DE102008023438B4 - Verfahren zur Analyse von Gewebeschnitten - Google Patents

Verfahren zur Analyse von Gewebeschnitten Download PDF

Info

Publication number
DE102008023438B4
DE102008023438B4 DE102008023438A DE102008023438A DE102008023438B4 DE 102008023438 B4 DE102008023438 B4 DE 102008023438B4 DE 102008023438 A DE102008023438 A DE 102008023438A DE 102008023438 A DE102008023438 A DE 102008023438A DE 102008023438 B4 DE102008023438 B4 DE 102008023438B4
Authority
DE
Germany
Prior art keywords
image
mass spectrometric
mass
tissue section
light
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
Application number
DE102008023438A
Other languages
English (en)
Other versions
DE102008023438A1 (de
Inventor
Sören-Oliver 04129 Deininger
Axel Dr. 85598 Walch
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bruker Daltonics GmbH and Co KG
Original Assignee
Bruker Daltonik GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bruker Daltonik GmbH filed Critical Bruker Daltonik GmbH
Priority to DE102008023438A priority Critical patent/DE102008023438B4/de
Priority to EP09006531.9A priority patent/EP2124192B1/de
Priority to US12/465,971 priority patent/US20090289184A1/en
Publication of DE102008023438A1 publication Critical patent/DE102008023438A1/de
Application granted granted Critical
Publication of DE102008023438B4 publication Critical patent/DE102008023438B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698Matching; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30024Cell structures in vitro; Tissue sections in vitro
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01JELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00Particle spectrometers or separator tubes
    • H01J49/0004Imaging particle spectrometry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

Verfahren zur histologischen Klassifizierung eines Aufnahme eines massenspektrometrischen und eines lichtoptischen Bildes des Gewebeschnittes, wobei das lichtoptische Bild eine höhere Ortsauflösung als das massenspektrometrische Bild aufweist, wobei das massenspektrometrische Bild ein gerastertes Bild ist und jeder Bildpunkt einem Teilgebiet des Gewebeschnittes entspricht, wobei das zu einem jeden Teilgebiet des Gewebeschnittes gehörende Massenspektrum als das lokale Massenspektrum dieses Teilgebietes bezeichnet wird, und (b) Verknüpfung von optischen Informationen, die aus dem lichtoptischen Bild gewonnen werden und solche histologisch relevanten Strukturen eines Teilgebietes des Gewebeschnittes betreffen, die im massenspektrometrischen Bild nicht räumlich aufgelöst sind, mit massenspektrometrischen Informationen dieses Teilgebietes, wobei diese massenspektrometrischen Informationen (c1) entweder aus dem lokalen Massenspektrum dieses Teilgebietes, (c2) oder aus Unterschieden zwischen dem lokalen Massenspektrum dieses Teilgebietes und anderen lokalen Massenspektren des massenspektrometrischen Bildes und/oder anderen Massenspektren von weiteren Datenquellen, (c3) oder aus einer Zuordnung des lokalen Massenspektrums...

