正在試運行中(zhōng)
AFADESI-MSI是一(yī)種新型的常壓敞開(kāi)式離(lí)子化技術，無需放(fàng)射性同位素或熒光标記，通過與高分(fēn)辨質譜儀聯機使用，可直觀反映目标分(fēn)子或者未知(zhī)化合物(wù)分(fēn)子在生(shēng)物(wù)體(tǐ)内的原位代謝信息，能夠解決具有空間分(fēn)布差異或者結構差異相關的生(shēng)物(wù)學問題。該技術借助于高速的空氣流，實現了離(lí)子的遠距離(lí)傳輸，擴展了待測樣品的檢測空間和靈活性，靈敏度可達pg級别，動态範圍達到三個數量級，覆蓋1500個化合物(wù)，如膽堿類、多胺類、氨基酸類、肉堿類、核苷類、核苷酸類、有機酸類、碳水化合物(wù)類、膽固醇類、膽酸類、脂質類等多種類代謝物(wù)。
中(zhōng)國醫學科學院藥物(wù)研究所天然藥物(wù)活性物(wù)質與功能國家重點實驗室再帕爾·阿不力孜、賀玖明團隊在分(fēn)析化學一(yī)區《Analytical Chemistry》期刊發表封面文章，題爲“Mapping Metabolic Networks in the Brain by Ambient Mass Spectrometry Imaging and Metabolomics”的研究成果，采用自主研發的AFADESI-MSI技術，建立了一(yī)種高靈敏空間代謝組學方法，實現了大(dà)鼠腦組織中(zhōng)多種類極性内源性代謝物(wù)的高覆蓋成像，結合代謝通路分(fēn)析，全面繪制腦代謝網絡圖譜，揭示了東莨菪堿緻大(dà)鼠記憶功能障礙模型的代謝改變及其腦微區分(fēn)布特征。（文章鏈接：https://doi.org/10.1021/acs.analchem.1c00467）
大(dà)腦功能與其複雜(zá)的微區結構密切相關。研究腦中(zhōng)分(fēn)子變化有助于理解中(zhōng)樞神經系統疾病的發病機制，推動藥物(wù)研發。質譜成像(MSI)技術具有高靈敏、方便、省時以及免标記的優勢，已成爲繪制蛋白(bái)質、代謝産物(wù)和脂質圖譜的強大(dà)工(gōng)具，但高通量成像表征腦中(zhōng)的極性小(xiǎo)分(fēn)子代謝物(wù)仍具挑戰。本文對課題組研發的空氣動力輔助離(lí)子化質譜成像（AFADESI-MSI）平台進行了優化，應用空間分(fēn)辨代謝組學繪制了大(dà)鼠腦代謝網絡。
SD大(dà)鼠腹腔注射2 mg/kg東莨菪堿（給藥組、對照組各3隻），安樂死後取出大(dà)腦，用冷凍切片機制成20 μm厚的矢狀切片，相鄰的大(dà)腦切片進行H&E和Nissl染色。
SD大(dà)鼠腹腔注射2 mg/kg東莨菪堿（給藥組、對照組各3隻），安樂死後取出大(dà)腦，用冷凍切片機制成20 μm厚的矢狀切片，相鄰的大(dà)腦切片進行H&E和Nissl染色。
原始數據轉換後應用MassImager軟件進行可視化。将光學圖像精準匹配感興趣區域的離(lí)子強度，獲取差異代謝物(wù)信息。通過在線數據挖掘工(gōng)具Metaboanalyst完成了代謝物(wù)的高通量注釋。Cyctoscape用于可視化大(dà)腦中(zhōng)的複雜(zá)網絡。
兩組大(dà)腦樣本選擇相同的微區進行組織學特征性離(lí)子圖像疊加，采用t檢驗(n = 3)進一(yī)步驗證數據處理結果。
研究通過優化實驗确定ACN / H2O（8:2）作爲理想的噴霧溶劑。圖像中(zhōng)小(xiǎo)腦小(xiǎo)葉間隔（約爲78.0 μm）清晰可見，表明AFADESI-MSI的實際空間分(fēn)辨率小(xiǎo)于100 μm。此外(wài)，成像結果顯示質量差爲30ppm的兩種代謝物(wù)可以得到明顯分(fēn)離(lí)，檢測的動态範圍高達1000倍。如圖所示，通過AFADESI-MSI獲得的一(yī)些具有代表性的代謝物(wù)，離(lí)子強度從0~106，其分(fēn)布特征與腦功能結構高度一(yī)緻。
