來源：量子位

博雯 夢晨 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

沒想到，天文學家開始研究癌癥了。

看看下面這兩張圖，是不是很像？

來自約翰霍普金斯大學的天文學家Alexander Szalay和病理學家Janis Taube發現，人體內細胞間的關系和宇宙中天體的關系有著驚人的相似性。

而且研究方法和流程也可以相互借鑒：

通過改造匯集多個望遠鏡圖像的算法，開發出癌癥分析成像平臺AstroPath(天文學Astronomy和病理學Pathology的縮寫)。。

以往的方法每次只能觀測單個標記物，而AstroPath可以跟蹤20-30個標記物，提供的信息是之前的1000倍。

用上這個辦法可以做到，根據每個癌癥病人的具體的情況分析療法有效性。

這項研究刊登在最新一期Science上。

免疫抗癌療法

從上世紀80年代起就有對增強人體免疫系統治療癌癥的探索。

免疫細胞中的殺傷性T細胞，就能對癌細胞進行有效殺傷。

啊不對，是這個：

但癌細胞有一種“分子盾牌”防御機制，通過表面的PD-L1的配體蛋白與T細胞的受體PD-1蛋白結合。

可釋放出抑制信號，殺傷性T細胞就會被誘導進入靜息狀態，失去戰斗力，就像這樣：

啊不對，是這樣：

嚴重的情況下T還會使T細胞凋亡或減少增值，癌細胞就可以肆無忌憚的繁殖了。

對此，科學家研制出阻斷藥，分別與PD-1和PD-L1結合，讓殺傷性T細胞保持戰斗力。

可惜的是，這種阻斷藥不是對所有人都有效。

如果有辦法快速判斷出PD-1/PD-L1阻斷藥是否起作用就好了，不僅可以為患者節省金錢，還能盡早讓患者轉向別的療法。

像繪制星象圖一樣分析癌癥

2018年，Janis Taube正在約翰霍普金斯大學里做皮膚癌（比如黑色素瘤）的病理學研究。

她主要的工作是觀察免疫系統和腫瘤細胞之間的互相作用，以此來預測病人對于特定治療的反應。

這時候就要使用不同的熒光染料（fluorescent dyes）來標志特定的細胞或蛋白質，去觀察分子層面的特定的生物反應了。

但不同的染料顏色經常會在光譜里瘋狂重疊，觀察效果實數廢拉不堪。

而且，哪怕是一小份生物樣本，往顯微鏡下一放，那也是一個包含了數百萬細胞的巨大數據集。

要辨認數種模糊不清的顏色，還要將數量如此巨大的熒光圖像拼接起來，真的很難不令人頭禿。

而這時，同在約翰霍普金斯大學，Alexander Szalay領導的天文物理學團隊立馬就表示，誒你的心愿我收到了。

畢竟他們的日常工作就是將數十億天體的數百萬張望遠鏡圖像拼接在一起，而且每個天體也會有各自的特征，這不跟一份生物樣本上的不同熒光標簽差不多？

而且Szalay博士的團隊已經通過斯隆數字化巡天（Sloan Digital Sky Survey）項目創建了有史以來最詳細的宇宙三維地圖了：

△2012年觀測到的M33星系

那繪制相對固定不動，還沒有天氣干擾的病理切片豈不是灑灑水？

于是在2018年，兩位不同領域的專家一拍即合，Taube利用天體物理學領域的經驗、過程和工具創建了一個多因素模型。

Taube的這份天體物理版的生物模型確實大大加快了收集和分析數據的速度，她也因此這樣感慨：

誰能想到天文學能向我們提供這么多東西呢？Szalay博士在21世紀的數據處理手段改變了世界研究天文學的方式，而我也希望我們的合作能成為科學界的另一個“大數據共享”模型。

而在第二年，2019年的9月25日，Taube和Szalay又一起在數據科學（The Data Science）的系列研討會上發表了演講。

在演講中，他們詳細講述了如何利用描繪星系的技術來繪制腫瘤的微環境，希望通過這種方法更好地了解腫瘤的結構及弱點。

△使用多重免疫熒光技術照亮腫瘤微環境：天文學加速病理學發展

自此，天文物理和病理這兩個領域就有了更加密切的合作。

到了2020年，約翰霍普金斯大學與馬克癌癥研究基金會（The Mark Foundation for Cancer Research）合作，共同創建了一個新的癌癥研究中心。

