机器学习识别了人类肺部细胞外基质的重塑模式.
Monica J Emerson1, Oliver Willacy2, Chris D Madsen3
1Section for Visual Computing, Department of Applied Mathematics and Computer Science, Technical University of Denmark. Kongens Lyngby, Denmark; Currently at Digital Science and Innovation, Novo Nordisk A/S, Måløv, Denmark.
Acta biomaterialia
|January 2, 2025
概括
我们开发了一种新的3D绘图和机器学习方法,用于分析肺部疾病中的细胞外矩阵 (ECM) 结构. 这种方法揭示了特定疾病的ECM变化,提高了诊断的客观性.
科学领域:
- 生物材料科学 生物材料科学
- 计算生物学 计算生物学
- 病理学 病理学 病理学
背景情况:
- 器官功能依赖于细胞外矩阵 (ECM) 的精确3D结构.
- 在健康和疾病中对ECM架构的详细分析仍然有限.
- ECM结构关键调节细胞行为和组织平衡.
研究的目的:
- 开发和部署一个高分辨率的3D ECM映射方法与机器学习相结合.
- 在各种人类肺部疾病中描述ECM架构.
- 为了识别特定疾病的ECM重塑特征.
主要方法:
- 使用了高分辨率的3D ECM映射技术.
- 一个机器学习管道被设计用于ECM检测和表征.
- 对健康个体和患有肺气,常见间歇性肺炎,沙尔科毒症和COVID-19的患者的人类肺组织进行了分析.
主要成果:
- 产生了特定于疾病的ECM重塑签名.
- 创建了一个健康/疾病概率图,推断出健康和疾病的ECM架构.
- 纤维化被证明是一系列疾病特异性变化,而不是单一的现象.
结论:
- 开发的方法为肺部疾病中ECM结构提供了客观的见解.
- 电脑细胞膜变化是疾病特异性的,影响组织结构和细胞调节.
- 这种方法可以使肺部疾病的诊断更有信心,并且潜在地不那么侵入性.