圖1. AFADESI-MSI和代謝組學繪制大(dà)鼠大(dà)腦代謝網絡的策略，以及代表性極性内源性代謝物(wù)離(lí)子圖像。
實驗通過AFADESI-MSI在正負離(lí)子模式下(xià)獲得了298和372個特征離(lí)子圖像。包括氨基酸、核苷酸、碳水化合物(wù)、脂肪酸和神經遞質（NTs）等。結果顯示γ-氨基丁酸（GABA）在中(zhōng)腦、嗅球和下(xià)丘腦中(zhōng)信号強度較高；多巴胺（DA）主要集中(zhōng)分(fēn)布在紋狀體(tǐ)；組胺（HA）作爲一(yī)種興奮性NTs集中(zhōng)在丘腦和下(xià)丘腦中(zhōng)。松果體(tǐ)在睡眠和光周期調節方面起着重要的作用，由于其體(tǐ)積小(xiǎo)容易被忽視。實驗在該區域檢測到共106種極性代謝物(wù)，發現吲哚乙醛、吲哚、5'-甲基硫代腺苷和褪黑素高表達，且褪黑素上遊代謝産物(wù)血清素(5-HT)在松果體(tǐ)中(zhōng)也有特定的分(fēn)布。
圖2.AFADESI-MSI和MetaboAnalyst獲得的大(dà)鼠腦中(zhōng)的代謝網絡。
研究将光學圖像和MSI圖像進行精确疊加，從大(dà)腦微區中(zhōng)提取代謝圖譜進行代謝網絡重構。圖中(zhōng)顯示了包括谷氨酸代謝、花生(shēng)四烯酸代謝、葡萄糖代謝、嘌呤代謝、三羧酸循環等在内的代謝途徑。這些信息有助于在系統水平上深入了解大(dà)腦的代謝活動。如圖3A所示，嘌呤代謝中(zhōng)，AMP和GMP在大(dà)腦皮層和松果體(tǐ)中(zhōng)高表達，但在胼胝體(tǐ)和穹隆中(zhōng)強度較弱。這些結果表明，代謝物(wù)的分(fēn)布在大(dà)腦中(zhōng)表現出功能區域特異性。
圖3.AFADESI-MSI獲得大(dà)鼠腦内嘌呤代謝途徑及相關代謝産物(wù)分(fēn)布(A)和AMP在大(dà)鼠腦各層的分(fēn)布(B)。
如圖展示了NTs及其相關代謝物(wù)在大(dà)鼠腦内的分(fēn)布特征和聯系。結果表明代謝物(wù)在腦微區結構中(zhōng)的代謝速度是可變的，并定義了區域内穩态的條件。如組氨酸作爲組胺（HA）的前體(tǐ)在松果體(tǐ)中(zhōng)分(fēn)布稍高，而HA僅在丘腦和下(xià)丘腦中(zhōng)觀察到；HA代謝下(xià)遊産物(wù)甲基組胺在丘腦和下(xià)丘腦中(zhōng)的分(fēn)布比HA更廣泛，從而進一(yī)步證明了代謝網絡的區域多樣性和複雜(zá)性。
圖4.(A)神經遞質及其相關代謝物(wù)在大(dà)鼠腦中(zhōng)的分(fēn)布;(B)神經遞質調節和代謝網絡。
研究應用AFADESI-MSI分(fēn)析了對照組和東莨菪堿治療的大(dà)鼠腦矢狀切片。顯示了差異代謝物(wù)在不同腦微區的含量，如N-甲酰犬尿氨酸、L-色氨酸和5-HTP這三種代謝物(wù)同屬于色氨酸代謝通路，表明東莨菪堿擾亂了腦區色氨酸代謝過程或相關代謝物(wù)的區域間轉運。此外(wài)，NTs調節網絡也受到了幹擾，腦導管内HA和甲基組胺升高， GABA、Glu、谷胱甘肽也發生(shēng)變化。對給藥組大(dà)腦的10個微區進行了分(fēn)析，結果在腦橋中(zhōng)發現16個異常代謝物(wù)，而在大(dà)腦皮質中(zhōng)發現7個異常代謝物(wù)，表明腦橋和大(dà)腦皮質可能是對東莨菪堿作用最敏感的區域。
