How Tissue Microarrays (TMA) Contribute to Translational Research

组织芯片 (TMA) 如何促进转化研究：连接实验室与临床之间的桥梁

转化研究的广泛含义

转化研究旨在将医学理论与临床应用紧密结合，由研究人员进行深入研究，再将基础科研成果转化为临床应用。通过加速 “实验室到床边”的转化过程，转化研究已成为推动新型诊断技术以及治疗方案开发的核心动力。此外，转化研究也有利于个性化医疗的发展。

组织微阵列 (TMA) 在转化研究中的作用

组织微阵列 组织微阵列 (TMA) 技术在转化研究中占据重要地位。该技术实现了高效且具有成本效益的高通量分析，使研究人员更快速地验证假设和新型生物标志物 (Biomarker)。

组织微阵列 (TMA) 在临床试验中的应用

TMA能够在临床试验的初期阶段帮助研究人员寻找能够预测患者对特定药物反应的生物标志物。TMA 常被用于筛选特定肿瘤标志物，帮助临床医生根据患者的分子特征，为其制定个性化治疗方案。 TMA 可一次性测试来自不同患者的多个组织样本，使研究人员能快速确认哪些生物标志物具有临床意义，从而为临床试验的方向提供指导。

通过将 TMA 融入临床试验设计，研究人员可以加速验证潜在生物标志物在疾病检测或预测结果中的作用。 这种高成本效益且节省时间的方案对于临床试验至关重要。它不仅为新药及治疗方法开发提供了便利，也有利于探索新的治疗方法。

以下是 TMA 在临床试验中 的具体作用及其重要性的详细解析：

  1. 生物标志物发现与患者分类
  2. 潜在疗法的高通量筛选
  3. 加速验证过程
  4. 探索组织异质性

1. 生物标志物发现与患者分类

  • 新型生物标志物研究： 在临床试验中，尤其是个性化医疗或癌症治疗领域，尽早发现能够预测患者治疗反应的生物标志物至关重要。通过 TMA，研究人员可以同时分析多个患者样本，从而筛选特定肿瘤类型或疾病中一致释放的生物标志物。
  • 患者类别： TMA 使研究人员能够在大规模患者群体中评估生物标志物的释放情况。通过这种方式，研究人员可以根据患者的分子特征将其分为不同组别。例如，如果患者肿瘤释放特定蛋白质，他们可能对某种靶向药物有更好的临床反应。TMA 有助于设计更加个性化且高效的临床试验。

2. 潜在疗法的高通量筛选

  • 药物靶点验证： TMA 可帮助研究人员验证某特定靶点是否广泛释放于多种患者或肿瘤类型中。此方法可验证药物能否被广泛使用还是仅限于特定患者群体。

3. 加速验证过程

  • 验证效率： 临床试验通常需要对生物标志物或治疗靶点进行广泛且深入的验证。TMA 显著缩短了此验证所需时间。TMA可整合所有样本并同时进行处理与分析，而无需单独处理数百个组织切片。这使得在不同患者群体中确认生物标志物的临床重要性变得更加简单和快速。
  • 成本效益： 分析组织样本占据了临床试验里的大部分支出。TMA将近百个组织样本整合在一张载玻片上，实现了同时大量分析，降低了试验成本。这种高效率对仍在探索和筛选大量生物标志物或治疗靶点的初期临床试验尤为重要。

4. 探索组织异质性

  • 肿瘤异质性： 肿瘤异质性，即肿瘤内在遗传和分子特征的差异，导致了不同形态和特性的肿瘤。肿瘤异质性会影响癌症患者对特定治疗的反应，为癌症临床治疗带来了阻碍。TMA 的样本可包含来自肿瘤不同区域的多个取样点，为探讨肿瘤的异质性和比较提供了便利。经过分析同一肿瘤的不同区域或比较多种肿瘤类型，临床试验能够更充分地了解不同分子特征如何影响治疗结果。
  • 多样本比较： TMA 可结合不同类型的组织样本 (健康，病变，癌旁正常组织)，让研究人员可探索癌症等疾病在不同患者中的表现，从而帮助开发符合每位患者特征，且具有效针对性的治疗方案。

