PRISM: un paquete de Python para el análisis interactivo e integrado de microarrays de tejidos multiplexados

Área de la Ciencia:

• Biología computacional
• La bioinformática
• Proteomía

Sus antecedentes:

• Los microarrays de tejidos (TMA) permiten el análisis simultáneo de múltiples muestras de tejidos, conservando recursos y permitiendo un cribado eficiente para aplicaciones clínicas.
• Las imágenes multiplexadas proporcionan perfiles de proteínas espaciales con resolución de una sola célula, cruciales para comprender los microambientes tumorales y los mecanismos de la enfermedad.
• El análisis de datos proteómicos espaciales de alto complejo es vital para el descubrimiento de biomarcadores, pero carece de herramientas computacionales integrales.

Objetivo del estudio:

• Presentar PRISM, un paquete de Python para el análisis interactivo de extremo a extremo de las TMA utilizando datos proteómicos multiplexados.
• Facilitar la investigación traslacional y clínica mediante la simplificación del análisis de los datos de la óptica espacial.
• Proporcionar una interfaz intuitiva para que los investigadores traduzcan las imágenes multiplexadas en imágenes clínicas procesables.

Principales métodos:

• PRISM utiliza el marco SpatialData para el almacenamiento y la interoperabilidad estandarizados de datos.
• Incluye el análisis de imágenes TMA para el enmascaramiento de tejidos, desarrollo, segmentación celular y extracción de características.
• Características Análisis de AnnData para el control de calidad, agrupación, anotación de tipo de célula y análisis espacial, integrado en napari para uso interactivo.

Principales resultados:

• PRISM permite el enmascaramiento de tejidos basado en marcadores, la eliminación de TMA y la extracción de características de una sola célula.
• Facilita el control de calidad, el agrupamiento, la anotación por tipo de célula y el análisis espacial de los datos proteómicos.
• Ofrece un procesamiento de imágenes de resolución múltiple eficiente y acelera los flujos de trabajo de bioinformática a través de estructuras de datos escalables, paralelización y aceleración de GPU.

Conclusiones:

• PRISM proporciona una solución modular, computacionalmente eficiente e interactiva para el análisis de datos ópticos espaciales.
• Simplifica la traducción de imágenes multiplexadas crudas en conocimientos clínicamente relevantes.
• Permite a los investigadores explorar e interactuar eficazmente con conjuntos de datos proteómicos espaciales complejos para el descubrimiento de biomarcadores.