圖5.東莨菪堿模型大(dà)腦中(zhōng)代謝網絡改變。
如下(xià)圖所示，顯示了其中(zhōng)幾種異常表達的代謝産物(wù)的分(fēn)布，如腺嘌呤在小(xiǎo)腦皮層發生(shēng)顯著下(xià)調;HA在腦導水管下(xià)調 (圖6A-H)。這些代謝物(wù)的相對定量信息進一(yī)步表明，藥物(wù)效應在大(dà)腦中(zhōng)具有多樣性和區域特異性。基于空間分(fēn)辨的代謝組學爲發現酶或基因異常提供了線索，但要完成完整的代謝網絡分(fēn)析需要在蛋白(bái)質和基因水平上進一(yī)步驗證。
圖6.東莨菪堿治療大(dà)鼠學習記憶障礙腦模型的AFADESI-MSI圖像和代謝物(wù)統計結果(n = 3)。
本研究開(kāi)發了一(yī)種針對極性内源性代謝小(xiǎo)分(fēn)子高靈敏、高覆蓋的分(fēn)子成像方法，通過AFADESI-MSI空間代謝組學分(fēn)析，全面繪制了腦代謝網絡及其空間分(fēn)布，無需衍生(shēng)化和複雜(zá)的前處理，實現了對NTs、核苷酸代謝物(wù)、多胺、肌酸等極性分(fēn)子的可視化，爲腦中(zhōng)生(shēng)理、病理和藥理過程的機制、功能、以及神經系統中(zhōng)各區域間的相互聯系提供了線索和代謝網絡調控研究的新視角。本文運用該方法進一(yī)步研究了東莨菪堿模型腦的微區代謝變化，結合統計分(fēn)析，揭示了與記憶功能障礙直接相關的代謝通路顯著改變及其微區分(fēn)布特征。
數據來源：“質譜成像”微信公衆号
中(zhōng)國醫學科學院藥物(wù)研究所天然藥物(wù)活性物(wù)質與功能國家重點實驗室再帕爾·阿不力孜、賀玖明團隊在《PNAS》上發表了一(yī)篇題爲“Spatially resolved metabolomics to discover tumor-associated metabolic alterations”的研究論文，采用AFADESI-MSI技術，建立了空間分(fēn)辨的原位代謝組學方法，并提出一(yī)種“下(xià)遊代謝物(wù)與上遊代謝酶關聯” 的研究策略來表征腫瘤代謝改變；結合免疫組化分(fēn)析驗證，從代謝物(wù)和代謝酶兩個層次和組織原位深入探究食管癌的代謝改變，發現并可視化表征了食管癌異常的代謝通路及其代謝酶。（文章鏈接：https://doi.org/10.1073/pnas.1808950116）
獨特的代謝模式是腫瘤細胞區别于正常細胞的重要特征，越來越多的研究表明，在腫瘤的發生(shēng)、發展過程中(zhōng)，腫瘤細胞會發生(shēng)特定譜式的代謝改變以适應腫瘤生(shēng)長。對于不同組織來源的腫瘤細胞，盡管彼此間的基因變異譜千差萬别，但是，幾乎所有的腫瘤都需要通過類似的代謝重編程（Metabolic Reprogramming）來維持其無限制的細胞增殖。腫瘤代謝的表征能夠爲癌症病理機制研究、腫瘤診療新指标和幹預靶點的發現提供新的契機。然而，到目前爲止，如何全面的發現腫瘤的異常代謝，尤其是如何從代謝物(wù)和代謝酶兩個層面上原位地表征腫瘤的異常代謝仍然面臨非常大(dà)的困難。
收集256例人鱗片狀食管癌（ESCC）組織标本，包括癌組織、癌旁組織和遠端非癌組織，制成冰凍組織切片。如圖1所示，采用空氣動力輔助解吸電(diàn)噴霧離(lí)子化質譜成像技術（AFADESI-MSI），采集上述組織中(zhōng)内源性代謝物(wù)及其空間分(fēn)布信息；對相鄰切片進行HE染色；采用MassImager質譜成像數據處理軟件，使質譜成像圖與HE染色圖匹配重合，按不同組織類型及空間分(fēn)布提取代謝物(wù)輪廓信息；使用SIMCA軟件進行多變量統計分(fēn)析，篩選出與腫瘤代謝相關的差異代謝物(wù)；根據差異代謝物(wù)及其鑒定結果富集分(fēn)析發生(shēng)變化的代謝通路及推測關鍵代謝酶；采用免疫組化方法檢測鎖定的代謝酶表達，進一(yī)步驗證其與代謝标志(zhì)物(wù)是否具有同樣的空間分(fēn)布特征。
