快速可视化PD-L1表达水平在质母细胞瘤免疫微环境中通过基于机器学习级联的拉曼组织病理学
Qing-Qing Zhou1, Jingxing Guo2, Ziyang Wang3
1Department of Radiology, Jinling Hospital, Affiliated Nanjing Medical University, Nanjing, China; Department of Radiology, The Affiliated Jiangning Hospital of Nanjing Medical University, Nanjing, China.
Journal of advanced research
|December 10, 2023
概括
这项研究介绍了基于机器学习级联 (MLC) 的拉曼基因病理学,用于在质母细胞瘤 (GBM) 免疫微环境中快速,手术内可视化编程死亡连接体1 (PD-L1) 表达,指导免疫治疗.
科学领域:
- 生物医学工程 生物医学工程
- 计算病理学计算病理学
- 免疫组织化学 免疫组织化学
背景情况:
- 组合免疫疗法对质母细胞瘤 (GBM) 患者有前途,编程死亡配体1 (PD-L1) 表达是关键的预测生物标志物.
- 在GBM中异质的PD-L1分布需要在手术期间进行评估,因为手术后的方法耗时,可能不反映剩余瘤状态.
- 准确的PD-L1表达的实时评估对于定制GBM治疗策略和优化免疫治疗反应至关重要.
研究的目的:
- 开发一种新的,快速的,无标签的手术内诊断方法,用于在GBM免疫微环境 (IME) 中成像PD-L1表达.
- 克服传统遗传病理学在评估GBM瘤内异质PD-L1分布方面的局限性.
- 为了能够精确量化PD-L1水平,以指导手术决策和术后免疫治疗.
主要方法:
- 拟议的基于机器学习级联 (MLC) 的拉曼基因病理学,整合了坐标定位系统 (CLS),层次聚类分析 (HCA),支持向量机 (SVM) 和相似性分析 (SA).
- 启用可视化PD-L1表达在质瘤细胞,CD8+ T细胞,巨细胞和正常细胞,以及瘤/正常边界.
- 从拉曼数据和检查的生物化学关联中使用瘤比例,组合阳性和细胞组成得分 (TPS,CPS,CCS) 来量化PD-L1表达.
主要成果:
- 基于MLC的拉曼组织病理学过程,从信号收集到可视化,在30分钟内完成.
- 在小鼠模型中,在细胞识别中表现出高精度 (0.990) 和与多重免疫光 (84.31%) 和病理学家评分 (R2 ≥ 0.9) 的强烈一致.
- 确定了PD-L1表达水平和拉曼峰值强度在837和874厘米-1.1之间的正线性相关性.
结论:
- 介绍了一种新的,可扩展的诊断方法,用于在GBM免疫微环境中快速准确的手术内可视化PD-L1表达.
- 该技术具有显著的潜力,可以改善GBM手术内诊断,指导手术干预,并优化术后免疫治疗.
- 这种方法解决了对GBMPD-L1异质性的实时评估的关键需求,为个性化治疗策略铺平了道路.