Description

  • Die vorliegende Erfindung betrifft ein Verfahren zur histologischen Klassifizierung von Gewebeschnitten.
  • Stand der Technik
  • Die Histologie ist die Lehre von den menschlichen, tierischen und pflanzlichen Geweben, insbesondere deren Struktur und Funktion. Eine histologische Klassifizierung wird in der Regel an einem wenige Mikrometer dicken gefärbten Gewebeschnitte durchgeführt und betrifft die vorkommenden Gewebearten, Differenzierungen des Gewebes, bakterielle und parasitäre Krankheitserreger im Gewebe und Krankheitszustände des Gewebes. Die Klassifizierung kann auf ein oder mehrere Teilgebiete eines Gewebeschnittes eingeschränkt werden oder sich sogar nur auf eine oder mehrere einzelne Zellen beziehen. Die Krankheitszustände von menschlichem Gewebe betreffen entzündliche Erkrankungen, Stoffwechselerkrankungen und den Nachweis von Tumoren, insbesondere die Differenzierung zwischen gut- und bösartige Tumorformen.
  • Die Herstellung eines histologischen Gewebeschnittes erfolgt in folgenden Schritten:
    • – Gewebestabilisierung durch eine chemische Fixierung oder durch Gefrieren
    • – Herstellung eines 2 bis 10 Mikrometer dicken Schnittes mit einem Mikrotom
    • – Anfärben des Gewebeschnittes
  • Die Gewebestrukturen, die Zellen des Gewebes selber und sogar intrazelluläre Strukturen (z. B. Zellkerne, Endoplamatische Retikulum, Mitochondrien) bleiben aufgrund der Gewebestabilisierung im Gewebeschnitt erhalten.
  • Die Strukturen des Gewebeschnittes werden im histologischen Routinebetrieb mit Hilfe von lichtoptischen Mikroskopen und Scannern abgebildet bzw. abgerastert, wie sie beispielsweise in der Druckschrift WO 00/36398 A9 beschieben werden. Ein derart aufgenommenes optisches Bild des Gewebeschnittes kann eine Ortsauflösung von etwa 250 Nanometer aufweisen, d. h., es werden Strukturen der entsprechenden Größe räumlich aufgelöst. Mit einer elektronenoptischen Abbildung oder neueren lichtoptischen Fluoreszenzverfahren, wie z. B. der STED-Mikroskopie (STED = Simulated Emission Depletion) kann die Ortsauflösung des optischen Bildes weiter erhöht werden, also noch kleinere Strukturen räumlich aufgelöst werden.
  • Das Anfärben des Gewebeschnittes steigert den Kontrast in dem optischen Bild des Gewebeschnittes. Es gibt eine Vielzahl verschiedener histologischer Färbungen, die sich in ihrer Affinität zu bestimmten Gewebe- und Zellstrukturen unterscheiden und diese selektiv im optischen Bild sichtbar machen. Die Hämatoxylin-Eosin Färbung ist die am weitesten verbreitete Färbung in Routine- und Übersichtsuntersuchungen. Neben anderen spezifischen Färbungen gibt es Immunfärbungen, bei denen die Verteilung von Proteinen in Gewebeschnitten und in den Zellen des Gewebeschnittes sichtbar gemacht wird, indem spezifische Antikörper affin an bestimmte Proteine binden. Es werden neben Antigen-Antikörper Bindungen auch sogenannte In-Situ Hybridisieungsverfahren mit spezifischen DNS-Sonden (DNS = Desoxyribonukleinsäure) eingesetzt.
  • Eine Färbung macht Strukturen des Gewebeschnittes bzw. Verteilungen des Färbemittels im Gewebeschnitt sichtbar. Die Histologie ist im Allgemeinen eine morphologische Diagnostik, da anhand des Erscheinungsbildes und färberischen Verhaltens der Gewebe- und Zellstrukturen die histologische Klassifizierung vorgenommen wird. Die Immunofärbung und die In-Situ-Hybridisierung sind in der Regel hoch spezifisch, so dass neben morphologischen Informationen auch molekulare Informationen abgeleitet werden können. Alle Informationen, die aus einem optischen Bild eines Gewebeschnittes gewonnen werden, werden im Folgenden unter dem Begriff „optische Informationen” zusammengefasst.
  • Der Zustand eines Gewebes kann sich in Bezug auf Krankheitszustände, Gewebedifferenzierungen und den Befall mit Krankheitserregern gegenüber einer anderen normal differenzierten bzw. gesunden Gewebeprobe durch eine charakteristische Substanzzusammensetzung bemerkbar machen. Der Gewebezustand wird also durch Konzentrationsmuster von Substanzen und damit molekularen Informationen charakterisiert. Sind die Konzentrationen der Substanzen hinreichend hoch, so können die Konzentrationsmuster durch eine massenspektrometrische Analyse nachgewiesen werden. Die Substanzen können alle Arten von biologischen Substanzen sein, z. B. Proteine, Nukleinsäuren, Lipide oder Zucker. Ein ungewöhnliches Muster kann sich dadurch ergeben, dass bestimmte biologische Substanzen unter- oder überexprimiert sind. Insbesondere Proteine können auch in charakteristischer Weise modifiziert vorliegen, z. B. durch posttranslationale Modifikationen.
  • Die Massenspektrometrie mit Ionisierung einer Probe durch matrixunterstützte Laserdesorption (MALDI = Matrix Assisted Laser Desorption and Ionization) wird seit mehreren Jahren erfolgreich zur Bestimmung von Molekülmassen, zur Identifizierung und zur strukturellen Charakterisierung von biologischen Substanzen, insbesondere von Proteinen oder Peptiden, eingesetzt.
  • Eine Gewebeprobe kann für die Bestimmung charakteristischer Konzentrationsmuster in bekannter Weise homogenisiert werden. Die darin befindlichen Substanzen werden aufgearbeitet und zusammen mit einer Lösung einer Matrixsubstanz auf einen Probenträger aufgebracht. Hiernach verdampft das Lösungsmittel und die Matrixsubstanz kristallisiert, wobei die biologischen Substanzen in den Matrixkristallen in Form einzelner, weit voneinander getrennter Moleküle mitkristallisieren. Ein Beschuss einer so präparierten homogenisierten Probe mit kurzen Laserpulsen ausreichender Energie führt dazu, dass die Matrixsubstanz explosionsartig verdampft und die biologischen Substanzen und ionisiert werden.
  • In der bildgebenden massenspektrometrischen Analyse, also der Aufnahme eines massenspektrometrischen Bildes (IMS = Imaging Mass Spectrometry), werden anstelle homogenisierter Gewebeproben solche Gewebeschnitte untersucht, wie sie aus der Histologie bekannt sind. Ein Gewebeschnitt wird dazu auf einen elektrisch leitenden Probenträger aufgelegt. Auf den Gewebeschnitt wird dann mit einem geeigneten Verfahren eine Matrixlösung aufgebracht. Nach dem Trocknen der Matrixlösung wird der Probenträger in ein Massenspektrometer eingebracht. Für die nachfolgende bildgebenden massenspektrometrische Analyse kann das Rasterscan-Verfahren nach Caprioli ( US 5,808,300 A ) oder eine stigmatische Abbildung eines kleinen Bereichs der Gewebeprobe (Luxembourg et al., Analytical Chemistry, 76 (18), 2004, 5339–5344: „High-Spatial Resolution Mass Spectrometric Imaging of Peptide and Protein Distributions an a Surface”) verwendet werden. In beiden Fällen ergibt sich ein massenspektrometrisches Bild des Gewebeschnittes, d. h., die molekularen Informationen in den Massenspektren sind räumlich aufgelöst. Aus der Patentschrift US 7,180,058 B1 ist zudem bekannt, die räumliche Auflösung von MALDI-MS dadurch zu erhöhen, dass der Laserstrahl durch einen transparenten Probenträger hindurch auf den darauf befindlichen Gewebeschnitt fokussiert wird, um Fokussierungsoptiken mit kurzer Brennweite verwenden zu können, die kleinere Fokusdurchmesser ermöglichen.
