瘤免疫分区和集群算法用于识别瘤免疫细胞在瘤微环境中的空间相互作用特征

Mai Chan Lau1,2,3, Jennifer Borowsky4, Juha P Väyrynen3,5,6

  • 1Bioinformatics Institute (BII), Agency for Science, Technology and Research (A* STAR), Singapore, Republic of Singapore.

PLoS computational biology
|February 18, 2025
PubMed

Insights

一个新的算法,瘤免疫分区和聚类 (TIPC),揭示了瘤内的免疫细胞的独特空间模式. 这些模式,而不仅仅是细胞计数,与结直肠癌存活率有关,可以改善精确免疫治疗的瘤亚型.

科学领域:

  • 计算病理学计算病理学
  • 瘤微环境分析分析
  • 精确瘤学是一门精确的专业.

背景情况:

  • 描述瘤微环境的细胞组织对于精确瘤学至关重要.
  • 分析免疫细胞透的现有方法 (计数,最近的邻居) 缺乏关于空间组织和异质性的细节.

研究的目的:

  • 介绍瘤免疫分区和聚类 (TIPC),一种计算算法.
  • 测量瘤内的免疫细胞分裂和空间分布 (集群与分散).

主要方法:

  • 应用TIPC对结直肠癌 (n=931) 和肝细胞癌队列.
  • 利用多重复合免疫光技术进行T淋巴细胞识别和表型定型.
  • 嵌入式形态学和监督机器学习用于氨基和中性粒细胞识别.

主要成果:

  • 在结直肠癌中确定了6种无监督的TIPC亚型 (2冷,4热),其中热亚型与更好的生存率有关.
  • 空间模式,不仅仅是T细胞密度,与预后相关.
  • 在微卫星不稳定性高的结直肠癌中发现了不同的亚型,并在肝细胞癌中确定了关键细胞相互作用.

结论:

  • TIPC算法能够无监督地发现组织组织模式和新型瘤亚型.
  • 增强对瘤免疫微环境的理解.
  • 为精确癌症免疫疗法的发展提供信息.
抽象的

No abstract available in PubMed .