H&E画像からのタンパク質カスケード発現の予測 | JoVE Visualize

科学分野:

計算病理学
腫瘍学における人工知能
生物医学データ分析

背景:

がんの発生における腫瘍形成経路のタンパク質発現は鍵となります。
下流のタンパク質シグナルの予測は、がんの進行を理解するために不可欠です。
現在のAIモデルは、しばしば単一のタンパク質を予測し、シグナル伝播に関する洞察を欠いています。

研究の目的:

乳がんにおける下流のタンパク質発現を予測するためのAIモデルを開発および評価すること。
このタスクのために、細胞レベルとパッチレベルのVision Transformer（ViT）のパフォーマンスを比較すること。
タンパク質発現の予測にアポトーシスおよびDNA損傷/修復（DDR）カスケードの有用性を評価すること。

主な方法:

TCGA-BRCAデータセットからの逆相タンパク質アレイ（RPPA）および全スライド画像（WSIs）を利用しました。
細胞レベルのViTモデル（CellViT）を開発し、パッチレベルのViTモデルと比較しました。
対照としてDDRカスケードを使用し、アポトーシスにおける5つの主要タンパク質の予測に焦点を当てました。

主要な成果:

パッチレベルのViTモデルは、統計的に有意な予測結果（R二乗値<0.1）を達成できませんでした。
CellViTは予測能力を示し、5つのテストフォールド全体でR二乗値>0.1を達成しました。
形態学的に示唆的なアポトーシスカスケードは、DDRカスケードよりも有意に高い予測性能をもたらしました。

結論:

CellViTのような細胞レベルのAIモデルは、WSIから下流のタンパク質発現を予測するために、パッチレベルのモデルよりも効果的です。
アポトーシスのような形態学的に関連のある生物学的経路は、AI駆動のタンパク質発現予測のより良いターゲットです。
このアプローチは、がんにおける機能的タンパク質シグナル伝達を推定するための新しい方法を提供します。