  • Aus de Patentschrift DE 10 2006 019 530 B4 sind verschiedene Verfahren zur Präparation von Gewebeschnitten für die bildgebende massenspektrometrische Analyse bekannt. Die Matrixlösung oder eine Rekristallisationslösung kann beispielsweise durch pneumatisches Sprühen, durch vibratives Vernebeln oder durch Nanospotting von Tröpfchen auf den Gewebeschnitt aufgebracht werden. Das Aufbringen der Matrixlösung ist nicht trivial, da (a) eine laterale Ver schmierung der biologischen Substanzen zu vermeiden ist, (b) die biologischen Substanzen möglichst aus dem Gewebeschnitt extrahiert und in die Kristalle der Matrixschicht eingebaut werden müssen, und (c) ein günstiges Verhältnis von biologisch relevanten Substanzen zu Verunreinigungen zu erzielen ist. Durch das Aufbringen der Matrixsubstanz auf den Gewebeschnitt und deren Wirkung auf den Gewebeschnitt sind derzeit massenspektrometrische Bilder von Gewebeschnitten auf eine Ortsauflösung zwischen zehn bis zweihundert Mikrometer begrenzt. Es können, somit keine Strukturen räumlich aufgelöst werden, die kleiner als 10 Mikrometer sind. Im Vergleich zu optischen Bildern der herkömmlichen Histologie ist die Ortsauflösung um mehr als eine Größenordnung geringer.
  • Es sind drei verschiedene Verfahren bekannt, die auf optischen Bildern beruhende Histologie mit massenspektrometrischen Bildern zu koppeln (Bruker Application Note #MT-89: „Advances in Molecular Histology with the MALDI Molecular Imager”). Zum einen kann die Aufnahme eines optischen Bildes und eines massenspektrometrischen Bildes an zwei verschiedenen aufeinanderfolgenden Gewebeschnitten einer Gewebeprobe getrennt durchge führt werden. Da zwei aufeinanderfolgende Gewebeschnitte aufgrund von mechanischen Toleranzen beim Herstellen der beiden Gewebeschnitte in der Regel nicht ausreichend deckungsgleich sind, ist hier eine räumliche Zuordnung zwischen den beiden Bildern nur sehr eingeschränkt möglich. Zum zweiten kann zuerst ein optisches Bild und danach ein massenspektrometrisches Bild von einem einzelnen Gewebeschnitt aufgenommen werden. In diesem Fall darf die Färbung des Gewebeschnittes die Extraktion der biologischen Substanzen und deren nachfolgende Ionisierung nicht beeinflussen. Da die meisten histologischen Färbungen diese Anforderungen nicht erfüllen und den Informationsgehalt der Massenspektren in einem zu starken Maße herabsetzen, wird diese Vorgehensweise nur selten angewendet. Zum dritten kann zuerst ein massenspektrometrisches Bild und danach ein optisches Bild aufgenommen werden. Die auf einen Gewebeschnitt aufgebrachte Matrixschicht wird nach der Aufnahme des massenspektrometrischen Bildes wieder vom dem Gewebeschnitt abgelöst. Danach wird der Gewebeschnitt der histologischen Routine entsprechend angefärbt und ein optisches Bild aufgenommen.
  • Die so gewonnenen Arten von Bildern eines Gewebeschnittes werden in der Regel in einer graphischen Darstellung übereinandergelegt. Die ortsaufgelösten Massenspektren werden dabei in der graphischen Darstellung oft auf einzelne ausgewählte Massen oder auf eine Klassenzugehörigkeit reduziert. Die Zuordnung zu bestimmten Klassen erfolgt dabei mit Hilfe von statistischen Analyseverfahren. Das optische Bild dient nur als Orientierungshilfe im massenspektrometrischen Bild, das wie beschrieben eine geringere Ortsauflösung aufweist. Aus der Veröffentlichung von Schwamborn et al. (International Journal of Molecular Medicine, 20, 155–157, 2007: ”Identifying prostate carcinoma by MALDI-Imaging”) ist zudem bekannt, dass morphologische Informationen aus einem optischen Bild eines Gewebeschnittes dazu verwendet werden, räumlich aufgelöste Massenspektren mit Hilfe eines überwachten Lernverfahrens zu klassifizieren und krankheitsspezifische Muster in den Massenspektren zu finden.
  • Bei jeder Art von Klassifizierung, also auch einer histologischen Klassifizierung von Gewebeschnitten, treten verschiedene Arten von Zuordnungsfehlern auf. Aus diesen ergeben sich statistische Kenngrößen, die die Gute der Klassifizierung festlegen. Zu den Kenngrößen zählen die Sensitivität (Richtig-Positiv-Rate), die Spezifität (Richtig-Negativ-Rate), die Falsch-Positiv-Rate (Fehlalarm), die Falsch-Negativ-Rate. Es gibt zudem die Wahrscheinlichkeit, dass ein Gewebeschnitt bei einer positiven Diagnose tatsächlich den entsprechenden Krankheitszustand aufweist (Relevanz) bzw. dass ein Gewebeschnitt bei einer negativen Diagnose tatsächlich den Krankheitszustand nicht aufweist. Des Weiteren lassen sich die Korrektklassifikationsrate und Falschklassifikationsrate angeben.
  • Aufgabe der Erfindung
  • Es ist die Aufgabe der Erfindung, die Güte der histologischen Klassifizierung von Gewebeschnitten zu verbessern.
  • Beschreibung der Erfindung
  • Die Aufgabe wird durch ein Verfahren nach Patentanspruch 1 gelöst. Bevorzugte Ausführungsformen sind in den abhängigen Patentansprüchen 2 bis 16 ausgeführt.
  • Die Erfindung besteht darin, dass ein massenspektrometrisches und ein optisches Bild von einem einzelnen Gewebeschnitt aufgenommen werden, wobei das optische Bild eine höhere Ortsauflösung als das massenspektrometrische Bild aufweist, und dass optische Informationen, die Strukturen eines Teilgebietes des Gewebeschnittes betreffen, mit massenspektrometrischen Informationen des Teilgebietes verknüpft werden, wobei die Strukturen im massenspektrometrischen Bild nicht räumlich aufgelöst sind. Das Teilgebiet kann dabei beispielsweise nur eine einzelne Zelle umfassen.
  • Das optische Bild weist dabei bevorzugt eine fünffach bis zweihundertfach höhere Ortsauflösung als das massenspektrometrische Bild auf. Die Ortsauflösung des massenspektrometrischen Bildes liegt typischer Weise zwischen zehn und zweihundert Mikrometer, während die Ortsauflösung des optischen Bildes unter zwei Mikrometer beträgt.
