整合整体幻灯片图像和空间转录学分析使用QuST和QuPath
Chao-Hui Huang1, Sara Lichtarge2, Diane Fernandez2
1Oncology Research & Development, Pfizer Inc., 10777 Science Center Dr., San Diego, CA, 92121, USA. chao-hui.huang@pfizer.com.
NPJ precision oncology
|March 13, 2025
概括
数字病理学的人工智能 (AI) 通过整合整个幻灯片图像 (WSI) 和空间转录学 (ST) 来增强疾病的理解. 一个新的QuPath扩展,QuST,将WSI和ST连接到单细胞水平,以获得更深入的生物学见解.
科学领域:
- 计算病理学计算病理学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 数字病理学和空间转录学正在推动疾病研究.
- 整合这些技术为更深入的生物学见解提供了潜力.
- 挑战包括数据集成和分辨率差异.
研究的目的:
- 为了介绍QuST,一个新的QuPath扩展.
- 为了弥合整个幻灯片成像 (WSI) 和空间转录学 (ST) 分析之间的差距.
- 为了证明综合WSI和ST数据对疾病生物学的有用性.
主要方法:
- 开发QuST,一个QuPath扩展.
- 在单个单元格层面上整合WSI和ST数据.
- 应用综合方法来分析疾病生物学.
主要成果:
- QuST成功地将WSI和ST数据连接起来.
- 综合方法提供了对疾病机制的更深入了解.
- 展示了结合成像和转录基因数据的力量.
结论:
- 人工智能在数字病理学,WSI和ST分析中的整合对疾病理解具有强大作用.
- QuST 便于 WSI 和 ST 数据在单个单元格层面的整合.
- 这种综合方法为探索疾病生物学开辟了新的途径.
