通过从常规染色中虚拟推断空间转录组学来提高皮肤光衰老的大规模分子评估的潜力

科学领域:

• 生物技术是生物技术.
• 皮肤病学 皮肤病学
• 计算生物学 计算生物学

背景情况:

• 空间转录学推进了组织分析,但面临成本和可变性挑战.
• 光衰老,皮肤受到阳光照射的损伤,是皮肤癌的主要危险因素.
• 目前的光衰老评估方法缺乏客观性和可重复性.

研究的目的:

• 从标准的血素和素 (H&E) 染色的皮肤组织幻灯片中推断空间转录学数据.
• 为客观和可重复的光衰老评估开发机器学习模型.
• 为了克服当前空间转录组学试验的局限性,进行大规模研究.

主要方法:

• 使用Visium CytAssist在261个皮肤样本的H&E幻灯片上进行空间转录.
• 同时注册的转录数据与40x分辨率的整个幻灯片成像 (WSI).
• 开发了机器学习模型来推断转录组形状和生物通路.

主要成果:

• 机器学习模型实现了0.80的中位数AUC和0.61的F1得分的转录学推理.
• 模型准确地捕捉了各种组织架构中的生物通路.
• 从H&E幻灯片中成功推断出空间转录学信息,证明了可行性.

结论:

• 来自H&E幻灯片的推断空间转录学提供了对当前方法的成本有效和可扩展的替代方案.
• 这种方法使客观和可重复的光衰老评估成为可能,这对于皮肤癌研究至关重要.
• 促进对组织结构和细胞异质性在光衰老和致癌过程中的更深入的理解.