CN112326961B - 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 - Google Patents
一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 Download PDFInfo
- Publication number
- CN112326961B CN112326961B CN202011185678.3A CN202011185678A CN112326961B CN 112326961 B CN112326961 B CN 112326961B CN 202011185678 A CN202011185678 A CN 202011185678A CN 112326961 B CN112326961 B CN 112326961B
- Authority
- CN
- China
- Prior art keywords
- interest
- tumor cells
- region
- minutes
- stained
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
- G01N33/56966—Animal cells
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Urology & Nephrology (AREA)
- Molecular Biology (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Cell Biology (AREA)
- Zoology (AREA)
- Medical Informatics (AREA)
- Virology (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Biotechnology (AREA)
- Public Health (AREA)
- Microbiology (AREA)
- Primary Health Care (AREA)
- Tropical Medicine & Parasitology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及计算机领域,特别涉及一种非小细胞肺癌中PD‑L1阳性肿瘤细胞比例的分析方法和存储设备。所述一种非小细胞肺癌中PD‑L1阳性肿瘤细胞比例的分析方法,包括步骤:获取待染色切片;进行肿瘤细胞标志物免疫组化染色操作;进行特定标志物免疫组化染色操作;获取第一感兴趣区域,获取特征点,根据特征点的数量计算肿瘤细胞总数;根据第二感兴趣区域,获取特征点,根据特征点计算特定标志物染色的肿瘤细胞数量;根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。整个过程无需病理医生进行人工判读,使得所取得的结果更准确客观,且效率更高。
Description
技术领域
本发明涉及计算机领域,特别涉及一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法和存储设备。
背景技术
病理医生训练周期长、收入低、工作环境差,更重要的是需要大量知识的结合,既需要临床知识,也需要病理专科的训练。病理的分类在显微镜下有着更高的分辨率,各类疾病的分类有上万种,要记住分类和熟知分类的差别,同时在细胞水平要区分很多类似疾病的鉴别和诊断,需要记住大量的技术数据和大量的特殊手法,同时更重要的是病理医生是一个要靠病理者的智慧将二维图像转化成一个疾病诊断,转化成疾病发生、发展过程的解读,这个过程实属不易,所以病理医生难以培养。
随着精准医学的快速发展,靶向药物的使用依赖于病理医生的诊断,病理医生逐渐从幕后逐渐走向医疗流程的前端。但是,精准医学对于病理诊断的要求较以往更高,从过去的定性、半定量到定量,对病理医生提出了更高的挑战。
肿瘤的免疫治疗是目前精准医学领域最热门的研究课题,肿瘤的免疫治疗在近5年来进入了一个全新的时代,即现在比较流行的肿瘤免疫治疗技术——单克隆抗体类免疫检查点抑制。其中程序性死亡受体(PD-1)以及它的配体(PD-L1)的免疫检查点抑制技术是目前肿瘤免疫治疗的新颖且热门的研究方向。目前PD-1/PD-L1抑制剂已经在美国FDA和中国CFDA获批多个适应症,包括恶性黑色素瘤、转移性头颈部鳞状细胞癌、非小细胞肺癌、肾细胞癌、经典型霍奇金淋巴瘤、尿路上皮癌、结直肠癌、肝癌及胃癌等。
不同的PD-L1检测***的判读对象(肿瘤细胞/免疫细胞)和判读标准(Cut off值)各异。这就使PD-L1在使用过程中可能面临以下问题:1)组织样本有限,而不同药物需要使用不同的检测试剂盒来检测;2)检测平台多样,科室需配备不同的自动化仪器,并掌握不同的染色程序;3)费用高;4)病理诊断医生需进行多种PD-L1判读培训,增加判读难度和日常工作量。
过去通常需要病理医生先对H&E染色切片进行判读,排除正常组织和坏死组织等,最后找出肿瘤细胞位置,并对肿瘤细胞计数(细胞数较多,只估算),而后在另一张PD-L1染色切片中的肿瘤细胞位置找到PD-L1阳性细胞,并计数,最后得出TPS(PD-L1阳性的肿瘤细胞数与肿瘤细胞总数的比值)的结果,计数结果通常受到病理医生资历和主观因素的影响,结果一致性较差。
