使用高分辨率流细胞计查和机器学习识别与癌症相关的白细胞样本
David A Simon Davis1, Melissa Ritchie1, Dillon Hammill2
1Irradiation Immunity Interaction Lab, Australian National University, Canberra, ACT, Australia.
Frontiers in immunology
|August 21, 2023
概括
血液免疫细胞特征,特别是单细胞子集,可以作为癌症检测和进展的生物标志物. 在这些签名上训练的机器学习模型在识别癌症存在和类型方面表现有前途.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 机器学习 (ML) 通过建模复杂数据来帮助临床决策.
- 识别新的生物标志物可以提高ML在癌症检测中的有效性.
- 与癌症相关的免疫细胞特征是生物标志物发现的一个有希望的领域.
研究的目的:
- 研究血液免疫细胞的特征,作为癌症进展的潜在生物标志物.
- 开发和测试用于识别癌症特异性白细胞生物标志物的管道.
主要方法:
- 开发了一种多参数细胞表面标记物选管道.
- 利用流细胞计量用于高分辨率白细胞群体概况.
- 雇佣的CAT提升了用于癌症预测的机器学习模型.
主要成果:
- 识别了血液白细胞子集的签名,包括单细胞子集.
- 证明这些签名可以预测在小鼠模型中癌症的存在和类型.
- 成功训练ML模型,将免疫细胞概况与癌症状况相关联.
结论:
- 血液免疫细胞签名显示出作为癌症检测和表征的强大生物标志物的潜力.
- 开发的查管道可以适应用于人类癌症患者的血液样本.
- 这种方法为增强基于ML的癌症诊断提供了一个新的策略.
更多相关视频
08:25Mass Cytometry Analysis of Systemic and Local Immune Responses in Hepatocellular Carcinoma
Published on: April 25, 2025
227
09:44Flow Cytometric Analysis of Mitochondrial Reactive Oxygen Species in Murine Hematopoietic Stem and Progenitor Cells and MLL-AF9 Driven Leukemia
Published on: September 5, 2019
7.3K
