斯皮德-Sr:盲目的超分辨率网络用于精确的细胞细分和集群在空间蛋白质组学成像中.
Rui Chen1,2, Jiasu Xu1,2, Boqian Wang1,2
1Department of Anesthesiology and Surgical Intensive Care Unit, Xinhua Hospital, School of Medicine and School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
Nature communications
|March 29, 2024
概括
SpiDe-Sr将空间蛋白质组学成像分辨率提高了4倍,提高了细胞分析的准确性. 这种深度学习工具还揭示了细菌.
科学领域:
- 生物医学成像学 生物医学成像学
- 蛋白质组学是指蛋白质组学
- 计算生物学是一种计算生物学.
背景情况:
- 使用成像质细胞计 (IMC) 的空间蛋白质组学提供了深入的细胞洞察力,但受到成像噪声和分辨率的限制.
- 准确的临床分析需要在空间蛋白质组数据中提高精度.
- 现有的方法很难克服IMC分辨率和噪声的固有局限性.
研究的目的:
- 开发一个超分辨率网络,SpiDe-Sr,以提高IMC数据的空间分辨率.
- 为改善临床应用的空间蛋白质组学分析的准确性和可靠性.
- 用增强的空间蛋白质组数据研究乳腺癌中的瘤微环境.
主要方法:
- 开发了SpiDe-Sr,这是一个深度学习网络,具有集成的无噪模块,用于增强空间分辨率.
- 将SpiDe-Sr应用于细胞,小鼠和人类组织样本以评估性能.
- 在20名乳腺癌患者的队列中验证了SpiDe-Sr,分析了269,556个单细胞.
主要成果:
- 斯皮德-Sr在空间分辨率上实现了4倍的改进,并有效降低了成像噪声.
- 在不同样本类型中,峰值信号与噪声比率 (18.95%-27.27%) 和细胞提取精度 (15.52%-31.63%) 显著增加.
- 在乳腺癌中发现了格拉姆阴性细菌入侵,致癌标志物和免疫标志物之间的相关性.
结论:
- SpiDe-Sr是一个强大的工具,用于提高IMC的空间蛋白质组学数据质量.
- 该方法提高了细胞分析的准确性,并使我们能够更深入地了解复杂的生物系统,如瘤微环境.
- 斯皮德-Sr与光显微镜的兼容性表明,它在超分辨率生物成像中具有更广泛的适用性.