  • Aus dem Stand der Technik ist zwar bekannt, dass ein optisches Bild und ein massenspektrometrisches Bild von einem einzigen Gewebeschnitt aufgenommen werden. Allerdings werden die optischen Bilder bisher für eine Orientierung im massenspektrometrischen Bild bzw. für eine Zuordnung der massenspektrometrischen Informationen auf grobe Gewebestrukturen verwendet. Es ist aber möglich, von einem einzelnen Gewebeschnitt ein massenspektrometrisches und ein optisches Bild aufzunehmen, wobei überraschenderweise die Ortsauflösung des optischen Bildes bezogen auf herkömmliche histologische Anforderungen nicht vermindert ist. Dies gilt insbesondere auch für den bevorzugten Fall, dass die bildgebende massenspektrometrische Analyse (also die Aufnahme des massenspektrometrischen Bildes) vor der Aufnahme des optischen Bildes erfolgt. Es stehen damit zwei unabhängige inhaltsreiche Informationsquellen ohne Qualitätseinschränkungen zur Verfügung, mit denen unabhängig voneinander eine histologische Klassifizierung möglich ist, deren erfindungsgemäße Verknüpfung aber die Güte der histologischen Klassifizierung entscheidend verbessert. Im Gegensatz zum Stand der Technik werden also beide Arten von Informationen für die histologische Klassifizierung verwendet, wodurch in einigen Fällen eine Klassifizierung mit hinreichender Güte überhaupt erst ermöglicht wird.
  • Die optischen Informationen, die für eine histologische Klassifizierung relevant sind, werden in bekannter Weise aus dem optischen Bild abgeleitet und betreffen beispielsweise die Form und Anordnung von Zellen oder die Form von intrazellulären Strukturen (wie z. B. Zellkerne, endoplasmatisches Retikulum, Mitochondrien), und zwar jeweils unter Berücksichtigung der verwendeten Färbung des Gewebeschnittes.
  • Um die optischen Informationen über die Strukturen in einem Teilgebiet des Gewebeschnittes zu erhalten, wird in bevorzugter Weise ein Ausschnitt des optischen Bildes, der das Teilgebiet vollständig oder teilweise enthält, vergrößert dargestellt. In besonders bevorzugter Weise werden mehrere Ausschnitte des optischen Bildes, die alle das Teilgebiet vollständig oder teilweise enthalten, gleichzeitig oder nacheinander vergrößert dargestellt, wobei die Lage und/oder die Vergrößerung der Ausschnitte unterschiedlich sind. Um eine vergrößerte Darstellung eines Ausschnittes des optischen Bildes zu erhalten, kann einerseits ein zweites optisches Bild aufgenommen werden, das dem Ausschnitt mit entsprechender Vergrößerung entspricht. Es kann andererseits aus dem bereits aufgenommenen optischen Bild des Gewebeschnittes eine vergrößerte Darstellung eines Ausschnittes berechnet werden. In diesem bevorzugten Fall spricht man von einem „virtuellen Mikroskop”, da die Vergrößerung eines Ausschnittes oder auch die Rückkehr zu einem Ausschnitt mit geringerer Vergrößerung rein rechnerisch ohne die physikalische Aufnahme eines neuen optischen Bildes erfolgt.
  • Die geringere Ortsauflösung des massenspektrometrischen Bildes wird durch den hohen molekularen Informationsgehalt der Massenspektren ausgeglichen. Die massenspektrometrischen Informationen sind neben einem lokalen Massenspektrum, das dem Teilgebiet zugeordnet ist, auch Unterschiede des lokalen Massenspektrums zu Massenspektren sein, die anderen Teilgebieten des Gewebeschnittes zugeordnet sind, oder zu Massenspektren aus anderen Datenquellen (z. B. Datenbanken) sein. Des Weiteren bestehen massenspektrometrische Informationen bevorzugt darin, dass das lokale Massenspektrum mit Hilfe einer statistischen Analyse einer Klasse oder mehreren Klassen zugeordnet wird. Dafür wird das lokale Massenspektrum in der Regel mit Massenspektren von anderen Teilgebieten des Gewebeschnittes und/oder mit Massenspektren aus anderen Datenquellen verglichen. Entsprechende statistische Analyse sind beispielsweise: Neuronale Netze (z. B.: Linear Vector Quantization (LVQ), Neural Gas (NG), Self-Organizing Map (SOM)), Support-Vector-Maschinen (SVM), Genetische Algorithmen zur Clusteranalyse, Hauptkomponentenanalyse (Principal Component Analysis (PCA)), Entscheidungsbäume oder Nächste-Nachbarn-Klassifikatoren (k-Nearest-Neighbor (KNN)). Die Klassen entsprechen denen der histologischen Klassifizierung und betreffen die in dem Gewebeschnitt vorkommenden Gewebearten, Differenzierungen des Gewebes, Krankheitserreger und Krankheitszustände.
  • Es werden hier auch sogenannte Peaklisten oder reduzierte Massenspektren als Massenspektren aufgefasst. Eine Peakliste ist eine Liste von Wertepaaren, die aus einem gemessenen Rohspektrum extrahiert werden und die jeweils die Masse und die Signalstärke einer Signalspitze („peak”) in dem gemessenen Rohspektrum enthalten. Ein reduziertes Massenspektrum enthält nur die Signale eines oder mehrerer Massefenster, die in der Regel durch den Anwender festgelegt werden.
  • Um einen Gewebeschnitt mit ausreichender Güte histologisch klassifizieren zu können, kann es erforderlich sein, dass jeweils die optischen und massenspektrometrischen Informationen von mehreren Teilgebieten des Gewebeschnittes verknüpft werden. Die histologische Klassifizierung kann auf einen Bereich oder mehrere Bereiche des Gewebeschnittes eingeschränkt sein und sich insbesondere auf eine einzelne Zelle oder mehrere einzelnen Zelle beziehen.
  • Beschreibung der Abbildungen
  • Die zeigt in den Schritten A bis E, dass von einem Gewebeschnitt (1) zuerst ein massenspektrometrisches Bild (20) und danach ein optisches Bild (30) aufgenommen wird, wobei die Ortsauflösung des massenspektrometrische Bild (20) etwa 30 Mikrometer und die Ortsauflösung des optischen Bildes (30) etwa einen halben Mikrometer beträgt.
  • Die zeigt in den Schritten F und G, dass ein Teilgebiet (40) des Gewebeschnittes (1) ausgewählt wird, ein das Teilgebiet (40) enthaltender Ausschnitt (50) des optischen Bildes (30) vergrößert dargestellt wird und optische Informationen über Zellen (31, 33, 35) in dem Teilgebiet (40) mit massenspektrometrischen Informationen des Teilgebietes (40) verknüpft werden, um den Gewebeschnitt (1) histologisch zu klassifizieren. Das Teilgebiet (40) ist dabei im massenspektrometrischen Bild (20) nicht räumlich aufgelöst.
  • Bevorzugte Ausführungsbeispiele
  • Die und zeigen in den Schritten A bis G ein bevorzugtes Ausfünhrungsbeispiel des erfindungsgemäßen Verfahrens zur histologischen Klassifizierung eines Gewebeschnittes.
  • Im Schritt A wird ein etwa zehn Mikrometer dicker Gewebeschnitt (1) auf einem Objektträger (3) bereitgestellt. Dafür wird eine Gewebeprobe zuerst durch Gefrieren stabilisiert und anschließend mit einem Mikrotom geschnitten.
  • Im Schritt B wird eine Matrixschicht (6) auf den Gewebeschnitt (1) aufgebracht. Die Vorrichtung (4) ist in der Patentschrift DE 10 2006 019 530 B4 beschrieben und erzeugt aus einer gelösten Matrixsubstanz vibrativ einen Nebel (5) aus kleinen Tröpfchen, die sich auf dem Gewebeschnitt (1) absetzen und trocknen. Das Vernebeln und anschließende Trocknen der Matrixtröpfchen auf dem Gewebeschnitt (1) wird zyklisch wiederholt, bis die Matrixschicht (6) optimal für eine bildgebende massenspektrometrische Analyse geeignet ist.
