使用深度神经网络准确预测跨相癌细胞中的ecDNA
Utkrisht Rajkumar1, Gino Prasad1, Ellis J Curtis2,3,4
1Department of Computer Science and Engineering, University of California San Diego, San Diego, CA, USA.
bioRxiv : the preprint server for biology
|July 16, 2025
概括
一个新的深度学习工具,interSeg,使用FISH图像准确地检测来自相间细胞的瘤基因放大. 这种方法有助于通过分析染色体外DNA放大来预测癌症病原性和患者的结果.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 癌症研究 癌症研究
背景情况:
- 瘤基因放大,通常由染色体外DNA (ecDNA) 驱动,对于癌症的发展至关重要,并且与患者的预后不佳有关.
- 目前的方法,如光 in situ 杂交 (FISH) 对于元相细胞是准确的,但对于非线性介相细胞具有挑战性.
研究的目的:
- 开发和验证interSeg,这是一个深度学习工具,用于从相间FISH图像中准确地确定瘤基因放大状态 (ecDNA,HSR或没有) 的细胞遗传学.
- 为了解决对跨相癌细胞中瘤基因放大可靠分析的需求.
主要方法:
- interSeg是一种深度学习算法,用于分析相间FISH图像.
- 该工具在652张图像 (40,446个核) 的大型数据集上进行了训练和验证.
- 在细胞系,组织模型和神经母细胞瘤患者队列上测试了性能.
主要成果:
- 在细胞和组织模型上,interSeg在核水平达到89%的准确性,在样本水平达到97%.
- 该工具在检测神经母细胞瘤患者样本中的焦点放大时表现出97%的准确性.
- 在混合实验和计算图像中,interSeg准确预测了异质度水平.
结论:
- interSeg提供了一种准确可靠的方法,用于从相间FISH图像中检测瘤基因放大状态.
- 这种工具对癌症研究和临床诊断有重大影响,改善了对ecDNA介导放大结果的分析.
- 通过在非线粒细胞中进行分析,interSeg可以更好地预测癌症病原性和患者的结果.
