空间解析的转录学和基于图形的深度学习提高了常规中枢神经系统瘤诊断的准确性.

科学领域:

• 神经瘤学神经瘤学
• 分子病理学分子病理学
• 计算生物学是一种计算生物学.

背景情况:

• 脑瘤诊断依赖于组织病理学和分子标记物,如DNA甲基化和NGS.
• 有限的DNA数量和质量限制了传统分子诊断的可行性.
• 准确的瘤分类对于有效的治疗和患者的治疗结果至关重要.

研究的目的:

• 引入NePSTA (神经病理空间转录组分析) 用于整合的形态和分子神经病理诊断.
• 评估NePSTA在分类中枢神经系统 (CNS) 瘤组织学和分子亚型方面的准确性.
• 为了证明NePSTA在具有挑战性的样本中具有最小DNA输入的实用性.

主要方法:

• NePSTA利用空间转录学和图形神经网络进行5μm组织截面的自动分析.
• 该方法在130名患有中枢神经系统恶性瘤的参与者和来自四个医疗中心的健康捐赠者身上进行了培训和评估.
• 根据最小的组织要求,NePSTA可以重建免疫组织化学和基因型资料.

主要成果:

• 在预测组织组织学和基于甲基化的中枢神经系统瘤子类方面,NePSTA取得了很高的准确性.
• 该技术成功地在样本上进行了分子分析,这些样本的DNA不足以用于传统方法.
• 证明了增强瘤亚型识别和精确诊断工作的潜力.

结论:

• 从有限的组织样本提供全面的神经病理诊断的新方法.
• 这种方法克服了DNA数量限制,使先进的分子分类成为可能.
• 尼普斯塔对提高脑瘤诊断和亚型化的速度和精度有重大影响.