博雯 梦晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI

没想到，天文学家开始研究癌症了。

看看下面这两张图，是不是很像？

来自约翰霍普金斯大学的天文学家Alexander Szalay和病理学家Janis Taube发现，人体内细胞间的关系和宇宙中天体的关系有着惊人的相似性。

而且研究方法和流程也可以相互借鉴：

通过改造汇集多个望远镜图像的算法，开发出癌症分析成像平台AstroPath(天文学Astronomy和病理学Pathology的缩写)。。

以往的方法每次只能观测单个标记物，而AstroPath可以跟踪20-30个标记物，提供的信息是之前的1000倍。

用上这个办法可以做到，根据每个癌症病人的具体的情况分析疗法有效性。

这项研究刊登在最新一期Science上。

免疫抗癌疗法

从上世纪80年代起就有对增强人体免疫系统治疗癌症的探索。

免疫细胞中的杀伤性T细胞，就能对癌细胞进行有效杀伤。

啊不对，是这个：

但癌细胞有一种“分子盾牌”防御机制，通过表面的PD-L1的配体蛋白与T细胞的受体PD-1蛋白结合。

可释放出抑制信号，杀伤性T细胞就会被诱导进入静息状态，失去战斗力，就像这样：

啊不对，是这样：‍

严重的情况下T还会使T细胞凋亡或减少增值，癌细胞就可以肆无忌惮的繁殖了。

对此，科学家研制出阻断药，分别与PD-1和PD-L1结合，让杀伤性T细胞保持战斗力。

可惜的是，这种阻断药不是对所有人都有效。

如果有办法快速判断出PD-1/PD-L1阻断药是否起作用就好了，不仅可以为患者节省金钱，还能尽早让患者转向别的疗法。

像绘制星象图一样分析癌症

2018年，Janis Taube正在约翰霍普金斯大学里做皮肤癌（比如黑色素瘤）的病理学研究。

她主要的工作是观察免疫系统和肿瘤细胞之间的互相作用，以此来预测病人对于特定治疗的反应。

这时候就要使用不同的荧光染料（fluorescent dyes）来标志特定的细胞或蛋白质，去观察分子层面的特定的生物反应了。

但不同的染料颜色经常会在光谱里疯狂重叠，观察效果实数废拉不堪。

而且，哪怕是一小份生物样本，往显微镜下一放，那也是一个包含了数百万细胞的巨大数据集。

要辨认数种模糊不清的颜色，还要将数量如此巨大的荧光图像拼接起来，真的很难不令人头秃。

而这时，同在约翰霍普金斯大学，Alexander Szalay领导的天文物理学团队立马就表示，诶你的心愿我收到了。

毕竟他们的日常工作就是将数十亿天体的数百万张望远镜图像拼接在一起，而且每个天体也会有各自的特征，这不跟一份生物样本上的不同荧光标签差不多？

而且Szalay博士的团队已经通过斯隆数字化巡天（Sloan Digital Sky Survey）项目创建了有史以来最详细的宇宙三维地图了：

△2012年观测到的M33星系

那绘制相对固定不动，还没有天气干扰的病理切片岂不是洒洒水？

于是在2018年，两位不同领域的专家一拍即合，Taube利用天体物理学领域的经验、过程和工具创建了一个多因素模型。

Taube的这份天体物理版的生物模型确实大大加快了收集和分析数据的速度，她也因此这样感慨：

谁能想到天文学能向我们提供这么多东西呢？Szalay博士在21世纪的数据处理手段改变了世界研究天文学的方式，而我也希望我们的合作能成为科学界的另一个“大数据共享”模型。

而在第二年，2019年的9月25日，Taube和Szalay又一起在数据科学（The Data Science）的系列研讨会上发表了演讲。

在演讲中，他们详细讲述了如何利用描绘星系的技术来绘制肿瘤的微环境，希望通过这种方法更好地了解肿瘤的结构及弱点。

△使用多重免疫荧光技术照亮肿瘤微环境：天文学加速病理学发展

自此，天文物理和病理这两个领域就有了更加密切的合作。

到了2020年，约翰霍普金斯大学与马克癌症研究基金会（The Mark Foundation for Cancer Research）合作，共同创建了一个新的癌症研究中心。

