综合分析方法使胰腺癌细胞亚细胞组件的精确光谱解释成为可能
Krzysztof Szymoński1,2, Katarzyna Skirlińska-Nosek3,4, Ewelina Lipiec3
1Department of Pathomorphology, Medical College, Jagiellonian University, Kraków, Poland. krzysztof.szymonski@uj.edu.pl.
Analytical and bioanalytical chemistry
|October 31, 2023
概括
为早期发现胰腺癌 (PC) 开发先进的分子光谱法至关重要. 本研究引入了一种使用卷积神经网络 (CNN) 和主要成分分析 (PCA) 进行精确的PC细胞光谱分析的新方法.
科学领域:
- 生物医学光谱学 生物医学光谱学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 胰腺癌 (PC) 诊断缺乏特定的早期检测方法,导致晚期呈现和高死亡率.
- 分子光谱技术显示了早期癌症查的潜力,但需要强大的方法来识别和解释光谱特征.
- 精确的光谱分析需要精确地将癌细胞光谱与周围的非癌性组织和流体隔离.
研究的目的:
- 为了比较各种光谱分析方法,单独研究胰腺癌 (PC) 细胞细胞质和细胞核的生物分子组成.
- 建立一个最佳的方法来对PC组织的光谱数据进行分类和解释.
- 为了使癌细胞及其亚细胞组件的精确和认知研究,而不会被周围组织污染.
主要方法:
- 收集了来自16个PC组织样本的主要亚型 (导管腺癌,导管内皮质粘膜癌,Vater癌囊) 的拉曼超谱绘图数据.
- 分析了191,355个拉曼光谱,使用了比较方法,包括等级集群分析,非负矩阵分解,T分布式随机邻居嵌入,主要组件分析 (PCA) 和卷积神经网络 (CNN).
- 提出了一种创新的方法,将CNN用于光谱分类和PCA用于分子表征.
主要成果:
- 基于CNN的光谱分类实现了超过98%的成功验证率.
- 随后使用PCA进行的分析显示,PC亚型之间有明显的分别的光谱特征.
- 在PC细胞的细胞质和细胞核之间发现了光谱组成的差异.
结论:
- 这项研究为分类和解释癌症组织光谱数据建立了最佳的方法,提高了细胞和亚细胞分析的精度.
- 综合CNN和PCA方法为胰腺癌亚型的分子特征和差异化提供了强大的工具.
- 这种方法促进了癌细胞的精确光谱研究,这对于促进胰腺癌的早期诊断策略至关重要.