发明内容
为此,需要提供一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,用以解决现有计算方法需要病理医生人工计算效率低、准确度差、门槛高的问题。具体技术方案如下:
一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,包括步骤:
获取待染色切片;
对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作;
对部分待染色切片进行特定标志物免疫组化染色操作;
获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;
根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量;
根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。
进一步的,所述“对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作”,还包括步骤:
甩干待染色切片,滴加适当比例稀释的cocktail混合型一抗,室温(25℃)孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%(3分钟)-95%(3分钟)-100%(3分钟)-100%(3分钟)的酒精梯度依次脱水,最后二甲苯透明3分钟,中性树胶封片,抗体定位于肿瘤细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色。
进一步的,所述“获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域”,还包括步骤:
以预设颜色为感兴趣特征提取第一感兴趣区域,所述预设颜色包括但不限于:棕黄色;
所述“获取所述第一感兴趣区域内的特征点”,还包括步骤:
以所述第一感兴趣区域内的蓝色点为特征点。
进一步的,所述“对部分待染色切片进行特定标志物免疫组化染色操作”,还包括步骤:
甩干切片,滴加适当比例稀释的一抗(PD-L1),室温(25℃)孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%(3分钟)-95%(3分钟)-100%(3分钟)-100%(3分钟)的酒精梯度依次脱水,最后二甲苯透明3分钟,中性树胶封片,PD-L1抗体定位于肿瘤细胞和免疫细胞的细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色。
进一步的,所述“获取所述第二感兴趣区域内的特征点”,还包括步骤:
以所述第二感兴趣区域内的棕黄色点和蓝色点为特征点。
进一步的,所述“获取待染色切片”,还包括步骤:
取预设次数例癌组织蜡块修片后进行连续切片,厚度定为3μm,将连续切片漂在凉水中,让其自然展开,再将分开的切片转移到45℃的温水中展片30秒,按切片顺序用经多聚赖氨酸处理过的载玻片裱贴切片,将制成的组织芯片放入65℃烤箱内烤片2小时,取出室温冷却,放入-4℃冰箱保存。
进一步的,所述“根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数”,还包括步骤:
肿瘤细胞阳性比例分数=((任何强度PD-L1免疫组化标志物染色的肿瘤细胞数量)/肿瘤细胞总数)*100%。
进一步的,所述“根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域”,还包括步骤:
所述第一感兴趣区域在切片上的位置与所述第二感兴趣区域在切片上的位置相同。
进一步的,所述“对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作”后,还包括操作:对肿瘤细胞标志物免疫组化染色后的切片进行扫描得第一图片;
所述“对部分待染色切片进行特定标志物免疫组化染色操作”后,还包括步骤:对特定标志物免疫组化染色后的切片进行扫描得第二图片。
为解决上述技术问题,还提供了一种存储设备,具体技术方案如下:
一种存储设备,其中存储有指令集,所述指令集用于执行:
获取肿瘤细胞标志物免疫组化染色后的切片进行扫描得到的第一图片,在所述第一图片上获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;
获取特定标志物免疫组化染色后的切片进行扫描得到的第二图片,在所述第二图片上根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量;
根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。
本发明的有益效果是:通过获取待染色切片;对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作;对部分待染色切片进行特定标志物免疫组化染色操作;获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量;根据所述肿瘤细胞总数和所述特定免疫组化标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。整个过程中计算肿瘤细胞总数与计算特定标志物染色的肿瘤细胞数量均由程序完成,无需病理医生进行人工判读,使得所取得的结果更准确客观,且效率更高。
