全スライド画像からの遺伝子発現のマルチスケールマッピングによる表現型関連サブポピュレーションの同定

科学分野:

• 計算生物学
• ゲノミクス
• 病理学

背景:

• 標的療法と予後的バイオマーカー開発にとって、表現型関連サブポピュレーションの発見は非常に重要です。
• 深層学習を使用した全スライド画像（WSI）からの遺伝的変化の推定のための現在の方法は、しばしば単一のスケールで動作します。
• マルチスケール遺伝子発現解析は、包括的な理解に不可欠です。

研究 の 目的:

• 組織（バルク）および細胞近傍（スポット）レベルの両方でWSIから遺伝子発現を予測するための深層学習フレームワークであるBiSCALEを導入すること。
• これらのマルチスケール遺伝子発現予測を臨床表現型にリンクすること。
• マルチスケール遺伝子解析と表現型関連特徴発見のための費用対効果の高い方法を確立すること。

主な方法:

• WSI基盤エンコーダーとVision-Mamba融合モジュールを統合した深層学習フレームワークであるBiSCALEを開発しました。
• バルクデータとスポットデータの間のスケールと分布の違いに対処するために、2段階のトレーニング戦略を採用しました。
• 3つの癌種にわたる2109のバルク腫瘍サンプルと141,000の空間的トランスクリプトミクススポットでモデルをトレーニングしました。

主要な成果:

• BiSCALEは、確立されたバルクおよび空間的ベースラインをアウトパフォームし、独立したコホートに対してうまく一般化しました。
• 予測されたバルクおよびスポットの遺伝子発現プロファイル間で強い一致が実証されました。
• 生物学的に関連性の高い経路活動を正常に回復し、リスク層別化や細胞同一性注釈などの下流アプリケーションをサポートしました。

結論:

• BiSCALEは、日常的な病理画像からのマルチスケール遺伝子解析のための費用対効果の高いアプローチを提供します。
• このフレームワークは、再発や低酸素症に関連するものを含む、表現型関連サブポピュレーションの発見を容易にします。
• BiSCALEは、患者レベルのリスク層別化やスポットレベルの細胞注釈などの高度なアプリケーションを可能にします。