Probing tumor aggressiveness via image analysis

Abstract

Cancer is the second leading cause of death worldwide. In this disease, tumor cells have to invade and migrate through various complex structures of the body. It is well-accepted that the physics underlying tissue dynamics play a crucial role in tumor evolution; however, there are not many works bridging clinical applications and physical approaches. Here we analyze the collective migration of three oral human epithelial cells lines - a healthy lineage (HaCat), a less aggressive tumor (CAL27), and a more aggressive tumor (SCC9) - during the formation of in vitro 2D tissues, i.e., monolayers. We compare: how fast they move, if the migration is ordered or not, the extent of correlation of their movement, and how these behaviors change during the tissue’s growth and maturation. We show that SCC9 monolayers present a close to zero average migration velocity, i.e., a signature of a disordered non-collective system, while HaCat and CAL27 present positive values. Moreover, during tissue growth, the average speed of SCC9 has a monotonic decay compared to what is found for the other two lineages. We believe these results are related to the lower number of cell-cell junctions in SCC9 [1, 2]. We also show that HaCat average velocity correlation is higher in space and with lower fluctuations in time than the two tumor lineages. Finally, using the average speed and average correlation measurements, we build a novel diagram that separates the three lineages into three distinct regions of a single graphical representation. An actual clinical application of our diagram is speculative for the time being, given the limitations associated with the in vitro approach and the limited number of samples. Nevertheless, our results indicate a correlation between noncollective behaviors and tumor aggressiveness and pose collective motion quantities as possible tools to classify and diagnose tumor cells. All the analyses were done using an open-source pipeline we developed, available on GitHub in an unsupported beta version. In the near future, we hope the evolution of the techniques used here could help the medical community define new malignancy markers; and, in the long term, help pave the way for a new set of physics-based diagnoses for cancer

O câncer está em segundo lugar nas causas de morte no mundo. Nessa doença, as células tumorais precisam invadir e migrar através de várias estruturas complexas do corpo. É bem aceito que a física subjacente à dinâmica do tecido desempenha um papel crucial na evolução do tumor; no entanto, não existem muitos trabalhos ligando aplicações clínicas e abordagens físicas. Aqui, analisamos a migração coletiva de três linhas de células epiteliais humanas orais - uma linhagem saudável (HaCat), um tumor menos agressivo (CAL27) e um tumor mais agressivo (SCC9) - durante a formação de tecidos 2D in vitro, i.e., monocamadas. Nós comparamos: quão rápido eles se movem, se a migração é ordenada ou não, a extensão da correlação de seu movimento e como esses comportamentos mudam durante o crescimento e maturação do tecido. Mostramos que monocamadas de SCC9 apresentam velocidade média de migração próxima a zero, ou seja, a assinatura de um sistema não coletivo, enquanto HaCat e CAL27 apresentam valores positivos. Além disso, durante o crescimento do tecido, a velocidade média da SCC9 apresenta uma queda monotônica em relação ao que é encontrado para as outras duas linhagens. Acreditamos que esses resultados estejam relacionados ao menor número de junções célula-célula da SCC9 [1, 2]. Também mostramos que a correlação da velocidade média da HaCat é maior no espaço e tem menores flutuações no tempo. Finalmente, usando as medidas de velocidade média e correlação média, construímos um novo diagrama que separa as três linhagens em três regiões distintas de uma única representação gráfica. Uma aplicação clínica do nosso diagrama é especulativa por enquanto, dadas as limitações associadas com a abordagem in vitro e ao número limitado de amostras. No entanto, nossos resultados indicam uma correlação entre comportamentos não coletivos e agressividade de tumores e sugerem que o movimento coletivo poderia ser usado como ferramentas para classificar e diagnosticar células tumorais. Todas as análises foram feitas usando uma pipeline de código aberto que desenvolvemos, disponível no GitHub em uma versão beta sem suporte. Em um futuro próximo, esperamos que a evolução das técnicas usadas aqui possam ajudar a comunidade médica a definir novos marcadores de malignidade; e, a longo prazo, ajudar a pavimentar o caminho para um novo conjunto de diagnósticos de câncer baseados em física.