交叉链接乳腺瘤的转录态和组织组织学

科学领域:

• 计算病理学计算病理学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 从病理图像中预测基因表达对于癌症患者护理至关重要.
• 由于复杂的,相关的基因表达模式存在挑战.

研究的目的:

• 从整个幻灯片图像 (WSIs) 开发数据驱动的方法来预测癌症基因表达状态.
• 识别生物学上有意义的基因组,以提高预测准确性和临床效用.

主要方法:

• 利用数据驱动的方法来识别相互依赖的基因表达群.
• 采用定制图形神经网络 (GNN) 来预测来自WSIs的基因组状态.

主要成果:

• 成功识别了生物上有意义的基因组,捕捉了患者的基因表达状态.
• 能够直接从组织病理学图像中预测基因表达状态,与临床表型相关联.

结论:

• 这种方法提供了一种从常规病理成像中获得生物见解的新方式.
• 已识别的基因组为治疗应用提供了临床相关的遗传病理学见解.