此外,现有的病理AI图像分析方法都需要依靠病理医生先对大量的组织样本的大量病理学特征进行标注,而采用机器学习来获取特征,而由于肿瘤组织的异质性,机器对组织病理特征的学习和分析难度大,耗时长。而本发明通过肿瘤细胞标志物免疫组化染色,使用单一颜色特征即可对肿瘤细胞区域进行标注,大大简化了机器学习病理特征和图像分析的过程。
附图说明
图1为具体实施方式所述一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法的流程图;
图2为具体实施方式所述一种存储设备的模块示意图。
附图标记说明:
200、存储设备。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施例并配合附图详予说明。
请参阅图1,在本实施方式中,一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法的具体实施方式如下:
首先对本实施方式中会出现的名词做以下解释说明:
TPS:Tumor Proportion Score,肿瘤细胞阳性比例分数。
在本实施方式中,特定标志物以PD-L1作为说明,在其它实施方式中,可以是其它任意的特定标志物,肿瘤细胞标志物以cocktail混合型一抗作为说明,对此不做限制。以下展开具体说明:
步骤S101:获取待染色切片。具体可如下:取预设次数例癌组织蜡块修片后进行连续切片,厚度定为3μm,将连续切片漂在凉水中,让其自然展开,再将分开的切片转移到45℃的温水中展片30秒,按切片顺序用经多聚赖氨酸处理过的载玻片裱贴切片,将制成的组织芯片放入65℃烤箱内烤片2小时,取出室温冷却,放入-4℃冰箱保存。在本实施方式中,为取10例肺腺癌组织。在其它实施方式中,可根据具体实际应用场景选择待染色切片的数量,及待染色切片的种类,并不做限制。
准备好待染色切片后,需对其进行免疫组化染色操作,在本实施方式中,优选为分别取2-3张连续切片来进行肿瘤细胞标志物免疫组化染色和特定标志物免疫组化染色。以下以步骤S102和步骤S103展开具体说明,需要说明的是步骤S102和步骤S103并无先后步骤关系,可同时进行,亦可任意步骤在前进行。
步骤S102:对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作。具体可如下:甩干待染色切片,滴加适当比例稀释的cocktail混合型一抗,室温(25℃)孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%(3分钟)-95%(3分钟)-100%(3分钟)-100%(3分钟)的酒精梯度依次脱水,最后二甲苯透明3分钟,中性树胶封片,抗体定位于肿瘤细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色。
步骤S103:对部分待染色切片进行特定标志物免疫组化染色操作。具体可如下:甩干切片,滴加适当比例稀释的一抗(PD-L1),室温(25℃)孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%(3分钟)-95%(3分钟)-100%(3分钟)-100%(3分钟)的酒精梯度依次脱水,最后二甲苯透明3分钟,中性树胶封片,PD-L1抗体定位于肿瘤细胞和免疫细胞的细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色。
步骤S104:获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数。在本实施方式中,以预设颜色为感兴趣特征提取第一感兴趣区域,所述预设颜色包括但不限于:棕黄色,在其它实施方式中,亦可以通过另一种工艺,使得以红色为感兴趣特征提取第一感兴趣区域,随着未来工艺的改进,对颜色不做任何限制,其中不同颜色的免疫组化步骤基本一致,差别只在于棕黄色:——“用新鲜配置的DAB显色液显色3-10分钟”;红色——“用新鲜配置的AP-Red显色液显色15-20分钟”;红色——“用新鲜配置的AEC显色液显色10-30分钟”;蓝黑色——“用新鲜配置的BCIP/NBT显色液显色10-30分钟”。本申请的核心技术在于,通过cocktail染色将肿瘤细胞区域即第一感兴趣区域标记出来。以所述第一感兴趣区域内的蓝色点为特征点。具体可如下:对肿瘤细胞标志物免疫组化染色后的切片进行扫描得第一图片。在所述第一图片上首先以棕黄色为感兴趣特征,识别提取第一感兴趣区域,即肿瘤组织区域,提取该区域的形态特征点。在所述第一感兴趣区域内以蓝色为特征点,识别单个细胞,根据蓝色点的数量计算肿瘤细胞总数。
