结肠直肠肝转移病理模型:将单细胞和空间转录组分析与病理结合起来,用于预测结肠直肠癌中的肝转移

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 结肠直肠癌 (CRC) 肝转移 (CRLM) 是主要的死亡原因,往往阻止手术治疗.
• 早期识别和预测CRLM风险对于改善患者结果至关重要.

研究的目的:

• 确定参与CRLM的新型细胞类型,并开发肝转移风险的预测工具.
• 将多组学数据与深度学习集成在一起,以提高CRLM预测.

主要方法:

• 单细胞RNA测序和空间转录组分析以识别引发肝转移的恶性细胞 (LMTMCs).
• 多基因细胞通信分析以阐明促进CRLM的信号通路.
• 开发使用大量RNA测序数据和LMTMC丰度的CRLM评分系统.
• 创建一个深度学习病理学模型 (ResNet18),使用幻灯片级弱监督学习来预测CRLM风险.

主要成果:

• 已识别的LMTMC及其通过特定信号轴 (COL1A1-CD44/SDC4,LAMA4-CD44) 与纤维细胞的相互作用,促进CRLM.
• 开发了一个具有有效预测性能的CRLM评分系统.
• 结肠直肠肝转移病理模型的AUC达到0.84 (内部),0.89 (外部验证1) 和0.72 (外部验证2).

结论:

• 这项研究为推动CRLM的细胞机制提供了新的见解.
• 开发的CRLM评分系统和深度学习病理学模型为早期识别和预测结直肠癌肝转移风险提供了宝贵的工具.
• 将多组学与基于深度学习的病理学结合起来,显示出促进癌症研究和临床应用的巨大潜力.