脯氨酸作爲細胞微環境中(zhōng)的重要氨基酸參與細胞凋亡和自噬，在癌症代謝中(zhōng)的重要作用得到越來越多的關注。根據256個食管癌組織樣本的統計數據，癌區脯氨酸離(lí)子強度顯著高于上皮和肌肉區(P<0.001，圖2C)。采用免疫組化方法檢測與脯氨酸合成相關的關鍵代謝酶吡咯-5-羧酸還原酶2（PYCR2）在ESCC組織切片中(zhōng)的空間表達，發現PYCR2隻在癌區表達(圖2e)，與食管癌組織中(zhōng)脯氨酸的空間分(fēn)布一(yī)緻。
圖2 脯氨酸生(shēng)物(wù)合成途徑中(zhōng)關鍵代謝物(wù)和代謝酶的原位分(fēn)析（A）脯氨酸的質譜成像（B）光學-MSI重疊圖像（C）256例鱗片狀食管癌（ESCC）患者癌組織和相鄰上皮、肌肉組織中(zhōng)脯氨酸水平 ***p<0.001（D）ESCC組織的HE染色圖 （E）不同ESCC組織中(zhōng)PYCR2的表達 CT，癌組織；ET，上皮組織；MT，肌肉組織
尿苷是RNA合成的重要核苷前體(tǐ)，也參與嘌呤核苷酸生(shēng)物(wù)合成和碳水化合物(wù)代謝。此外(wài)，組織中(zhōng)尿苷的水平對于嘧啶類抗代謝藥物(wù)的抗腫瘤治療至關重要。研究發現癌組織中(zhōng)尿苷含量高于上皮組織而低于肌肉組織（P<0.001,圖3 A1和A3），而尿嘧啶的含量在癌組織中(zhōng)顯著升高（P<0.001,圖3 A2和A4），尿嘧啶/尿苷離(lí)子強度比（圖3A6）在癌區顯著增加，可以作爲區分(fēn)癌組織與癌旁正常組織的生(shēng)物(wù)标志(zhì)物(wù)。同樣，免疫組化結果顯示催化尿嘧啶生(shēng)成尿苷的代謝酶尿苷磷酸化酶1(UPase 1)在癌組織中(zhōng)的表達上調。
圖3A 尿苷代謝途徑中(zhōng)關鍵代謝物(wù)和代謝酶的原位分(fēn)析（A1，A2）尿苷和尿嘧啶的質譜成像圖 （A3，A4）256例鱗片狀食管癌（ESCC）患者癌組織和相鄰上皮、肌肉組織中(zhōng)尿苷和尿嘧啶水平 ***p<0.001（A5）UPase 1介導的尿苷轉換爲尿嘧啶的代謝過程（A6）根據尿嘧啶/尿苷離(lí)子強度比值構建的質譜成像圖 （A7）癌組織和相鄰上皮、肌肉組織中(zhōng)尿苷和尿嘧啶的強度變化（A8）ESCC不同區域UPase 1的表達 CT，癌組織；ET，上皮組織；MT，肌肉組織
組氨酸在組氨酸脫羧酶(HDC)的介導下(xià)代謝爲組胺。有越來越多的證據顯示組胺直接參與緻癌作用，可以作爲一(yī)種潛在的細胞保護劑來改善癌症治療。根據一(yī)些研究者的說法，基于組胺的治療能促進癌細胞中(zhōng)DNA損傷、凋亡和衰老并可以顯著增加患癌動物(wù)的存活率。在本研究中(zhōng)，組氨酸和組胺呈現完全相反的空間分(fēn)布。根據256例食管癌組織樣本的成像數據，組氨酸在癌組織中(zhōng)顯著上調而組胺顯著下(xià)調。組胺與組氨酸的離(lí)子強度差異如圖3B7所示。通過計算組胺與組氨酸的離(lí)子強度比，對HDC介導的組氨酸脫羧反應進行了研究(3B6)，發現腫瘤組織的脫羧率相對于肌肉和上皮組織較弱。和基于強度比的質譜成像預測的一(yī)緻，腫瘤組織的HDC表達水平低于肌肉組織和上皮組織。
