肺瘤免疫微环境的单细胞空间景观
Mark Sorin1,2, Morteza Rezanejad3,4, Elham Karimi1
1Rosalind and Morris Goodman Cancer Institute, McGill University, Montreal, Quebec, Canada.
Nature
|February 1, 2023
概括
对肺腺癌瘤的空间分析揭示了与患者存活相关的独特免疫细胞模式. 人工智能可以使用小瘤样本预测手术后的进展,帮助临床管理.
科学领域:
- 免疫学
- 癌症学
- 计算生物学
背景情况:
- 单细胞技术提供了高分辨率的瘤免疫微观环境.
- 瘤亚型的组织病理学分类往往忽视了细胞表型的空间背景.
研究的目的:
- 通过各种组织学模式对肺腺癌的瘤和免疫景观进行空间特征.
- 确定与临床结果相关的空间免疫细胞特征,包括患者的存活率.
主要方法:
- 用成像质细胞测量分析了416名肺腺癌患者的样本.
- 使用深度学习模型预测小瘤组织核心的术后进展.
主要成果:
- 超过160万个细胞被解析,使免疫系和激活状态的详细空间分析成为可能.
- 发现特定的空间免疫表型具有显著的临床相关性,特别是患者的存活率.
- 一个深度学习模型使用单个1毫米2的瘤核心准确预测患者的进展.
结论:
- 对瘤免疫微环境的空间分析为肺腺癌的进展提供了关键的见解.
- 人工智能与空间单细胞数据相结合,可以提高对癌症进展的理解,并为临床管理策略提供信息.
- 生成的数据集是非小细胞肺癌研究的宝贵资源.
