MOSBY能够从整个幻灯片图像中进行多原子推断和空间生物标志物发现
Yasin Şenbabaoğlu1, Vignesh Prabhakar2, Aminollah Khormali2
1Genentech, Inc., South San Francisco, CA, 94080, USA. shenbaba@gmail.com.
Scientific reports
|August 6, 2024
概括
新的人工智能模型MOSBY从H&E图像中识别出用于癌症预后的空间生物标志物. 它将组织图像与omics数据联系起来,揭示临床决策的生存预测特征.
科学领域:
- 计算生物学是一种计算生物学.
- 数字病理学数字病理学
- 癌症研究 癌症研究
背景情况:
- 深度神经网络将H&E图像特征映射到基因表达.
- 这些模型用于空间生物标志物发现的临床应用有限.
研究的目的:
- 开发MOSBY (整个幻灯片图像的多OMIC翻译用于空间生物标志物发现Y) 来提取H&E图像特征并将它们映射到OMIC配置文件中.
- 使用级信息来发现空间生物标志物.
- 使用空间转录组学和CD8 IHC数据验证MOSBY的预测.
主要方法:
- 对比的自我监督预训,用于H&E特征提取.
- 在H&E整个幻灯片图像和批量omics数据 (RNA,DNA,蛋白质) 之间进行映射.
- 用于空间生物标记物识别和验证的层次分析.
主要成果:
- 莫斯比推断的局部化特征显示了独立于基因表达的生存预测能力.
- 与经过生存训练的多式联网相比,实现了竞争性一致性指数.
- 确定了ER压力局部化特征作为肺腺癌的化疗特异性风险因素.
- 验证的T效应细胞与氨酸局部化作为多种癌症的负预后因素.
结论:
- 莫斯比有效地发现了临床相关和生物学可解释的空间生物标志物.
- 该模型为癌症生物学提供了新的见解.
- 通过识别预后和预测生物标志物,MOSBY可以为临床决策提供信息.
更多相关视频
09:19Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection
Published on: July 6, 2022
4.9K
06:05Author Spotlight: Multiplex Immunofluorescence Combined with Spatial Image Analysis for the Clinical and Biological Assessment of the Tumor Microenvironment
Published on: June 2, 2023
7.3K