△左三Janis Taube，左四Alexander Szalay

新中心匯集了天文學圖像分析、病理學、計算機科學、癌癥基因組學和免疫基因組學各個領域的專家。馬克基金會CEO對此表示：

面對癌癥帶來的巨大挑戰，需要將不同學科和專業領域組成起來……而我們的這一中心，就可以將天文夜空分析的模型變成可以用來分析癌癥腫瘤的模型！

也就是在這一年，科學家們合作創建了一個名為AstroPath的新平臺。

而在2021年聯合發表的論文中，研究者們詳細展示了AstroPath平臺是如何從動輒直徑百萬公里的天體的星系成像，來到百萬分之一英寸的癌細胞成像中的。

在通過多重免疫熒光（mIF）技術，將不同類型的蛋白質標記以不同顏色的熒光分子后，AstroPath平臺就帶著學自天文學星系成像的技術上場了。

利用天文物理學中已經成熟的天體映射（celestial object mapping）算法，將mIF標記成像的熒光圖像縫合起來——

最終形成一張顯微鏡載玻片上的二維、多色，且具有單細胞分辨率的腫瘤微環境（TME）圖像。

天文學中，我們經常會問：星系互相靠近的概率是多少？而在觀察腫瘤細胞時，這顯然是一個不同規模下的相同問題。

Alexander Szalay這樣解釋道。

再回到我們之前所說過的PD-1阻斷藥上。

長久以來，要測試抗PD-1的療效只能通過免疫化學測試的方法，這種方法是單維的，充滿了局限性。

但現在，在這個被細胞替代了天體位置的“星系”圖像中，就可以從單個細胞的層面很清楚地看到腫瘤細胞時怎么和周圍的組織互相推拉的。

就像是看宇宙星系圖之間的不同天體是如何互相作用的那樣。

數據密集型科學

AstroPath已用于分析肺癌和兩種皮膚癌的2.26億個癌細胞，單這三種癌癥需要處理的數據就比斯隆數字化巡天系統有史以來處理過的所有數據都要多了。

但對于癌癥的種類來說，這還遠遠不夠。

Szaley認為數據密集型科學成為了一種新的范式。

但我們面臨的技術挑戰是如何在大規模收集數據時獲得一致、可重復的結果？

接下來還有一些重要步驟：我們要通過多機構研究將這些測試標準化，然后進行前瞻性臨床試驗，讓病人們享受到AstroPath平臺所帶來的診斷優勢

除了幫助醫生進行疾病診斷，Taube還希望他們能在未來建立一個開源的腫瘤免疫圖譜，就像是癌癥基因圖譜（TCGA）一樣。

作者介紹

Janis Taube是約翰霍普金斯大學醫學院的皮膚學和病理學教授，也是其醫學院皮膚病理學的部門主任。

她的工作主要集中在黑色素瘤及其他皮膚癌的診斷和研究上。

而Alexander Szalay是約翰霍普金斯大學物理學、天文學和計算機科學的彭博杰出教授。同時，他也是全球使用最廣泛的天文設施——斯隆數字巡天科學委員會的主席。

論文鏈接：

https://science.sciencemag.org/content/372/6547/eaba2609

AstroPath平臺：

https://cancerres.aacrjournals.org/content/80/16_Supplement/6584

參考鏈接：

[1]https://www.curemelanoma.org/blog/article/when-astrophysics-and-melanoma-collide

[2]https://datascience.cancer.gov/news-events/events/illuminating-tumor-microenvironment-using-multiplex-if-astronomy-accelerates

[3]https://themarkfoundation.org/2020/01/new-cancer-center-established-at-johns-hopkins-university/

[4]https://scitechdaily.com/sky-mapping-astronomy-algorithms-meet-pathology-to-identify-predictive-biomarkers-for-cancer-immunotherapy/

（聲明：本文僅代表作者觀點，不代表新浪網立場。）