根据细胞水平免疫组织化学数据选择最佳的量子蛋白生物标记物
Misung Yi1, Tingting Zhan2, Amy R Peck3
1Division of Biostatistics, Department of Pharmacology and Experimental Therapeutics, Sidney Kimmel Medical College, Thomas Jefferson University, Philadelphia, PA, 19107, USA. misung.yi@jefferson.edu.
BMC bioinformatics
|July 22, 2023
概括
与标准方法相比,分析单细胞蛋白质强度的新型最佳量子生物标志物显示了癌症进展的预后价值. 这种方法通过充分利用细胞水平的定量数据来增强个性化医疗.
科学领域:
- 发现生物标志物的发现.
- 定量病理学的定量病理学.
- 个性化医疗是个性化的医疗.
背景情况:
- 蛋白质生物标志物对于个性化癌症医学至关重要.
- 定量病理学平台在单细胞水平上测量蛋白质表达.
- 目前的方法往往没有充分利用丰富的细胞对细胞定量数据.
研究的目的:
- 调查保留所有定量单细胞蛋白质信息的有用性.
- 开发一种用于选择最佳量子生物标记物的算法.
- 评估这些生物标志物在乳腺癌进展中的预后价值.
主要方法:
- 利用了细胞信号强度分布的量子函数.
- 开发了一种算法,用于对二分化量子的最佳切断选择.
- 将算法应用于乳腺癌进展生物标志物 (Ki-67,PCNA,PD-L2,PR).
- 与标准平均信号强度和百分比正值标记器相对应的验证生物标记物.
主要成果:
- 与标准标记物相比,最佳量子生物标记物显示出更好的预后价值.
- 对于Ki-67,最优的量子生物标志物与已知基于百分比的生物标志物进行了比较.
- 对关键蛋白质来说,最佳的量子生物标志物显示出更大或类似的效果大小 (无进展生存的危险比率).
结论:
- 最佳的量子蛋白生物标志物比标准标志物提供了更好的预后价值.
- 该方法广泛适用于各种单细胞欧米克数据.
- 这种方法最大限度地利用定量单细胞数据来改善临床洞察力.