圖3B 組胺代謝途徑中(zhōng)關鍵代謝物(wù)和代謝酶的原位分(fēn)析 （B1，B2）組氨酸和組胺質譜成像圖（B3，B4）256例鱗片狀食管癌（ESCC）患者癌組織和相鄰上皮、肌肉組織中(zhōng)組氨酸和組胺水平 （B5）HDC介導的組氨酸轉換爲組胺的代謝過程（B6）根據組胺/組氨酸離(lí)子強度比值構建的質譜成像圖（B7）癌組織和相鄰上皮、肌肉組織中(zhōng)組氨酸和組胺的離(lí)子強度變化（B8）ESCC不同區域HDC的表達。此外(wài)，發生(shēng)改變的代謝途徑還有谷氨酸代謝，脂肪酸合成以及多胺的生(shēng)物(wù)合成，均在腫瘤組織中(zhōng)表現爲顯著增多，相應的免疫組化結果也證明與上述途徑有關的關鍵代謝酶在癌區的表達也明顯上調。以下(xià)（表1）爲通過256例食管癌患者組織樣本篩選出的發生(shēng)改變的6條代謝途徑和相應的關鍵代謝酶：
表1 篩選出癌症相關的代謝産物(wù)、代謝酶、代謝途徑
該研究建立了一(yī)種高靈敏的空間分(fēn)辨的原位代謝組學方法，對食管癌潛在原位标志(zhì)物(wù)進行了代謝通路分(fēn)析，并對通路上相關聯代謝物(wù)的分(fēn)布特征進行原位可視化表征，分(fēn)析其空間變化趨勢，發現了并驗證了6個在食管癌中(zhōng)異常表達的代謝酶：吡咯-5-羧酸還原酶2(PYCR2)、谷氨酰胺酶(GLS)、尿苷磷酸化酶1(UPase1)、組氨酸脫羧酶(HDC)、脂肪酸合成酶(FASN)和鳥氨酸脫羧酶(ODC)，它們廣泛參與食管癌相關的腫瘤代謝過程，其中(zhōng)PYCR2和UPase1被首次發現在食管癌中(zhōng)異常改變。研究結果表明脯氨酸生(shēng)物(wù)合成，谷氨酸代謝，尿苷代謝，組氨酸代謝，脂肪酸合成，多胺生(shēng)物(wù)合成等代謝通路在食管癌組織中(zhōng)發生(shēng)了顯著變化。這些癌症代謝相關信息有助于增加對癌症代謝重編程的理解。基于AFADESI-MSI技術的空間分(fēn)辨原位代謝組學方法，不僅可驗證腫瘤原位标志(zhì)物(wù)的可靠性；同時針對腫瘤等具有複雜(zá)結構的組織，它具有原位、無需特殊标記、無需複雜(zá)耗時的前處理及反複染色過程，能夠高通量地發現腫瘤異常變化的代謝通路及其代謝酶等優勢；可從代謝物(wù)和代謝酶兩個層次全面表征腫瘤的代謝改變并發現其潛在功能，爲深入探究腫瘤的代謝改變提供了全新的研究視角。
數據來源：“質譜成像”微信公衆号
中(zhōng)國醫學科學院藥物(wù)研究所天然藥物(wù)活性物(wù)質與功能國家重點實驗室再帕爾·阿不力孜、賀玖明團隊在《Theranostics》上發表了一(yī)篇題爲“Evaluation of the tumor-targeting efficiency and intratumor heterogeneity of anticancer drugs using quantitative mass spectrometry imaging”的研究論文，采用空氣動力輔助解吸電(diàn)噴霧離(lí)子化（AFADESI）技術和基于人工(gōng)神經網絡（ANN）的虛拟校正-定量質譜成像（VC-QMSI）方法，建立了針對紫杉醇及其衍生(shēng)物(wù)前藥的體(tǐ)内定量成像方法，爲評估該類藥物(wù)的腫瘤靶向效率和瘤内異質性分(fēn)布提供了直觀有效的途徑，也爲靶向抗腫瘤新藥研發提供了有力的研究工(gōng)具。（文章鏈接：doi: 10.7150/thno.41763. eCollection 2020.）
