高效细胞类型蛋白质组学 策略解读 胆管癌 纤维化相关的病理异质性
Zhiyang Su1,2,3, Honghua Zhang4, Hongke Hu5
1Department of Chemistry, School of Science, Southern University of Science and Technology, Shenzhen 518055, China.
Analytical chemistry
|March 4, 2025
概括
我们开发了一个AI算法,π-CellSeg-CCA,精确分析胆管癌 (CCA) 纤维化异质性. 这种方法增强了小组织样本的蛋白质组分析,识别MUC16作为CCA中更差预后的标志物.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 蛋白质组学是指蛋白质组学.
背景情况:
- 胆管癌 (CCA) 呈现出显著的异质性,使诊断和预后复杂化.
- 纤维化是CCA进展的关键特征,但其异质性尚不清楚.
- 传统的批量组织蛋白质组分析平均结果,掩盖了对CCA研究至关重要的细胞特异性信息.
研究的目的:
- 开发一种自动化的病理图像分析算法,用于精确注释CCA区域.
- 使用先进的蛋白质组技术,建立一种用于破译CCA中纤维化相关异质性的新策略.
- 识别与CCA进展和预后相关的新型蛋白质标记物.
主要方法:
- 开发 π-CellSeg-CCA,一种使用 Mask R-CNN 和 ResNet-18 进行自动区域注释的病理图像分析算法.
- 将π-CellSeg-CCA与激光微剖面 (LMD),基于简单和集成的Sintip的蛋白质组技术 (SISPROT) 以及高灵敏度质谱的整合.
- 小 (1毫米2) CCA 组织样本的蛋白质分析,以确定差异表达的蛋白质.
主要成果:
- π-CellSeg-CCA在识别CCA和正常胆道区域方面实现了约90%的准确性.
- 综合战略确定了超过8000种蛋白质,包括CCA的特定标记物.
- 鉴定出MUC16蛋白在纤维化CCA中升调,与预后较差相关,并有助于CCA进展.
结论:
- 算法辅助的,细胞类型特定的蛋白质组学策略是有效的研究瘤微环境与有限的临床样本.
- 这种方法为剖析CCA等癌症的病理异质性提供了一个有希望的方法.
- 鉴定MUC16为CCA提供了潜在的治疗标和预后生物标志物.
