空間ヒストロジー画像からHPCellを通して細胞の種類を正確に予測する

科学分野:

• コンピュータ生物学
• ゲノミクス
• 病理学について

背景:

• 空間トランスクリプトミクス (ST) は組織構造と細胞の相互作用に関する比類のない洞察を提供します.
• 高額なシーケンシングコストは,STの普及を制限しています.
• 既存の方法は,しばしばトランスクリプトミックのプロフィールを予測しますが,細胞の種類を直接組織学画像から推定することはめったにありません.

研究 の 目的:

• 費用対効果の高いディープラーニングフレームワークであるHPCellを開発し,H&Eで染色した組織学画像から直接細胞の種類を推論する.
• 空間トランスクリプトミクスの高いシーケンシングコストの限界に対処する.

主な方法:

• HPCellは,病理学基盤,ハイパーグラフ,トランスフォーマーモジュールを含むディープラーニングフレームワークを使用しています.
• 全スライド画像 (WSIs) を修正し,形態学的特徴のために処理します.
• ハイパーグラフは空間的関係をモデル化し トランスフォーマーは長距離依存関係を捉えます

主要な成果:

• HPCellは,組織学画像から細胞の種類を正確に推定します.
• フレームワークは,複数のSTデータセットで最先端の方法と比較して優れたパフォーマンスを示しています.
• HPCellは組織分析のためのスケーラブルで費用対効果の高いソリューションを提供します.

結論:

• HPCellは,STの細胞型豊富度推定のための高価なシーケンシングの実行可能な代替案を提供します.
• このアプローチにより 組織構造と細胞の相互作用を より深く理解できます
• HPCellは,空間トランスクリプトミックのアクセシビリティとアプリケーションを大幅に拡大する可能性があります.