由人工智能驱动的深度视觉蛋白质学揭示了胰腺癌前体中的关键分子过渡

科学领域:

• 在瘤学瘤学.
• 蛋白质组学是指蛋白质组学.
• 计算病理学计算病理学

背景情况:

• 胰腺管道腺癌 (PDAC) 是由非侵入性前体病变引起的,但早期的分子事件尚不清楚.
• 识别这些初始分子变化对于早期检测和干预策略至关重要.

研究的目的:

• 创建第一个空间解析的早期胰腺癌前体病变的蛋白质图谱.
• 识别分子特征,区分与癌症相关的病变和偶然的病变.

主要方法:

• 深度视觉蛋白质组学 (DVP) 与人工智能驱动的计算病理学相结合,用于病变分类.
• 激光微解剖96个区域和超敏感质谱法来定量8,512种蛋白质.
• 蛋白质组数据与人工智能引导的组织注释的整合.

主要成果:

• 鉴定出了明显的分子特征,区分了与癌症相关的胰腺内皮质瘤 (cPanINs) 和偶然的病变 (iPanINs).
• 在组织学上正常的上皮质中检测到与癌症相关的蛋白质,这表明早期的分子重编程.
• 四个核心分子程序 (应激适应,免疫参与,代谢重编程,线粒体功能障碍) 早期出现并在进展过程中加剧.

结论:

• 在PDAC发育过程中,分子重编程先于组织学转换.
• 这些发现为早期发现和拦截胰腺癌提供了机会.
• 蛋白质组图谱作为识别新生物标志物和治疗点的资源.