Raman spectroscopic and microscopic analysis of tissue type, molecular composition, and glioblastoma identification in brain tissue sections
Beyin doku kesitlerinde raman spektroskopi ve mikroskopisi kullanılarak doku tipi, moleküler kompozisyon, ve glioblastoma tespiti
- Tez No: 667927
- Danışmanlar: PROF. DR. İHSAN SOLAROĞLU, DR. ÖĞR. ÜYESİ MEHMET CENGİZ ONBAŞLI
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Patoloji, Bioengineering, Electrical and Electronics Engineering, Pathology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 149
Özet
Glioblastoma (GB) en sık görülen birincil malign beyin tümörüdür. Tedavilerdeki gelişmelere rağmen, son 20 yılda çoğu hasta için hayatta kalma olasılığı 2 yıldan daha kısa kalmıştır. GB'nin doğru teşhisi, rutin veya özel boyama ile birlikte ışık mikroskobu kullanılarak tümör dokularının patolojik değerlendirmesini gerektirir. Yakın zamanda yapılan araştırmalar, rutin patolojik değerlendirmeye ek olarak tanı ve tedaviyi etkileyen önemli genetik/epigenetik değişiklikleri de tespit etmiştir. Tümör tespiti, dokunun birçok kez örneklenmesini ve ek zaman, kaynak ve uzmanlık gerektiren farklı yöntemler kullanılarak analiz edilmesini gerektirir. Rutin analiz için kullanılan dokunun boyama veya genetik analiz yapmadan daha detaylı ve kapsamlı analiz yapmak için kullanılıp kullanılamayacağını belirlemek için etiketsiz ve tahribatsız bir teknik olan Raman Spektroskopisini (RS) kullanmayı öneriyoruz. RS, hızlı analiz için bir numunenin kimyasal bileşiminden moleküle özgü spektrumlar ölçülmesini sağlar. Bu tezde, rutin histomorfolojik tanı sürecindekine benzer bir tanı hassasiyetinin elde edilip edilemeyeceğini belirlemek için RS kullanarak glioblastoma, beyaz madde (BM), gri madde (GM) ve nekroz (NK) bölgelerini araştırdık. İlk olarak, parafinin güçlü Raman spektrumunu ortadan kaldırmak için, doku morfolojisini ve kimyasal bileşimi bozmadan, formalin ile fikse edilmiş parafine gömülü beyin dokusu kesitlerinden parafini etkili bir şekilde temizlemek için geliştirdiğimiz bir protokol önerdik. İkinci olarak, Raman spektrum ölçüm parametreleri (uyarma dalga boyu, edinim süresi, ölçüm sayısı), doku kalınlığı ve Raman alttaş türü (CaF2, cam) seçimini optimize ettik. Üçüncüsü, GB, BM, GM ve NK bölgelerinin Raman spektrumlarını ölçtük ve elde ettiğimiz spektral profillerini literatürde verilen Raman pikleri ile analiz ettik. Uzman bir nöropatolog tarafından belirlenmiş GB ve BM bölgelerinin (nGB = 20, nWM = 18) Raman spektrumları, makine öğrenimi modelleri kullanılarak %87.2±1 GB ve %90.7±1 BM eğitim / test doğruluğu ile sınıflanmıştır. Raman spektrumlarının ön işlenmesinin sınıflandırma doğruluklarına etkisi araştırılmıştır. Örnek hazırlama koşulları, Raman ölçüm protokolleri ve makine öğrenimi sınıflama modelleri, önerilen Raman temelli GB tanımlama iş akışının başarıyla uygulandığını göstermektedir. Gelişmiş eğitim ve test doğrulukları için makine öğrenimi modellerinin daha da çalışılması gerekse de, bu protokoller ileride klinikte fayda sağlamak üzere geliştirilebilir. Bu tekniklerin kliniğe uygulanabilirliği ve daha yüksek örneklemle ilerletilen sınıflandırma doğruluğu gösterildikten sonra, bu protokoller kliniklerde patologlara GB'nin daha yüksek doğrulukla tanımlanmasında yardımcı olabilir.
