基于图像的分析和深度学习揭示了结直肠癌器官的形态异质性

科学领域:

• 生物医学研究的研究.
• 癌症生物学 癌症生物学
• 机器人技术是机器人技术.

背景情况:

• 患者产生的有机体密切模仿体内生理学,使它们对研究疾病机制和药物疗效有价值.
• 结肠直肠癌有机体表现出不同的形态,但这些视觉亚型和功能特征之间的联系尚未得到充分理解.
• 基于图像的分析已经用于分析有机体形态,但其与功能参数的相关性需要进一步探索.

研究的目的:

• 研究结直肠癌类器官的形态亚型及其功能参数 (如活力和亡) 之间的关系.
• 开发和验证用于分类有机体亚型和预测功能状态的计算模型.
• 确定结直肠癌诊断,预后和复发的潜在形态生物标志物.

主要方法:

• 基于超过31,000张明亮场图像的图像分析,以识别不同的有机体形态亚型.
• 利用对象检测神经网络,根据形态学分类单个有机体,并与生存能力相关联.
• 开发了一个深度生成模型,从明亮场和光图像中预测亡强度,实现与地面真相的0.91相关性.
• 使用scRNA测序来分析细胞异质性,包括结肠细胞类型和免疫成分.

主要成果:

• 在结直肠癌有机体中发现了两种不同的形态亚型",囊性"和"固体".
• 与"固体"有机体相比",囊性"有机体表现出更高的生存能力得分.
• 一个深度生成模型准确地预测了亡强度,证明了其评估器官功能的潜力.
• scRNA测序揭示了细胞异质性和潜在的瘤微环境.
• "囊性"有机体与肠道干细胞特征相关,并被确定为潜在的复发表型.

结论:

• 结直肠癌类器官的形态异质性反映了功能参数和对干扰的反应.
• 基于图像的分析和计算模型为分析有机体表型和功能提供了强大的工具.
• "囊性"形态亚型显示为结直肠癌复发和预后的新生物标志物具有前途.
• 了解器官异质性为结直肠癌机制和潜在的治疗策略提供了新的见解.