可區分(fēn)正常組織和腫瘤組織的靶向抗腫瘤藥物(wù)開(kāi)發是癌症治療研究中(zhōng)的關鍵問題。在新藥研發的早期，如何快速評估抗癌藥物(wù)的腫瘤靶向性非常重要，且了解藥物(wù)在腫瘤内的異質性分(fēn)布更具挑戰。開(kāi)發一(yī)種高精度、高靈敏度的定量成像分(fēn)析方法有望解決這一(yī)難題。質譜成像是一(yī)種無需标記的分(fēn)子成像技術，它可提供有關生(shēng)物(wù)體(tǐ)内藥物(wù)和代謝物(wù)分(fēn)布的時空信息，其在藥物(wù)開(kāi)發領域的應用正在迅速增加。紫杉醇具有很強的抗腫瘤活性，但直接用藥常伴随有骨髓抑制、神經毒性等嚴重不良反應；近年來臨床緻力于對紫杉醇進行結構優化、劑型改造或前體(tǐ)藥物(wù)開(kāi)發，以提高藥物(wù)的腫瘤靶向能力，減少副作用。本研究建立了紫杉醇及其衍生(shēng)物(wù)前藥的體(tǐ)内定量成像方法，評估了該類藥物(wù)的腫瘤靶向效率和瘤内異質性分(fēn)布。
通過構建含已知(zhī)濃度藥物(wù)的模拟生(shēng)物(wù)組織，建立了定量質譜成像标準曲線；采用空氣動力輔助解吸電(diàn)噴霧離(lí)子化質譜成像（AFADESI-MSI）技術，同時采集藥物(wù)、藥物(wù)代謝物(wù)和内源性代謝物(wù)信息；以内源性代謝物(wù)爲内标，結合ANN方法，構建了生(shēng)物(wù)組織中(zhōng)質譜響應基體(tǐ)效應自動預測與校正的回歸模型，對動物(wù)切片的單位像素進行逐一(yī)定量，從而建立了整體(tǐ)動物(wù)體(tǐ)内藥物(wù)質譜成像分(fēn)析方法。将該方法用于評估靜脈注射紫杉醇（PTX）、紫杉醇脂質體(tǐ)（PTX-liposome）和紫杉醇前藥（PTX-R）在A549細胞異種移植裸鼠中(zhōng)的靶向效率和瘤内的分(fēn)布異質性。
該策略的步驟如下(xià)：采用含有相同藥量的不同類型的模拟組織，篩選出與藥物(wù)響應強度變化緊密相關的内源性代謝物(wù)，并建立藥物(wù)的相對響應強度（相對校正因子RCF）與内源性代謝物(wù)離(lí)子強度之間的ANN模型（圖1A）。根據該模型自動預測整體(tǐ)動物(wù)切片中(zhōng)每個像素的RCF值(RCFpredicted)，并根據公式Intensitycal = Intensity /RCFpredicted獲得校正後的藥物(wù)響應強度（Intensitycal）。将校正響應值用于構建标準曲線，其線性相關系數從未校正的0.45增至校正後的0.99（圖1C）。 使用校正後的标準曲線确定整體(tǐ)動物(wù)體(tǐ)内的藥物(wù)絕對含量。此外(wài)，該方法利用豐富的内源性代謝物(wù)質譜信息，通過機器學習可自動識别動物(wù)體(tǐ)内的生(shēng)理分(fēn)區（圖1D）；它可替代需在光學或H&E染色指導下(xià)的人工(gōng)分(fēn)區方法。綜上，VC-QMSI可用于複雜(zá)的整體(tǐ)動物(wù)樣本中(zhōng)藥物(wù)的空間分(fēn)辨定量分(fēn)析（圖1E）。
圖1 VC-QMSI策略在整體(tǐ)動物(wù)組織中(zhōng)準确定位抗腫瘤藥物(wù)的過程示意圖 （A）基于内源性代謝物(wù)的機器學習方法預測相對校正因子的示意圖 （B）不同器官的相對校正因子成像以及相對校正因子預測值和實測值的比較；縮寫：H心髒，Li肝髒，Sp脾，Lu肺，K腎，Br大(dà)腦，M肌肉，Tu腫瘤 （C）以藥物(wù)含量-未校正的藥物(wù)響應強度構成的标準曲線和以藥物(wù)含量-校正後的藥物(wù)響應強度構成的虛拟校正标準曲線對比 （D）通過使用K均值和t-SNE聚類分(fēn)析進行自動像素标記的整體(tǐ)動物(wù)分(fēn)割圖像 （E）整體(tǐ)動物(wù)體(tǐ)内藥物(wù)定量的可視化結果以及光學圖像
