Detailansicht
ProteoPicking: bridging t-CycIF with precision tissue microdissection for spatial proteomics exploration of tumors and their microenvironments
Lina Maltrovsky
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Chemie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Biologische Chemie
Betreuer*in
Christian Friedrich Wilhelm Becker
DOI
10.25365/thesis.78804
URN
urn:nbn:at:at-ubw:1-21603.31174.366441-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Bei hochgradig serösem Ovarialkarzinom handelt es sich um den häufigsten und tödlichsten Subtyp von Eierstockkrebs. Es zeichnet sich durch eine hohe Heterogenität, genomische Instabilität und beträchtliche Rückfallraten aus. Besonders in fortgeschrittenen Stadien sind herkömmliche Behandlungen langfristig oft wenig effektiv, was den dringenden Bedarf an neuen, gezielteren Therapieansätzen unterstreicht. Ein grundlegendes Verständnis der Mechanismen, die der Tumorentwicklung zugrunde liegen, ist dafür unerlässlich, insbesondere im Hinblick auf das Tumormikroumfeld und den Zellzyklus, die beide entscheidenden Einfluss auf Tumorprogression und Therapieerfolg haben. Multiplex-Bildgebungstechniken und räumlich aufgelöste Omics-Methoden haben sich hierfür als wertvolle Werkzeuge erwiesen. Trotz bedeutender Fortschritte bestehen jedoch weiterhin Herausforderungen in Bezug auf Skalierbarkeit, Sensitivität und Komplexität der Arbeitsabläufe, was den Bedarf an methodischer Weiterentwicklung verdeutlicht. In dieser Masterarbeit wird mit ProteoPicking eine neue räumlich aufgelöste Proteomics-Methode entwickelt. Sie kombiniert zyklische Immunfluoreszenzfärbung mit massenspektrometrischer Proteomics-Analyse und ermöglicht die Untersuchung von Gewebeproben hinsichtlich ihrer strukturellen, funktionellen und molekularen Merkmale. Im Rahmen dieses Projekts wurde die Kompatibilität beider Methoden gezeigt. Darauf aufbauend wurde ein mehrstufiger experimenteller Arbeitsablauf zur gezielten Isolierung und Analyse spezifischer Geweberegionen entwickelt und durch die Untersuchung verschiedener Einflussfaktoren wie Gewebemenge, Regionstyp und Probenpufferwahl optimiert. Der Workflow umfasst zyklische Immunfluoreszenzfärbung, Probennahme ausgewählter Geweberegionen durch Mikrodissektion mit Mikronadel und massenspektrometrische Analyse der isolierten Zellproben. Zusätzlich wurde eine robuste Datenanalyse-Pipeline etabliert, die Bildverarbeitung, Zellphänotypisierung, Analyse der zellulären Probenzusammensetzung, Proteinexpressionsanalyse sowie Korrelationsanalyse zwischen Proteinexpression und Zellzusammensetzung vereint. Dies ermöglicht die Verknüpfung mikroskopischer Bilddaten mit zellulären Proteomics-Profilen. Insgesamt adressiert diese Arbeit zentrale technische Herausforderungen und schafft eine Grundlage für die Weiterentwicklung räumlich aufgelöster Proteomics-Methoden.
Abstract
(Englisch)
High-grade serous ovarian carcinoma represents the most common and lethal subtype of ovarian cancer, characterized by its significant heterogeneity, genomic instability, and high recurrence rates. Standard treatments are often limited in their long-term effectiveness, particularly at advanced stages, stressing the need for novel, improved therapies. For this, a thorough understanding of the biology behind cancer progression is necessary, including key factors like the tumor microenvironment and cell cycle progression. Over the past years, highly multiplexed imaging techniques and spatially resolved omics methods have become valuable tools for studying complex, heterogeneous tissues, like tumors and their environments. But despite significant advancements, spatially resolved methodologies still face limitations in scalability, sensitivity, and workflow complexity, highlighting the ongoing need for further development and optimization in this field. This thesis establishes ProteoPicking, a novel spatially resolved proteomics method that integrates tissue-based cyclic immunofluorescence imaging with mass spectrometry-based proteomics analysis. The approach enables the investigation of tissue samples with respect to their structural, functional, and molecular characteristics. As part of this project, the compatibility of both techniques was demonstrated. Building on this, a multi-step experimental workflow was developed for the targeted isolation and analysis of specific tissue regions. It comprises cyclic staining, region selection based on imaging results, microdissection of regions of interest using a microneedle, and subsequent mass spectrometry analysis of the collected cells. The process was optimized by evaluating key factors influencing protein yield, including sample size, tissue type, and lysis buffer used. In addition, a robust data analysis pipeline was established, combining image processing, cell phenotyping, compositional analysis of tissue samples, differential protein expression analysis, and corre\-lation analysis between protein expression levels and sample compositions. This integrative approach allows for the combined evaluation of microscopic imaging data and spatially resolved proteome profiles. Altogether, this work addresses central technical challenges and lays the foundation for the further development of spatially resolved proteomics methods.
Schlagwörter
Schlagwörter
(Deutsch)
räumlich aufgelöste Proteomics-Methode Multiplex-Bildgebungstechniken t-CycIF massenspektrometrische Proteomics-Analyse hochgradig seröses Ovarialkarzinom Tumormikroumfeld Zellzyklus
Schlagwörter
(Englisch)
spatially resolved proteomics method highly multiplexed imaging t-CycIF mass spectrometry-based proteomics analysis high-grade ovarian carcinoma tumor microenvironment cell cycle
Autor*innen
Lina Maltrovsky
Haupttitel (Englisch)
ProteoPicking: bridging t-CycIF with precision tissue microdissection for spatial proteomics exploration of tumors and their microenvironments
Publikationsjahr
2025
Umfangsangabe
VII, 102 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Christian Friedrich Wilhelm Becker
Klassifikation
42 Biologie > 42.13 Molekularbiologie
AC Nummer
AC17594322
Utheses ID
76661
Studienkennzahl
UA | 066 | 863 | |