Detección de estructuras topológicas clínicamente relevantes en proteómica espacial multiplexada utilizando TopKAT

Área de la Ciencia:

• Biología computacional
• Investigación del cáncer
• Métodos estadísticos

Sus antecedentes:

• La proteómica espacial multiplexada revela complejas disposiciones celulares dentro del microambiente tumoral (TME).
• La organización espacial celular en el TME es clínicamente significativa, ya que afecta el pronóstico de la enfermedad y la eficacia del tratamiento.
• Los métodos estadísticos existentes son insuficientes para analizar datos espaciales a nivel celular frente a resultados a nivel de paciente.

Objetivo del estudio:

• Introducir un marco estadístico novedoso, la prueba de asociación de kernel topológico (TopKAT), para el análisis de datos de proteómica espacial.
• Evaluar la asociación entre las estructuras geométricas celulares en el TME y los resultados del paciente (continuos, binarios, supervivencia).
• Proporcionar un método robusto para predecir resultados clínicos basados en la topología celular espacial.

Principales métodos:

• TopKAT integra la homología persistente para cuantificar las características topológicas de las disposiciones celulares utilizando diagramas de persistencia.
• Emplea pruebas de kernel para comparar las similitudes entre diagramas de persistencia basadas en el recuento de homología y la vida útil.
• El método analiza datos espaciales a nivel celular para identificar asociaciones con resultados clínicos a nivel de paciente.

Principales resultados:

• TopKAT demuestra potencial para aumentar la potencia estadística en comparación con los métodos existentes, especialmente para estructuras celulares en forma de anillo.
• El estudio valida la utilidad de TopKAT en el análisis de conjuntos de datos de cáncer de mama y colorrectal.
• El método vincula eficazmente la topología celular espacial con los resultados del paciente.

Conclusiones:

• TopKAT ofrece un nuevo y potente enfoque para analizar datos complejos de proteómica espacial en la investigación del cáncer.
• Este método puede mejorar la predicción del pronóstico del paciente y la respuesta al tratamiento al incorporar información espacial celular.
• TopKAT proporciona una herramienta valiosa para comprender las implicaciones clínicas de la geometría celular en el TME.