  • Im Schritt C wird ein massenspektrometrisches Bild (20) des in Schritt B präparierten Gewebeschnittes (1) aufgenommen. Der Gewebeschnitt (1) wird mit Laserpulsen eines fokussierten Laserstrahls (7) abgerastert. Jeder Rasterpunkt wird dabei mindestens einmal mit einem Laserpuls bestrahlt. Die durch den MALDI-Prozess erzeugten Ionen (8) werden in einem nicht dargestellten Flugzeitmassenspektrometer analysiert, so dass jedem Rasterpunkt sog. lokales ein Massenspektrum zugeordnet ist. Das massenspektrometrische Bild (20) weist damit neben zwei räumlichen Achsen (X, Y) auch eine Massenachse (m/z) auf, d. h., man erhält für jede einzelne Masse ein zweidimensionales Bild.
  • Die Ionen werden in einem Massenspektrometer prinzipiell nach ihrem Verhältnis von Masse zu Ladung (m/z, auch „ladungsbezogene Masse” genannt) getrennt. Aus einem gemessenen Massenspektrum lässt sich die ladungsbezogene Masse m/z und daraus ihre physikalische Masse m bestimmen. Da die Ionisierung durch matrixunterstützte Laserdesorption im Wesentlichen nur einfach geladene Ionen liefert, wird im Folgenden vereinfachend nur von der „Masse” und nicht der „ladungsbezogenen Masse” gesprochen.
  • Die Ortsauflösung wird in der bildgebenden massenspektrometrischen Analyse in der Regel durch die Präparation des Gewebeschnittes (1) begrenzt und beträgt hier etwa 30 Mikrometer. Der Fokusdurchmesser des Laserstrahls (7) ist dementsprechend angepasst. Um von einem Rasterpunkt zum nächsten zu gelangen, wird der Objektträger (3) mit einer nicht dargestellten Bewegungsvorrichtung entlang der X- und Y-Achse verschoben.
  • Die massenspektrometrische Analyse kann prinzipiell in verschiedenartigen Massenspektrometern durchgeführt werden. Es werden für die bildgebende massenspektrometrische Analyse derzeit meistens Flugzeitmassenspektrometer (Time-Of-Flight Mass Spectrometer = TOF-MS) mit oder ohne Reflektor eingesetzt. Es können aber beispielsweise auch Flugzeitmassenspektrometer mit orthogonalem Inneneinschuss, Innenfallen oder Ionenzyklotronresonanz – Massenspektrometer verwendet werden.
  • Im Schritt D wird die Matrixschicht (6) vom Gewebeschnitt (1) abgelöst, beispielsweise durch aufeinanderfolgendes Waschen mit Methanol und Aceton. Danach wird der freigelegte Gewebeschnitt (1) nach einem histologischen Standardprotokoll mit Hämatoxylin-Eosin gefärbt.
  • Im Schritt E wird ein optisches Bild (30) des Gewebeschnittes (1) mit einem hochauflösenden lichtoptischen Scanner (9) aufgenommen, wie er in der histologischen Klassifizierung von gefärbten Gewebeschnitten üblich ist. Obwohl die Ortsauflösung im massenspektrometrischen Bild (20) nur 30 Mikrometer beträgt, ist der Scanner (9) so eingestellt, dass das optische Bild (30) eine Ortsauflösung von nur einen halben Mikrometer aufweist. Der Abstand von zwei räumlich aufgelösten Bildpunkten ist im optischen Bild (30) also etwa sechzigfach kleiner als im massenspektrometrischen Bild (20). Die Achsen des optischen Bildes (30) sind deshalb anders gekennzeichnet (X*, Y*). Es ist überaus überraschend, dass der Informationsgehalt des optischen Bildes (30) nicht oder nur sehr geringfügig dadurch eingeschränkt wird, dass zuvor die Matrixschicht (6) auf den Gewebeschnitt (1) aufgebracht und wieder abgelöst wird.
  • Im Schritt F Wird ein Teilgebiet (40) des Gewebeschnittes (1) ausgewählt. Das Teilgebiet (40) liegt in einem Ausschnitt (50) des optischen Bildes (30). Da beide Bilder (20, 30) von einem einzelnen Gewebeschnitt (1) stammen, sind die beiden Bilder (20, 30) deckungsgleich, so dass eine räumliche Zuordnung zwischen den Bildpunkten der beiden Bilder (20, 30) leicht möglich ist. Die Auswahl des Teilgebietes (40) kann sowohl im optischen Bild als auch im massenspektrometrischen Bild erfolgen.
  • Das massenspektrometrische Bild (20) wird hier bevorzugt so reduziert, dass nur das Signal einer einzelnen Masse oder die Signale von wenigen Massen dargestellt werden. Im letzteren Fall können unterschiedlichen Massen beispielsweise farblich codiert werden. Eine besonders bevorzugte Art der reduzierten Darstellung besteht darin, dass jedes Massenspektrum mit Hilfe einer statistischen Analyse einer Klasse oder mehreren Klassen zugeordnet wird und nur die Verteilung der Klassenzugehörigkeit bildlich dargestellt wird.
  • Im Schritt G werden optische Informationen über Strukturen in dem Teilgebiet (40) mit massenspektrometrischen Informationen des Teilgebietes (40) verknüpft werden, um den Gewebeschnitt (1) zumindest im Teilgebiet (40) histologisch zu klassifizieren.
  • Um die optischen Informationen zu gewinnen, wird der Ausschnitt (50) des optischen Bildes (30) vergrößert dargestellt, und zwar mit einem virtuellen Mikroskop. Die Ortsauflösung im optischen Bild (30) ist so hoch, dass die Zellen (31, 33, 35) im Teilgebiet (40) und ihre intrazelluläre Strukturen, wie z. B. die Zellkerne (32, 34, 36), räumlich aufgelöst werden. Die optischen Informationen beziehen sich hier auf die unterschiedliche Färbung der Zelle (31) gegenüber den umliegenden Zellen (33, 35) und auf die unterschiedliche Form ihres Zellkerns (32). Es ist weiterhin möglich, dass nacheinander mehrere Ausschnitte vergrößert dargestellt werden, wobei die Lage und/oder die Vergrößerung der Ausschnitte unterschiedlich sind. Das virtuelle Mikroskop erlaubt es auch, in das Teilgebiet (40) weiter hineinzuzoomen.
  • Im massenspektrometrischen Bild (20) sind innerhalb des Teilgebietes (40) keine Strukturen räumlich aufgelöst worden. Die massenspektrometrischen Informationen beziehen sich somit zum einen auf ein lokales Massenspektrum (21), das dem Teilgebiet (40) zugeordnet ist. Zum zweiten ist ein Differenzspektrum (22) zwischen dem lokalen Massenspektrum (21) und einem Referenzspektrum einer Datenbank dargestellt, wobei diejenigen Signale, die nur im lokalen Massenspektrum (21) vorhandenen sind, durchgezogen dargestellt sind und diejenigen Signale, die nur im Referenzspektrum vorhanden sind, gestrichelt dargestellt sind. Des Weiteren wird das lokale Massenspektrum (21) mit Hilfe einer statistischen Analyse den Klassen A, B und C zugeordnet, wobei die Klasse A für einen positiven Befund, die Klasse B für einen negativen Befund und die Klasse C für eine fehlgeschlagene Zuordnung zu den Klassen A und B steht. Die Zuordnung (23) ist hier unscharf und entspricht einer Wahrscheinlichkeit für die Klassenzugehörigkeit.
  • Durch die Verknüpfung der beiden unterschiedlichen Informationsquellen wird die Güte der histologischen Klassifizierung entscheidend verbessert. Um den ganzen Gewebeschnitt (1) an verschiedenen Stellen zu klassifizieren bzw. die Güte der Klassifizierung weiter zu erhöhen, können die Schritte F und G in anderen Teilgebieten wiederholt werden.