步骤S105:根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量。在本实施方式中,以所述第二感兴趣区域内的棕黄色点和蓝色点为特征点。具体可如下:对特定标志物免疫组化染色后的切片进行扫描得第二图片。在所述第二图片上,将步骤S104中的第一感兴趣区域的形态特征同比例,同角度映射到PD-L1免疫组化染色切片中,获得PD-L1免疫组化染色图片的第二感兴趣区域(即所述第一感兴趣区域在切片上的位置与所述第二感兴趣区域在切片上的位置相同),在该区域内以棕黄色和蓝色为感兴趣特征,识别PD-L1染色的肿瘤细胞,并计数。
步骤S106:根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。具体可如下:
肿瘤细胞阳性比例分数=((任何强度PD-L1免疫组化标志物染色的肿瘤细胞数量)/肿瘤细胞总数)*100%。
由于肿瘤细胞数较多,病理医生一般通过估算获得肿瘤细胞数,如下表的对比结果中可以看出,病理医生对肿瘤细胞数的估算普遍低于AI计数结果,而精确计数时则与AI计数结果基本一致。在PD-L1阳性肿瘤细胞数判读方面,在PD-L1阳性肿瘤细胞数较少的情况下,病理医生的判读结果与AI计数的结果基本一致,但是当PD-L1阳性肿瘤细胞数较多时,病理医生的判读结果均低于AI计数结果。
肺腺癌PD-L1的判读结果最终以TPS的形式体现,且有3级评分标准,包括1)无PD-L1表达,TPS<1%;2)表达PD-L1,TPS在1%至49%之间;3)PD-L1高表达,TPS≥50%。本发明的计数方法与病理医生逐个计数获得的TPS结果基本一致,而由病理医生估算获得的TPS结果在4,5,9号组织中显著高于本发明的计数方法和病理医生逐个计数获得的TPS结果。
通过获取待染色切片;对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作;对部分待染色切片进行特定标志物免疫组化染色操作;获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量;根据所述肿瘤细胞总数和所述特定免疫组化标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。整个过程中计算肿瘤细胞总数与计算特定标志物染色的肿瘤细胞数量均由程序完成,无需病理医生进行人工判读,使得所取得的结果更准确客观,且效率更高。
请参阅图2,在本实施方式中,一种存储设备200的具体实施方式如下,所述存储设备200包括但不限于:个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备等。具体可如下:
一种存储设备200,其中存储有指令集,所述指令集用于执行:
获取肿瘤细胞标志物免疫组化染色后的切片进行扫描得到的第一图片,在所述第一图片上获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;
获取特定标志物免疫组化染色后的切片进行扫描得到的第二图片,在所述第二图片上根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量;
根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数。
整个过程中计算肿瘤细胞总数与计算特定标志物染色的肿瘤细胞数量均由存储设备200中指令集来完成,无需病理医生进行人工判读,使得所取得的结果更准确客观,且效率更高、成本更低。
需要说明的是,尽管在本文中已经对上述各实施例进行了描述,但并非因此限制本发明的专利保护范围。因此,基于本发明的创新理念,对本文所述实施例进行的变更和修改,或利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接地将以上技术方案运用在其他相关的技术领域,均包括在本发明的专利保护范围之内。
Claims (8)
1.一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,包括步骤:
获取待染色切片;
对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作;
对部分待染色切片进行特定标志物免疫组化染色操作;
获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;
根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算特定标志物染色的肿瘤细胞数量;
根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数;
所述“对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作”,还包括步骤:
甩干待染色切片,滴加适当比例稀释的cocktail混合型一抗,25℃孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%-95%-100%-100%的酒精梯度依次脱水,每个比例脱水的时间均为三分钟,最后二甲苯透明3分钟,中性树胶封片,抗体定位于肿瘤细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色;
所述“对部分待染色切片进行特定标志物免疫组化染色操作”,还包括步骤:
