对前列腺瘤微环境的数字分析,具有高阶染色体复杂化

科学领域:

• 病理学 病理学 病理学
• 数字病理学数字病理学
• 生物标志物发现发现

背景情况:

• 布莱特菲尔德色素分析是瘤微环境分析的标准,但仅限于低阶分析.
• 先进的分析算法需要评估与高阶亮场多重化图像的兼容性.

研究的目的:

• 开发和评估一种新的6标记者前列腺癌测定方法,使用混合亮场染色多重复合.
• 评估高阶复杂图像与数字病理学的先进分析算法的兼容性.

主要方法:

• 开发了一种针对前列腺特异性 (PSMA,p504s),免疫性 (CD8,PD-L1),预后性 (Ki-67) 和诊断性 (基底细胞尾酒) 生物标志物的6标记测试.
• 应用了对143个前列腺腺癌组织的测定,使用光谱复杂化平台进行成像.
• 利用提取的蛋白质和空间特征来训练UMAP模型进行组织分化和等级识别.

主要成果:

• 该UMAP模型以89%的准确度区分健康和癌症组织,并根据癌症等级识别了细胞群.
• 空间分析显示,与健康对照人群相比,p504s阳性细胞与癌症组织中的免疫和基底细胞相近.
• 证明了高阶染色体复合与数字分析的兼容性,以获得瘤微环境的洞察力.

结论:

• 高级明亮场染色多重复合与先进的数字分析兼容,为前列腺癌研究提供了强大的工具.
• 开发的测试为前列腺瘤微环境的空间和蛋白质指纹提供了洞察力.
• 这种混合方法将临床测试的适用性与数字病理学对翻译研究的诊断能力结合在一起.