通过从常规染色中虚拟推断空间转录组学来提高皮肤光衰老的大规模分子评估的潜力
Gokul Srinivasan1, Matthew J Davis, Matthew R LeBoeuf
1Department of Pathology and Laboratory Medicine, Dartmouth Hitchcock Medical Center, Lebanon, NH 03756, USA, gokul.srinivasan.23@dartmouth.edu.
Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
|December 31, 2023
概括
这项研究从标准的H&E染色皮肤幻灯片中推断了空间转录学数据,提供了一种经济有效的方法来研究皮肤衰老和癌症. 机器学习模型准确地预测基因表达,改善客观的光衰老评估.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 皮肤病学 皮肤病学
背景情况:
- 空间转录学揭示了对于理解疾病至关重要的组织异质性.
- 光衰老,皮肤因阳光照射而损伤,是皮肤癌的危险因素,需要客观评估.
- 目前的空间转录组学方法昂贵且存在局限性.
研究的目的:
- 开发一种方法,从常规的血素和素 (H&E) 染色幻灯片中推断空间转录学.
- 为了能够客观和可重复的评估光衰老及其在皮肤致癌中的作用.
- 为了克服当前空间转录组学试验的成本和可扩展性限制.
主要方法:
- 使用Visium CytAssist在H&E染色皮肤样本上进行空间转录组学测试.
- 与整个幻灯片成像 (WSI) 一起注册的空间转录学数据.
- 开发了机器学习模型,从H&E幻灯片中推断转录形状.
主要成果:
- 机器学习模型在推断转录组形状方面取得了高性能 (AUC 0.80,F1 0.61,Spearman 0.60).
- 准确地捕捉了跨多种组织架构的生物通路.
- 从常规组织学中推断空间转录学的可行性.
结论:
- 从H&E幻灯片中推断空间转录学是一种可行且具有成本效益的方法.
- 这种方法可以提高对照衰老和皮肤癌研究的客观评估.
- 促进皮肤病学中大规模的分子流行病学研究.
