张量分解以识别瘤微环境中的上下文感知空间社区
概括
这项研究引入了一种张量分解方法,用于分析多种结直肠癌 (CRC) 图像中瘤微环境 (TME) 中的细胞相互作用. 该方法识别了不同的细胞社区,并将它们与患者的预后和炎症模式联系起来.
科学领域:
- 计算生物学 计算生物学
- 癌症研究 癌症研究
- 生物信息学是一种生物信息学.
背景情况:
- 瘤微环境 (TME) 包含各种细胞,在瘤进展中起着至关重要的作用.
- 多重组织成像通过单细胞分辨率通过生物标志物揭示细胞类型.
- 当前的图像分析工具量化每张图像的交互,限制了可扩展性.
研究的目的:
- 开发一种可扩展的方法,用于在多个样本中分析细胞类型分布的空间异质性.
- 将张量分解应用于多重成像数据,以进行全面的TME分析.
- 确定细胞邻居及其与结直肠癌临床结果的关联.
主要方法:
- 采用了可扩展的正规多元体 (CP) 张量分解方法.
- 将该方法应用于公开的结直肠癌 (CRC) 数据集 (56个标志物,35名患者,136张图像).
- 分析了张量分解因子,以确定细胞社区及其变异.
主要成果:
- 识别了对应关键细胞社区的张量组件 (例如,大量瘤,瘤边缘).
- 威尔科克森等级总和测试显示了克罗恩氏样反应 (CLR) 和扩散性炎症透 (DII) 组之间的成分有显著差异,并注意到颗粒细胞在DII中的丰富.
- 生存分析将特定成分与高瘤负担和患者预后不佳联系起来.
结论:
- 可扩展的CP张量分解有效地探测了TME在多个样本中的空间异质性.
- 该方法可以识别临床相关的细胞社区及其与疾病亚型和患者结果的关联.
- 这种方法为在癌症研究中分析复杂的多重成像数据提供了一个强大的工具.
