在多重复的空间蛋白质成像中检测临床相关的拓结构,使用TopKAT

科学领域:

• 计算生物学和生物信息学
• 癌症研究和瘤学
• 统计建模和数据分析数据分析

背景情况:

• 空间蛋白质组学成像揭示了瘤微环境 (TME) 中的细胞结构.
• 在TME中细胞空间背景影响疾病预后和治疗反应.
• 现有的统计方法难以对临床终点关联进行可靠的空间细胞几何分析.

研究的目的:

• 开发新的统计模型,将细胞层面的空间图像与患者层面的临床终点联系起来.
• 引入一种基于拓学的方法,能够描述空间细胞的排列,并测试临床关联.
• 根据现有的空间统计测试对拟议方法的性能进行评估.

主要方法:

• 提出了基于拓学的方法,将持久的同质性与内核测试相结合,称为TopKAT (拓内核关联测试).
• 利用TopKAT评估细胞拓结构在连续,二进制和生存临床终点上的预测能力.
• 进行模拟研究以证明TopKAT的统计特性和功率.

主要成果:

• 与空间点过程模型相比,TopKAT显示出更高的功率,特别是对于环状细胞结构.
• 该方法成功地确定了免疫和瘤细胞的空间分布中的临床相关的拓模式.
• 对三阴性乳腺癌数据集的应用验证了TopKAT恢复有意义空间结构的能力.

结论:

• 托普卡特提供了一个强大而稳健的框架,用于分析TME中的空间细胞分布.
• 拓方法有效地将细胞空间架构与患者级临床结果联系起来.
• 这种方法有助于在癌症研究中对空间奥米克数据的统计分析.