△左三Janis Taube，左四Alexander Szalay

新中心汇集了天文学图像分析、病理学、计算机科学、癌症基因组学和免疫基因组学各个领域的专家。马克基金会CEO对此表示：

面对癌症带来的巨大挑战，需要将不同学科和专业领域组成起来……而我们的这一中心，就可以将天文夜空分析的模型变成可以用来分析癌症肿瘤的模型！

也就是在这一年，科学家们合作创建了一个名为AstroPath的新平台。

而在2021年联合发表的论文中，研究者们详细展示了AstroPath平台是如何从动辄直径百万公里的天体的星系成像，来到百万分之一英寸的癌细胞成像中的。

在通过多重免疫荧光（mIF）技术，将不同类型的蛋白质标记以不同颜色的荧光分子后，AstroPath平台就带着学自天文学星系成像的技术上场了。

利用天文物理学中已经成熟的天体映射（celestial object mapping）算法，将mIF标记成像的荧光图像缝合起来——

最终形成一张显微镜载玻片上的二维、多色，且具有单细胞分辨率的肿瘤微环境（TME）图像。

天文学中，我们经常会问：星系互相靠近的概率是多少？而在观察肿瘤细胞时，这显然是一个不同规模下的相同问题。

Alexander Szalay这样解释道。

再回到我们之前所说过的PD-1阻断药上。

长久以来，要测试抗PD-1的疗效只能通过免疫化学测试的方法，这种方法是单维的，充满了局限性。

但现在，在这个被细胞替代了天体位置的“星系”图像中，就可以从单个细胞的层面很清楚地看到肿瘤细胞时怎么和周围的组织互相推拉的。

就像是看宇宙星系图之间的不同天体是如何互相作用的那样。

数据密集型科学

AstroPath已用于分析肺癌和两种皮肤癌的2.26亿个癌细胞，单这三种癌症需要处理的数据就比斯隆数字化巡天系统有史以来处理过的所有数据都要多了。

但对于癌症的种类来说，这还远远不够。

Szaley认为数据密集型科学成为了一种新的范式。

但我们面临的技术挑战是如何在大规模收集数据时获得一致、可重复的结果？

接下来还有一些重要步骤：我们要通过多机构研究将这些测试标准化，然后进行前瞻性临床试验，让病人们享受到AstroPath平台所带来的诊断优势

除了帮助医生进行疾病诊断，Taube还希望他们能在未来建立一个开源的肿瘤免疫图谱，就像是癌症基因图谱（TCGA）一样。

作者介绍

Janis Taube是约翰霍普金斯大学医学院的皮肤学和病理学教授，也是其医学院皮肤病理学的部门主任。

她的工作主要集中在黑色素瘤及其他皮肤癌的诊断和研究上。

而Alexander Szalay是约翰霍普金斯大学物理学、天文学和计算机科学的彭博杰出教授。同时，他也是全球使用最广泛的天文设施——斯隆数字巡天科学委员会的主席。

论文链接：
https://science.sciencemag.org/content/372/6547/eaba2609

AstroPath平台：
https://cancerres.aacrjournals.org/content/80/16_Supplement/6584

参考链接：
[1]https://www.curemelanoma.org/blog/article/when-astrophysics-and-melanoma-collide
[2]https://datascience.cancer.gov/news-events/events/illuminating-tumor-microenvironment-using-multiplex-if-astronomy-accelerates
[3]https://themarkfoundation.org/2020/01/new-cancer-center-established-at-johns-hopkins-university/
[4]https://scitechdaily.com/sky-mapping-astronomy-algorithms-meet-pathology-to-identify-predictive-biomarkers-for-cancer-immunotherapy/