucial na evolução do tumor; no entanto, não existem muitos trabalhos ligando aplicações clínicas e abordagens físicas. Aqui, analisamos a migração coletiva de três linhas de células epiteliais humanas orais - uma linhagem saudável (HaCat), um tumor menos agressivo (CAL27) e um tumor mais agressivo (SCC9) - durante a formação de tecidos 2D in vitro, i.e., monocamadas. Nós comparamos: quão rápido eles se movem, se a migração é ordenada ou não, a extensão da correlação de seu movimento e como esses comportamentos mudam durante o crescimento e maturação do tecido. Mostramos que monocamadas de SCC9 apresentam velocidade média de migração próxima a zero, ou seja, a assinatura de um sistema não coletivo, enquanto HaCat e CAL27 apresentam valores positivos. Além disso, durante o crescimento do tecido, a velocidade média da SCC9 apresenta uma queda monotônica em relação ao que é encontrado para as outras duas linhagens. Acreditamos que esses resultados estejam relacionados ao menor número de junções célula-célula da SCC9 [1, 2]. Também mostramos que a correlação da velocidade média da HaCat é maior no espaço e tem menores flutuações no tempo. Finalmente, usando as medidas de velocidade média e correlação média, construímos um novo diagrama que separa as três linhagens em três regiões distintas de uma única representação gráfica. Uma aplicação clínica do nosso diagrama é especulativa por enquanto, dadas as limitações associadas com a abordagem in vitro e ao número limitado de amostras. No entanto, nossos resultados indicam uma correlação entre comportamentos não coletivos e agressividade de tumores e sugerem que o movimento coletivo poderia ser usado como ferramentas para classificar e diagnosticar células tumorais. Todas as análises foram feitas usando uma pipeline de código aberto que desenvolvemos, disponível no GitHub em uma versão beta sem suporte. Em um futuro próximo, esperamos que a evolução das técnicas usadas aqui possam ajudar a comunidade médica a definir novos marcadores de malignidade; e, a longo prazo, ajudar a pavimentar o caminho para um novo conjunto de diagnósticos de câncer baseados em física.