样本准备在加强深度学习增强空间转录学工作流程中的被忽视的作用
medRxiv : the preprint server for health sciences
|October 24, 2023
概括
增强的组织准备工作流显著改善了结直肠癌 (CRC) 研究中的空间转录学深度学习模型. 这种新的方法在识别空间生物标志物方面提供了更高的准确性,以改善诊断和预后.
科学领域:
- 整合性基因组学和计算病理学
- 在空间转录组学中深度学习应用.
背景情况:
- 应用到空间转录学 (ST) 的深度学习 (DL) 显示了将基因表达与疾病中的组织架构联系起来的希望.
- 目前的ST方法面临着组织制备变性,高成本和有限的可扩展性等挑战,阻碍了更广泛的采用.
- 需要加强样本处理,以提高基于DL的ST的测试可靠性,分辨率和可扩展性.
结论:
- 增强的样本处理工作流改善了基于DL的ST准确性和可靠性,用于生物标志物发现.
- 这种方法可以增强诊断和预后生物标志物检测,可能与转移和复发联系起来.
- 组织技术专家,病理学家和基因组学专家之间的合作对于在癌症研究中推进空间转录学至关重要.