甩干切片,滴加适当比例稀释的一抗PD-L1,25℃孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%-95%-100%-100%的酒精梯度依次脱水,每个比例脱水的时间均为三分钟,最后二甲苯透明3分钟,中性树胶封片,PD-L1抗体定位于肿瘤细胞和免疫细胞的细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色。
2.根据权利要求1所述的一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,所述“获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域”,还包括步骤:
以预设颜色为感兴趣特征提取第一感兴趣区域,所述预设颜色包括但不限于:棕黄色;
所述“获取所述第一感兴趣区域内的特征点”,还包括步骤:
以所述第一感兴趣区域内的蓝色点为特征点。
3.根据权利要求1所述的一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,所述“获取所述第二感兴趣区域内的特征点”,还包括步骤:
以所述第二感兴趣区域内的棕黄色点和蓝色点为特征点。
4.根据权利要求1所述的一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,所述“获取待染色切片”,还包括步骤:
取预设次数例癌组织蜡块修片后进行连续切片,厚度定为3μm,将连续切片漂在凉水中, 让其自然展开,再将分开的切片转移到45 ℃的温水中展片30秒,按切片顺序用经多聚赖氨酸处理过的载玻片裱贴切片,将制成的组织芯片放入65 ℃烤箱内烤片2小时,取出室温冷却,放入- 4℃ 冰箱保存。
5.根据权利要求1所述的一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,所述“根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数”,还包括步骤:
肿瘤细胞阳性比例分数=((任何强度PD-L1免疫组化标志物染色的肿瘤细胞数量)/肿瘤细胞总数)*100% 。
6.根据权利要求1所述的一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,所述“根据所述第一感兴趣区域位置获取特定标志物免疫组化染色后的染色切片的第二感兴趣区域”,还包括步骤:
所述第一感兴趣区域在切片上的位置与所述第二感兴趣区域在切片上的位置相同。
7.根据权利要求1所述的一种非小细胞肺癌中PD-L1阳性肿瘤细胞比例的分析方法,其特征在于,所述“对部分待染色切片进行肿瘤细胞标志物免疫组化染色操作”后,还包括操作:对肿瘤细胞标志物免疫组化染色后的切片进行扫描得第一图片;
所述“对部分待染色切片进行特定标志物免疫组化染色操作”后,还包括步骤:对特定标志物免疫组化染色后的切片进行扫描得第二图片。
8.一种存储设备,其中存储有指令集,其特征在于,所述指令集用于执行:
获取肿瘤细胞标志物免疫组化染色后的切片进行扫描得到的第一图片,在所述第一图片上获取肿瘤细胞标志物免疫组化染色后的染色切片的第一感兴趣区域,获取所述第一感兴趣区域内的特征点,根据所述第一感兴趣区域内的特征点的数量计算肿瘤细胞总数;
获取特定标志物免疫组化染色后的切片进行扫描得到的第二图片,在所述第二图片上根据所述第一感兴趣区域位置获取免疫组化标志物免疫组化染色后的染色切片的第二感兴趣区域,获取所述第二感兴趣区域内的特征点,根据所述第二感兴趣区域内的特征点计算免疫组化标志物染色的肿瘤细胞数量;
根据所述肿瘤细胞总数和所述特定标志物染色的肿瘤细胞数量计算得肿瘤细胞阳性比例分数;
所述肿瘤细胞标志物免疫组化染色后的切片的获取具体还包括步骤:
甩干待染色切片,滴加适当比例稀释的cocktail混合型一抗,25℃孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%-95%-100%-100%的酒精梯度依次脱水,每个比例脱水的时间均为三分钟,最后二甲苯透明3分钟,中性树胶封片,抗体定位于肿瘤细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色;
所述特定标志物免疫组化染色后的切片的获取具体还包括步骤:
甩干切片,滴加适当比例稀释的一抗PD-L1,25℃孵育1小时,PBS冲洗3×3分钟,滴加二抗室温孵育15-30分钟,PBS冲洗3×3分钟,甩去PBS,用新鲜配置的DAB显色液显色3-10分钟,苏木素复染25秒,PBS返蓝30秒,按照85%-95%-100%-100%的酒精梯度依次脱水,每个比例脱水的时间均为三分钟,最后二甲苯透明3分钟,中性树胶封片,PD-L1抗体定位于肿瘤细胞和免疫细胞的细胞膜上,并呈棕黄色染色,细胞核经苏木素复染后呈蓝色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185678.3A CN112326961B (zh) | 2020-10-30 | 2020-10-30 | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185678.3A CN112326961B (zh) | 2020-10-30 | 2020-10-30 | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112326961A CN112326961A (zh) | 2021-02-05 |