Claims (16)

  1. Verfahren zur histologischen Klassifizierung eines Gewebeschnittes, bestehend aus den Schritten: (a) Aufnahme eines massenspektrometrischen und eines lichtoptischen Bildes des Gewebeschnittes, wobei das lichtoptische Bild eine höhere Ortsauflösung als das massenspektrometrische Bild aufweist, wobei das massenspektrometrische Bild ein gerastertes Bild ist und jeder Bildpunkt einem Teilgebiet des Gewebeschnittes entspricht, wobei das zu einem jeden Teilgebiet des Gewebeschnittes gehörende Massenspektrum als das lokale Massenspektrum dieses Teilgebietes bezeichnet wird, und (b) Verknüpfung von optischen Informationen, die aus dem lichtoptischen Bild gewonnen werden und solche histologisch relevanten Strukturen eines Teilgebietes des Gewebeschnittes betreffen, die im massenspektrometrischen Bild nicht räumlich aufgelöst sind, mit massenspektrometrischen Informationen dieses Teilgebietes, wobei diese massenspektrometrischen Informationen (c1) entweder aus dem lokalen Massenspektrum dieses Teilgebietes, (c2) oder aus Unterschieden zwischen dem lokalen Massenspektrum dieses Teilgebietes und anderen lokalen Massenspektren des massenspektrometrischen Bildes und/oder anderen Massenspektren von weiteren Datenquellen, (c3) oder aus einer Zuordnung des lokalen Massenspektrums dieses Teilgebietes auf eine histologische Klasse durch eine statistische Analyse bestehen.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein Ausschnitt des lichtoptischen Bildes, der das Teilgebiet vollständig oder teilweise enthält, vergrößert dargestellt wird, um die optischen Informationen über die histologisch relevanten Strukturen in dem Teilgebiet zu erhalten.
  3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein zweites lichtoptisches Bild aufgenommen wird, das einem Ausschnitt des Gewebeschnittes mit entsprechender Vergrößerung entspricht, der das Teilgebiet vollständig oder teilweise enthält.
  4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die vergrößerte Darstellung des Ausschnittes aus dem bereits aufgenommenen lichtoptischen Bild berechnet wird.
  5. Verfahren nach einem der Ansprüche 2 oder 4, dadurch gekennzeichnet, dass gleichzeitig oder nacheinander mehrere Ausschnitte des lichtoptischen Bildes, die das Teilgebiet vollständig oder teilweise enthalten, vergrößert dargestellt werden, wobei die Lage und/oder die Vergrößerung der Ausschnitte unterschiedlich sind.
  6. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das lichtoptische Bild eine mindestens fünfmal höhere Ortsauflösung als das massenspektrometrische Bild aufweist.
  7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass das massenspektrometrische Bild eine Ortsauflösung zwischen zehn und zweihundert Mikrometer aufweist und dass das lichtoptische Bild eine Ortsauflösung von weniger als zwei Mikrometer aufweist.
  8. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Teilgebiet eine einzelne Zelle ist.
  9. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die optischen Informationen intrazelluläre Strukturen betreffen.
  10. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das lokale Massenspektrum in der statistischen Analyse mit lokalen Massenspektren von anderen Teilgebieten des Gewebeschnittes und/oder mit Massenspektren aus anderen Datenquellen verglichen wird.
  11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass optische und massenspektrometrische Informationen von mehreren Teilgebieten des Gewebeschnittes miteinander verknüpft werden.
  12. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das lichtoptische Bild vor dem massenspektrometrischen Bild aufgenommen wird.
  13. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das lichtoptische Bild nach dem massenspektrometrischen Bild aufgenommen wird.
  14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, dass der Gewebeschnitt vor der Aufnahme des massenspektrometrischen Bildes mit einer Matrixsubstanz für die Ionisierung durch matrixunterstützte Laserdesorption präpariert wird.
  15. Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass die Matrixsubstanz nach der Aufnahme des massenspektrometrischen Bildes und vor der Erstellung des lichtoptischen Bildes entfernt wird.
  16. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass der Gewebeschnitt nach dem Entfernen der Matrixsubstanz und vor der Erstellung des lichtoptischen Bildes angefärbt wird.
DE102008023438A 2008-05-14 2008-05-14 Verfahren zur Analyse von Gewebeschnitten Active DE102008023438B4 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102008023438A DE102008023438B4 (de) 2008-05-14 2008-05-14 Verfahren zur Analyse von Gewebeschnitten
EP09006531.9A EP2124192B1 (de) 2008-05-14 2009-05-14 Verfahren zur Analyse von Gewebeschnitten
US12/465,971 US20090289184A1 (en) 2008-05-14 2009-05-14 Method for the analysis of tissue sections