Özet (Çeviri)
Glioblastoma (GB) is the most common primary malignant brain tumor. Despite improvements in treatments, survival probability has remained shorter than 2 years for most patients over the last 20 years. Accurate diagnosis of GB requires pathological evaluation of the tumor tissues using light microscopy, along with routine or specialized staining. Recent research also identified significant genetic/epigenetic alterations that influence diagnosis, prognosis, and treatment in addition to routine pathological evaluation. Identification requires the tissue to be sampled many times and analyzed using different methods that require additional time, resources, and expertise. To determine whether the tissue used for routine analysis can also be used to perform more detailed and comprehensive analysis without staining, we propose to use Raman Spectroscopy (RS), which is a label-free and non-destructive technique. RS provides molecule-specific spectra from the chemical composition of the sample for rapid analysis. In this thesis, we investigated GB, white matter (WM), gray matter (GM), and necrosis (NC) regions of GB patients using RS to determine whether a similar precision can be achieved as the routine histomorphologic diagnostic process. First, we proposed a refined protocol for effectively clearing paraffin from Formalin-Fixed Paraffin-Embedded brain tissue sections, without destroying the sample morphology and chemical composition, for eliminating the substantial Raman spectra of paraffin. We demonstrated that the less expensive and less toxic clearing agent CleareneTM removes paraffin as effectively as p-Xylene, the mostly used clearing agent in histopathology laboratories. Thus, we suggest substituting CleareneTM with p-Xylene for deparaffinization of brain tissue sections for Raman spectral analysis. Second, we optimized the choice of Raman spectrum acquisition parameters (excitation wavelength, acquisition time, accumulation count,), tissue thickness, and Raman substrate type (CaF2, glass). Third, we acquired the Raman spectra of GB, WM, GM, and NC regions and analyzed the spectral profile regarding the Raman peaks given in the literature. Raman spectra of GB and WM regions (nGB = 20, nWM = 18), which were annotated by an expert neuropathologist, have been classified with 87.2±1% GB and 90.7±1% WM training/test accuracies using machine learning models (SVM, kNN, RF). The effect of pre-processing of Raman spectra on classification accuracies has been investigated. Sample preparation conditions, Raman acquisition protocols, and machine learning classification models showed a successful proof-of-concept demonstration for the proposed Raman-based GB identification workflow. While there is room for further refining the machine learning models for improved training and validation accuracies, these protocols could be improved for eventual clinical utility. Once the clinical applicability and refined classification accuracies are demonstrated, these protocols might assist neuropathologists in error-free identification of GB in the clinics.
Benzer Tezler
- Synthesis, characterization and functionalization of vertically aligned carbon nanotube arrays
Dik olarak hizalanmış karbon nanotüplerin sentezlenmesi, karakterizasyonu ve işlevselleştirilmesi
GÖKÇE KÜÇÜKAYAN DOĞU
Doktora
İngilizce
2012
Fizik ve Fizik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
YRD. DOÇ. DR. ERMAN BENGÜ
- Amniyon sıvısında mikroplastiklerin araştırılması
Investigation of microplastics in the amniotic fluid
FATMA AYCAN ÜGE ENGİN
Tıpta Uzmanlık
Türkçe
2024
Kadın Hastalıkları ve DoğumSüleyman Demirel ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. MEKİN SEZİK
- Environmentally friendly components for energy storage devices
Enerji depolama cihazlarında çevre dostu bileşenlerin kullanımı
ELENA STOJANOVSKA
Doktora
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
DOÇ. DR. ALİ KILIÇ
- In vıtro ortamda yetiştirilen buğdayın mikroyapısal analizlerinin spektroskopik ve mikroskobik yöntemlerle incelenmesi
Investigation of microstructural analyses of wheat grown in in vitro condition by spectroscopic and microscopic methods
MERVE SİRKECİ
Yüksek Lisans
Türkçe
2021
Biyofizikİstanbul ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. FEYZA GÜZELÇİMEN
DOÇ. DR. AYŞE ŞEN
- Classification of bound water and collagen denaturation status of cortical bone by Raman spectroscopy
Başlık çevirisi yok
MUSTAFA ÜNAL