TMA 在转化研究中的未来发展

随着技术的进步，TMA 将大大提升转化研究的效率。人工智能 (Artificial Intelligence) 和机器学习(Machine Learning)已逐渐运用于 TMA 分析，以便进一步实现更快速且精准的组织样本解读。这些进步可以为生物标志物探索和验证研究带来更高的准确性，从而接近终极目标——为每位患者量身定制的医疗方案。

结论

组织微阵列在临床试验中重要吗？

答案是肯定的。TMA 为临床试验的开展带来了深远影响，特别是在癌症治疗和个性化医疗领域。通过实现组织样本的高通量分析，TMA 加速了生物标志物的发现和验证，帮助分类患者并确保治疗方案针对个体分子特征量身定制。在此过程中，TMA 显著提高了临床试验的效率、成本效益及科学严谨性，从而更快地为患者带来新的治疗方法。

在 MYmAb Biologics我们致力于为全球科学界提供高质量的 tissue microarrays (TMAs) 推动实验室到床边的转化，不断推进改善患者护理的进程以保障患者的生活质量。

联系我们 以获取更多资料。

References:

  1. Hewitt S. M. (2012). Tissue microarrays as a tool in the discovery and validation of predictive biomarkers. Methods in molecular biology (Clifton, N.J.), 823, 201–214. https://doi.org/10.1007/978-1-60327-216-2_13
  2. Lee, A. T. J., Chew, W., Wilding, C. P., Guljar, N., Smith, M. J., Strauss, D. C., Fisher, C., Hayes, A. J., Judson, I., Thway, K., Jones, R. L., & Huang, P. H. (2019). The adequacy of tissue microarrays in the assessment of inter- and intra-tumoural heterogeneity of infiltrating lymphocyte burden in leiomyosarcoma. Sci Rep 9, 14602. https://doi.org/10.1038/s41598-019-50888-5
  3. Lubbock, A. L., Katz, E., Harrison, D. J., & Overton, I. M. (2013). TMA Navigator: Network inference, patient stratification and survival analysis with tissue microarray data. Nucleic acids research, 41(Web Server issue), W562–W568. https://doi.org/10.1093/nar/gkt529
  4. Pati, P., Karkampouna, S., Bonollo, F., Comperat, E., Radic, M., Spahn, M., Martinelli, A., Wartenberg, M., Julio, M. K., & Rapsomaniki, M. (2024). Accelerating histopathology workflows with generative AI-based virtually multiplexed tumour profiling. Nat Mach Intell 6, 1077–1093. https://doi.org/10.1038/s42256-024-00889-5 
  5. Seyhan, A.A. (2019). Lost in translation: the valley of death across preclinical and clinical divide – identification of problems and overcoming obstacles. transl med commun 4, 18. https://doi.org/10.1186/s41231-019-0050-7
  6. Shafi, S., & Parwani, A.V. (2023). Artificial intelligence in diagnostic pathology. Diagn Pathol 18, 109. https://doi.org/10.1186/s13000-023-01375-z
  7. Stopsack, K. H., Tyekucheva, S., Wang, M., Gerke, T. A., Vaselkiv, J. B., Penney, K. L., Kantoff, P. W., Finn, S. P., Fiorentino, M., Loda, M., Lotan, T. L., Parmigiani, G., & Mucci, L. A. (2021) Extent, impact, and mitigation of batch effects in tumor biomarker studies using tissue microarrays. eLife 10:e71265. https://doi.org/10.7554/eLife.71265
  8. Torhorst, J., Bucher, C., Kononen, J., Haas, P., Zuber, M., Köchli, O. R., Mross, F., Dieterich, H., Moch, H., Mihatsch, M., Kallioniemi, O. P., & Sauter, G. (2001). Tissue microarrays for rapid linking of molecular changes to clinical endpoints. The American journal of pathology, 159(6), 2249–2256. https://doi.org/10.1016/S0002-9440(10)63075-1
×