Subscribe to RSS
![](/products/assets/desktop/img/oa-logo.png)
DOI: 10.1055/s-0039-1685859
MALDI-Imaging als Werkzeug für die proteomische Charakterisierung von Tumorzellen
Einleitung:
Matrix-assisted Laser Desorption/Ionisation (MALDI)-Imaging gehört zu den molekularen bildgebenden Verfahren, welche eine markierungsfreie und simultane Messung zahlreicher Moleküle in-vitro erlauben. Diese Methode wurde hier exemplarisch zur molekularen Charakterisierung von Oropharynx-Karzinomgewebe und Feinnadelaspirationszytologien (FNAZ) eingesetzt.
Methoden:
Von 20 Patienten mit einem Plattenepithelkarzinom im Oropharynx wurden FNAZ und Gewebe aus dem Bereich des primären Tumors und dem angrenzenden Normalgewebe gewonnen. Gewebeschnitte und Aspirate wurden auf Objektträger aufgebracht und nach probenspezifischer Aufarbeitung mittels MALDI-Imaging analysiert. Die Ergebnisse wurden danach mit den entsprechenden histologischen und zytologischen Färbungen verglichen. Die Identifizierung potentieller Tumorzellmarker wurde mittels LC-MS/MS durchgeführt.
Ergebnisse:
Die Auswertung der MALDI-Daten der Gewebeschnitte ergab proteomische Signaturen, die spezifisch für das Plattenepithelkarzinom sind und die die malignen von den gesunden Bereichen differenzieren. Dabei konnten verschiedene etablierte und neue potentielle Markerproteine identifiziert werden. Durch Übertragung dieser Marker auf die Aspirate konnten zudem neue Ansätze für die Diagnostik von FNAZ aufgezeigt werden.
Schlussfolgerungen:
MALDI-Imaging ist ein geeignetes Werkzeug um eine umfassende molekulare Charakterisierung von Tumorgewebe und Tumorzellen aus dem Kopf-Hals-Bereich durchzuführen. Mithilfe der Tumorsignaturen ist eine Verbesserung der Diagnostik von Oropharynxkarzinomen und perspektiv auch von anderen Kopf-Hals-Tumoren möglich. Sie können zusammen mit weiteren Untersuchungen zur Aufklärung des inhomogenen Therapieansprechens und zum besseren Verständnis der Tumorbiologie beitragen.
#
Publication History
Publication Date:
23 April 2019 (online)
© 2019. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).
Georg Thieme Verlag KG
Stuttgart · New York