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102008023438A DE102008023438B4 (de) 2008-05-14 2008-05-14 Verfahren zur Analyse von Gewebeschnitten

Publications (2)

Publication Number Publication Date
DE102008023438A1 DE102008023438A1 (de) 2009-12-03
DE102008023438B4 true DE102008023438B4 (de) 2011-06-30

Family

ID=41109862

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102008023438A Active DE102008023438B4 (de) 2008-05-14 2008-05-14 Verfahren zur Analyse von Gewebeschnitten

Country Status (3)

Country Link
US (1) US20090289184A1 (de)
EP (1) EP2124192B1 (de)
DE (1) DE102008023438B4 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012016272A1 (de) 2012-08-17 2014-02-20 Hochschule Mannheim Verfahren und Vorrichtung zur visuellen Analyse von bildgebender Massenspektrometrie
DE102017129891A1 (de) 2017-12-14 2019-06-19 Bruker Daltonik Gmbh Massenspektrometrische Bestimmung besonderer Gewebezustände

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010009853B4 (de) * 2010-03-02 2012-12-06 Bruker Daltonik Gmbh Bestimmung von Gewebezuständen mittels bildgebender Massenspektrometrie
KR101866401B1 (ko) 2010-04-05 2018-06-11 프로그노시스 바이오사이언스, 인코포레이티드 공간적으로 엔코딩된 생물학적 검정
US20190300945A1 (en) 2010-04-05 2019-10-03 Prognosys Biosciences, Inc. Spatially Encoded Biological Assays
US10787701B2 (en) 2010-04-05 2020-09-29 Prognosys Biosciences, Inc. Spatially encoded biological assays
DE102010028138A1 (de) * 2010-04-22 2011-10-27 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Bestimmen der Verteilung einer Substanz durch Abtasten mit einer Messfront
GB201106254D0 (en) 2011-04-13 2011-05-25 Frisen Jonas Method and product
US10012572B2 (en) * 2011-04-28 2018-07-03 Japanese Foundation for Cancer Research, Keio University, National University Corporation Hamamatsu, and Shimadzu Co. Mass-analysis data processing method and system
DE102011112649B4 (de) 2011-09-06 2014-02-27 Bruker Daltonik Gmbh Laserspotsteuerung in MALDI-Massenspektrometern
JP5708400B2 (ja) * 2011-09-26 2015-04-30 株式会社島津製作所 イメージング質量分析装置及び質量分析データ処理方法
EP2909337B1 (de) 2012-10-17 2019-01-09 Spatial Transcriptomics AB Verfahren und produkt zur optimierung einer lokalisierten oder räumlichen detektion einer genexpression in einer gewebeprobe
SG11201507853QA (en) 2013-03-22 2015-10-29 Eth Zuerich Laser ablation cell
LT3013983T (lt) 2013-06-25 2023-05-10 Prognosys Biosciences, Inc. Erdviniai koduoti biologiniai tyrimai, naudojant mikrofluidinį įrenginį
EP4321627A3 (de) 2015-04-10 2024-04-17 10x Genomics Sweden AB Räumlich getrennte multiplex-nukleinsäureanalyse von biologischen proben
DE102018112538B3 (de) 2018-05-25 2019-11-07 Bruker Daltonik Gmbh Desorptionsstrahlsteuerung mit virtueller Achsennachführung in Flugzeitmassenspektrometern
US20210190770A1 (en) 2019-12-23 2021-06-24 10X Genomics, Inc. Compositions and methods for using fixed biological samples in partition-based assays
US11702693B2 (en) 2020-01-21 2023-07-18 10X Genomics, Inc. Methods for printing cells and generating arrays of barcoded cells
US11732299B2 (en) 2020-01-21 2023-08-22 10X Genomics, Inc. Spatial assays with perturbed cells
US11835462B2 (en) 2020-02-11 2023-12-05 10X Genomics, Inc. Methods and compositions for partitioning a biological sample
WO2021160802A1 (en) 2020-02-13 2021-08-19 Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH) Method for an automatic, semantic-based, functional tissue annotation of histological and cellular features in order to identify molecular features in tissue samples
US11926863B1 (en) 2020-02-27 2024-03-12 10X Genomics, Inc. Solid state single cell method for analyzing fixed biological cells
EP4153775B1 (de) 2020-05-22 2024-07-24 10X Genomics, Inc. Simultane räumlich-zeitliche messung der genexpression und der zellaktivität
EP4421186A3 (de) 2020-06-08 2024-09-18 10X Genomics, Inc. Verfahren zur bestimmung eines chirurgischen randes und verfahren zur verwendung davon
US11981960B1 (en) 2020-07-06 2024-05-14 10X Genomics, Inc. Spatial analysis utilizing degradable hydrogels
WO2022256503A1 (en) 2021-06-03 2022-12-08 10X Genomics, Inc. Methods, compositions, kits, and systems for enhancing analyte capture for spatial analysis
CN115078515A (zh) * 2022-06-30 2022-09-20 中国农业大学 一种基于高分辨质谱成像技术原位可视化分析药用植物化学成分及空间分布的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5808300A (en) * 1996-05-10 1998-09-15 Board Of Regents, The University Of Texas System Method and apparatus for imaging biological samples with MALDI MS
WO2000036398A2 (de) * 1998-12-14 2000-06-22 Deutsches Krebsforschungszentrum Stiftung des öffentlichen Rechts Verfahren und vorrichtungen zur erfassung optischer eigenschaften, insbesondere von lumineszenz-reaktionen und brechungsverhalten, von auf einem träger direkt oder indirekt gebundenen molekülen
US7180058B1 (en) * 2005-10-05 2007-02-20 Thermo Finnigan Llc LDI/MALDI source for enhanced spatial resolution