CN112326961B true CN112326961B (zh) | 2021-08-06 |
Family
ID=74296325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011185678.3A Active CN112326961B (zh) | 2020-10-30 | 2020-10-30 | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112326961B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991263B (zh) * | 2021-02-06 | 2022-07-22 | 杭州迪英加科技有限公司 | 用于提升pd-l1免疫组化病理切片tps计算准确度的方法及设备 |
CN113450877B (zh) * | 2021-06-28 | 2022-04-08 | 深圳裕泰抗原科技有限公司 | 一种基于多重免疫组化技术的生物标志物分析方法及其应用 |
CN113762379B (zh) * | 2021-09-07 | 2022-06-07 | 福州迈新生物技术开发有限公司 | 一种基于免疫组化生成训练数据的方法和存储设备 |
CN114113084A (zh) * | 2021-11-11 | 2022-03-01 | 福州迈新生物技术开发有限公司 | 一种基于数字病理图像的实时伴随阅片方法和存储设备 |
CN114022472B (zh) * | 2021-11-17 | 2022-05-20 | 深圳裕策生物科技有限公司 | 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 |
CN114235539A (zh) * | 2021-12-22 | 2022-03-25 | 宁波舜宇仪器有限公司 | 基于深度学习的pd-l1病理切片自动判读方法及*** |
CN116593262B (zh) * | 2023-07-13 | 2023-09-26 | 南京普恩瑞生物科技有限公司 | 基于pdx/pdtx肿瘤活组织生物样本和数据库的分子标志物检测产品及其制备方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106794216B (zh) * | 2014-06-25 | 2022-03-11 | 普林斯顿大学理事会 | 阻断异粘蛋白-snd1相互作用的肽作为癌症治疗的用途 |
CN104990781B (zh) * | 2015-06-29 | 2018-02-16 | 中国医学科学院皮肤病研究所 | 黑素细胞免疫组化苏木素—甲苯胺蓝双重复染法 |
US10613092B2 (en) * | 2016-04-01 | 2020-04-07 | Agilent Technologies, Inc. | Scoring methods for anti-PD therapy eligibility and compositions for performing same |
EP3509627A4 (en) * | 2016-09-07 | 2020-05-06 | University of Canberra | LYSINE-SPECIFIC HISTONE DEMETHYLASE-1 INHIBITORS AND USES THEREOF |
US11220492B2 (en) * | 2017-05-17 | 2022-01-11 | Arcus Biosciences, Inc. | Quinazoline-pyrazole derivatives for the treatment of cancer-related disorders |
KR20200120917A (ko) * | 2018-02-02 | 2020-10-22 | 더 트러스티스 오브 더 유니버시티 오브 펜실바니아 | 키메라 항원 수용체를 발현하는 변형된 단핵구/대식세포/수지상 세포 및 단백질 응집체와 연관이 있는 질환 및 장애에서의 용도 |
US20210047408A1 (en) * | 2018-02-13 | 2021-02-18 | Merck Sharp & Dohme Corp. | Methods for treating cancer with anti-pd-1 antibodies |
CN108398556A (zh) * | 2018-02-22 | 2018-08-14 | 中山大学肿瘤防治中心 | 用于肝癌切除术后预后的双抗体联合荧光检测试剂盒 |
US20210033599A1 (en) * | 2018-04-26 | 2021-02-04 | Nec Corporation | Information processing apparatus, control method, and program |
