脑组织中的诊断细胞的多参数定量分析,来自结核性硬化综合体的脑组织
Jerome S Arceneaux1, Asa A Brockman2, Rohit Khurana2
1Department of Biochemistry, Cancer Biology, Neuroscience, and Pharmacology, Meharry Medical College, Nashville, Tennessee, USA.
Cytometry. Part B, Clinical cytometry
|July 2, 2024
概括
我们开发了BAIDEN,这是一种机器学习工具,可以使用高维成像来识别结核性硬化综合体 (TSC) 脑组织中的气球细胞 (BC). 这促进了TSC的分子表征,并有助于在研究模型中识别BC.
科学领域:
- 生物医学成像学 生物医学成像学
- 计算病理学计算病理学
- 分子诊断学 分子诊断学
背景情况:
- 结核性硬化综合体 (TSC) 是一种遗传性疾病,其特征是良性瘤生长.
- 气球细胞 (BCs) 是TSC脑组织中的诊断标记物,但它们的分子身份尚未完全理解.
- 准确的BC鉴定对于研究模型和理解TSC病原性至关重要.
研究的目的:
- 开发一个计算管道,用于在TSC中自动识别BC.
- 用高维成像质细胞计 (IMC) 来分子描述BCs.
- 建立一个工作流程来分析人体组织中的细胞特征.
主要方法:
- 开发一个机器学习管道 (BAlloon IDENtifier; BAIDEN) 用于BC检测.
- 应用36个抗体面板与IMC用于高维单细胞分析.
- 将BAIDEN与IMC数据和分析管道集成,以进行全面的BC分析.
主要成果:
- 通过使用一种新的计算方法,成功地在TSC脑组织段中发现BCs.
- 探索多种蛋白质标记物,在患者样本中定义保存的BC特征.
- 在TSC背景下描述BC的丰富性,结构和信号活动.
结论:
- 高维成像与机器学习相结合,为在人类疾病中表征罕见细胞类型提供了强大的工具.
- 开发的工作流提供了一个框架,用于分子定义的诊断细胞在复杂的疾病,如TSC.
- 这种方法促进了在临床样本和实验模型中研究BCs,推动了TSC研究.