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1549992A2 (de) * 2002-09-16 2005-07-06 Rensselaer Polytechnic Institute Mikroskop mit erweitertem sichtfeld
DE102004037512B4 (de) 2004-08-03 2012-11-08 Bruker Daltonik Gmbh Massenspektrometrische Gewebezustandsdifferenzierung
DE102006019530B4 (de) 2006-04-27 2008-01-31 Bruker Daltonik Gmbh Probenvorbereitung für massenspektrometrische Dünnschnittbilder

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5808300A (en) * 1996-05-10 1998-09-15 Board Of Regents, The University Of Texas System Method and apparatus for imaging biological samples with MALDI MS
WO2000036398A2 (de) * 1998-12-14 2000-06-22 Deutsches Krebsforschungszentrum Stiftung des öffentlichen Rechts Verfahren und vorrichtungen zur erfassung optischer eigenschaften, insbesondere von lumineszenz-reaktionen und brechungsverhalten, von auf einem träger direkt oder indirekt gebundenen molekülen
US7180058B1 (en) * 2005-10-05 2007-02-20 Thermo Finnigan Llc LDI/MALDI source for enhanced spatial resolution

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012016272A1 (de) 2012-08-17 2014-02-20 Hochschule Mannheim Verfahren und Vorrichtung zur visuellen Analyse von bildgebender Massenspektrometrie
DE102017129891A1 (de) 2017-12-14 2019-06-19 Bruker Daltonik Gmbh Massenspektrometrische Bestimmung besonderer Gewebezustände
US10886115B2 (en) 2017-12-14 2021-01-05 Bruker Daltonik Gmbh Mass spectrometric determination of particular tissue states
DE102017129891B4 (de) 2017-12-14 2024-05-02 Bruker Daltonics GmbH & Co. KG Massenspektrometrische Bestimmung besonderer Gewebezustände

Also Published As

Publication number Publication date
DE102008023438A1 (de) 2009-12-03
US20090289184A1 (en) 2009-11-26
EP2124192B1 (de) 2013-04-17
EP2124192A1 (de) 2009-11-25

Similar Documents

Publication Publication Date Title
DE102008023438B4 (de) Verfahren zur Analyse von Gewebeschnitten
DE102008041813B4 (de) Verfahren zur Tiefenanalyse einer organischen Probe
DE102010009853B4 (de) Bestimmung von Gewebezuständen mittels bildgebender Massenspektrometrie
DE60126055T2 (de) Massenspektrometer und massenspektrometrisches Verfahren
DE60306355T2 (de) Mikromatrixprobenausleser mittels elektrospraymassenspektrometrie
Briggman et al. Volume electron microscopy for neuronal circuit reconstruction
DE112005001143B4 (de) System und Verfahren zum Gruppieren von Vorläufer- und Fragmentionen unter Verwendung von Chromatogrammen ausgewählter Ionen
DE102015007027A1 (de) Verbessertes bildgebendes Massenspektrometrieverfahren und Vorrichtung
DE102010051810B4 (de) Bilderzeugende Massenspektrometrie mit Protein-Identifizierung
DE20321731U1 (de) Massenspektrometer
DE202016008460U1 (de) Zellpopulationsanalyse
DE102020129645B4 (de) Massenspektrometrieverfahren
DE10158860A1 (de) Massenspektrometrische Proteingemischanalyse
DE112020003212T5 (de) Verfahren und Vorrichtung für die Massenspektrometrie
DE102019114829A1 (de) Massenspektrometrische Bestimmung von Gewebezuständen
EP2976627B1 (de) Verfahren zur erzeugung von bilddaten eines objekts
EP2389588A1 (de) Verfahren zur identifizierung insbesondere unbekannter substanzen durch massenspektrometrie
DE102017129891B4 (de) Massenspektrometrische Bestimmung besonderer Gewebezustände
DE102011084829B4 (de) Mikroskopie mehrerer Proben mit optischer Mikroskopie und Teilchenstrahlmikroskopie
Bradshaw et al. Development of operational protocols for the analysis of primary and secondary fingermark lifts by MALDI-MS imaging
Broersen et al. Automated, feature-based image alignment for high-resolution imaging mass spectrometry of large biological samples
DE102020111240B3 (de) Prozessieren von ortsaufgelösten, Ionen-spektrometrischen Messsignaldaten zur Ermittlung von Molekül-Gehaltsmaßzahlen in flächigen Proben
WO2024041681A1 (de) Vorrichtung zur multimodalen analyse von probenmaterial
DE102009015945A1 (de) Vorrichtung und Verfahren zur Abbildung der Oberfläche einer Probe
DE10300743A1 (de) Verfahren zur Identifizierung von Mikroorganismen mittels Massenspektrometrie

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
R018 Grant decision by examination section/examining division
R020 Patent grant now final

Effective date: 20111001

R081 Change of applicant/patentee

Owner name: BRUKER DALTONICS GMBH & CO. KG, DE

Free format text: FORMER OWNER: BRUKER DALTONIK GMBH, 28359 BREMEN, DE