人体组织中CD3/CD20阳性淋巴细胞的计算染色,在基因工程小鼠模型中得到实验证实
Xiang Li1, Casey C Heirman2, Ashlyn G Rickard3
1Department of Electrical and Computer Engineering, Duke University, Durham, NC, United States.
Frontiers in immunology
|November 12, 2024
概括
这项研究引入了一个深度学习框架,以精确地绘制H&E组织图像中的淋巴细胞空间结构. 这种方法通过准确量化免疫细胞来增强癌症研究和预后成像.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 空间生物学 空间生物学
背景情况:
- 免疫失调对癌症进展至关重要.
- 量化淋巴细胞空间炎症是空间系统生物学,理解治疗耐药性和开发预后成像生物标志物的关键.
研究的目的:
- 开发一种以知识为导向的深度学习框架,用于测量人类H&E组织上的淋巴细胞空间结构.
- 通过H&E到IHC的单细胞分辨率图像注册来最大限度地提高训练标签的保真度.
- 用Rag2小鼠模型实验验证该技术.
主要方法:
- 开发了一个以知识为导向的深度学习框架.
- 通过H&E到IHC图像注册实现了高保真度的培训标签.
- 实验验证是在Rag2淘汰赛小鼠上进行的,作为负对照.
主要成果:
- 该模型在淋巴细胞检测方面实现了0.78 (内部) 和0.71 (外部) 的AUC.
- 预测和基本事实淋巴细胞密度图之间的结构相似性为0.86 ± 0.06.
- 在对照和Rag2免疫淘汰赛小鼠之间观察到淋巴细胞密度的显著差异 (16.2 ± 5% vs 96.5 ± 1%).
结论:
- 深度学习可以准确地检测和表征H&E上的CD3/CD20阳性淋巴细胞,跨物种概括.
- 计算衍生空间分析和综合计算和基础科学方法可以促进对复杂生物系统的理解.