PTX組和PTX-liposome組：PTX在動物(wù)體(tǐ)内呈廣泛分(fēn)布，在心、肝、脾、肺、腎、肌肉、腸、胃和腫瘤組織中(zhōng)均有分(fēn)布；在健康組織中(zhōng)的含量遠高于PTX-R組；給藥後期可觀察到PTX在胃腸道中(zhōng)大(dà)量積累，而在腎組織中(zhōng)幾乎不見，提示PTX可能主要通過膽汁-糞便途徑排洩。PTX-R組：與前兩組的廣泛分(fēn)布不同，PTX-R主要分(fēn)布于腫瘤組織，其次是肺和腸。三組小(xiǎo)鼠腦中(zhōng)均沒有明顯的藥物(wù)分(fēn)布。就24h内的腫瘤組織藥物(wù)暴露量而言，PTX-R組與PTX-liposome組相當，是PTX組的2倍；以PTX組爲參比，PTX-R組的相對靶向效率（RTE）是PTX-liposome組的近50倍。以上證明PTX-R有良好的腫瘤靶向能力。
圖2 三個給藥組在不同時間點的AFADESI-MSI可視圖（A）PTX在整體(tǐ)動物(wù)體(tǐ)内的時空和定量分(fēn)布（B）PTX在腫瘤組織中(zhōng)的時空和定量分(fēn)布
腫瘤根據形态學的異質性可分(fēn)爲不同的微區（圖A，B）。基于代謝物(wù)特征采用t-SNE和k-means等手段得到的腫瘤微區自動識别的結果（圖C）與H＆E染色結果（圖A）高度一(yī)緻。PTX-R在腫瘤壞死區域和膠原蛋白(bái)區域的含量明顯高于腫瘤薄壁組織區域（圖D，E, F），表明PTX-R具有出色的腫瘤穿透能力。對比腫瘤的薄壁組織和間質區域，PTX-R更多地積累于腫瘤中(zhōng)未明顯分(fēn)化的區域，比如腫瘤的膠原蛋白(bái)區域和脂肪組織。這種藥物(wù)在腫瘤微區分(fēn)布的異質性值得進一(yī)步研究，它對于認識腫瘤的生(shēng)長、侵襲、對藥物(wù)的敏感性以及預後均有重要作用。
圖3 PTX-R在瘤内的異質分(fēn)布（A）腫瘤組織的H＆E染色圖像（B）放(fàng)大(dà)倍數（×20）的代表性腫瘤微區（C）基于代謝物(wù)譜的腫瘤微區的t-SNE空間分(fēn)布（D）PTX-R在腫瘤微區中(zhōng)的分(fēn)布（E）藥物(wù)離(lí)子成像和H＆E染色成像之間的耦合匹配疊加圖（F）腫瘤微區中(zhōng)PTX-R的定量分(fēn)布
采用無需标記的AFADESI和VC-QMSI技術成功建立了針對紫杉醇及其前藥的定量質譜成像方法，評估了該類抗腫瘤藥物(wù)的腫瘤靶向效率和瘤内分(fēn)布異質性，并提供了直觀的實驗證據表明設計的紫杉醇前藥具備優異的腫瘤蓄積能力和低全身毒性。進一(yī)步證明AFADESI-MSI技術具有高靈敏和寬覆蓋的特點，可在整體(tǐ)動物(wù)的體(tǐ)内微區同時可視化各種類型的藥物(wù)、代謝物(wù)和内源性代謝物(wù)。VC-QMSI方法将内源性代謝物(wù)作爲内标，建立ANN模型；根據模型預測每個像素的RCF值，并校正藥物(wù)離(lí)子強度，從而實現藥物(wù)在整體(tǐ)動物(wù)和亞器官組織中(zhōng)的定量可視化。紫杉醇前藥及其代謝物(wù)的體(tǐ)内定量分(fēn)布研究有助于從藥物(wù)的保留、消除、靶向和釋放(fàng)四個角度設計有效的腫瘤靶向藥物(wù)。所建方法有助于預測與藥物(wù)分(fēn)布相關的藥效和安全性，在抗腫瘤藥物(wù)研發早期進行直接快速的藥效篩查，減少損耗、降低成本。此外(wài)，本研究對闡明藥物(wù)的功效、毒性和耐藥性提供了一(yī)個深入的視角，有助于抗腫瘤藥物(wù)的設計和優化。
數據來源：“質譜成像”微信公衆号