JP2022521299A (ja) * | 2019-02-22 | 2022-04-06 | ファイブ プライム セラピューティクス, インコーポレイテッド | Pd-l1陰性腫瘍を治療するためのcd80細胞外ドメイン-fc融合タンパク質 |
CN112176056A (zh) * | 2019-07-05 | 2021-01-05 | 上海市肿瘤研究所 | Tcf12在肝细胞癌的诊断和治疗中的应用 |
-
2020
- 2020-10-30 CN CN202011185678.3A patent/CN112326961B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112326961A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112326961B (zh) | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 | |
WO2019110567A1 (en) | Method of computing tumor spatial and inter-marker heterogeneity | |
Lloyd et al. | Using image analysis as a tool for assessment of prognostic and predictive biomarkers for breast cancer: How reliable is it? | |
CN113762379B (zh) | 一种基于免疫组化生成训练数据的方法和存储设备 | |
Hipp et al. | SIVQ-aided laser capture microdissection: A tool for high-throughput expression profiling | |
CN108140117A (zh) | 组织微阵列分析 | |
CN115201478A (zh) | 一种检测乳腺癌组织粒淋比的免疫双标试剂盒及其应用 | |
CN113011257A (zh) | 一种乳腺癌免疫组化人工智能判读方法 | |
US20090304244A1 (en) | Method and a system for presenting sections of a histological specimen | |
Wang et al. | Laboratory validation studies in Ki-67 digital image analysis of breast carcinoma: a pathway to routine quality assurance | |
CN109087390A (zh) | 盆腔大器官周围显微神经数字化及三维神经网络构建方法 | |
CN112270684A (zh) | 一种显微图像免疫组化虚拟多重标记及分析方法及*** | |
CN114863993B (zh) | 用于结肠癌预后预测的标志物、模型构建方法和*** | |
Feng et al. | An advanced automated image analysis model for scoring of ER, PR, HER-2 and Ki-67 in breast carcinoma | |
CN112229997B (zh) | 一种卵巢癌的预后诊断标志物Claudin23及其应用 | |
Mourik et al. | Correlative light microscopy and electron tomography to study von Willebrand factor exocytosis from vascular endothelial cells | |
Fernandez et al. | Analytical validation of the PreciseDx digital prognostic breast cancer test in early-stage breast cancer | |
CN115266282B (zh) | 基于HE染色、Ki67、P16三种方法结合的病理图像自动识别方法 | |
JP7483880B2 (ja) | 患者の細胞の画像をラベル付けする方法、およびそのためのコンピュータ化システム | |
CN117576085B (zh) | 一种基于全局莫兰指数的结肠癌预后预测方法及*** | |
CN117233393B (zh) | 双重免疫组化染色试剂盒及其在鉴别良恶性胆管上皮肿瘤中的应用 | |
WO2024011400A1 (zh) | 生成用于计算浸润性乳腺癌细胞Ki-67计数的训练数据的方法、存储设备和试剂盒 | |
CN115267191A (zh) | 基于病理形态学特征鉴定KA和cSCC的标志物及其应用 | |
RU2748716C1 (ru) | Способ прогноза рака молочной железы | |
CN114755407A (zh) | 一种人骨组织多标记免疫组化样本的制备与检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |