基于组织学的虚拟RNA推断确定了与结直肠癌转移风险相关的途径
Gokul Srinivasan1, Minh-Khang Le1, Zarif Azher2
1Departments of Pathology and Laboratory Medicine and Computational Biomedicine, Cedars-Sinai Medical Center, Los Angeles, CA 90048.
概括
虚拟RNA推断 (VRI) 使用标准的H&E图像来预测用于结直肠癌研究的空间转录组学数据. 这种方法提供了一种具有成本效益的方法来分析瘤微环境并识别预后标记物.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 病理学 病理学 病理学
背景情况:
- 结肠直肠癌 (CRC) 造成了严重的健康负担,需要在查和治疗方面取得进展.
- 瘤微环境 (TME) 对CRC进展和转移至关重要,但很难在空间上分析.
- 目前的空间转录学 (ST) 技术昂贵,对大规模研究有局限性.
研究的目的:
- 改进和实施虚拟RNA推理 (VRI) 来从H&E染色图像中提取ST级分子信息.
- 为了实现高分辨率的TME分析,而不需要昂贵的ST分析.
- 为了确定CRC转移和复发的预后生物标志物.
主要方法:
- 在最大匹配的CRC ST数据集上训练VRI模型 (45名患者,>300,000个斑点).
- 使用了最先进的深度学习架构 (UNI,ResNet-50,ViT,VMamba).
- 经过验证的VRI衍生的基因特征与直接ST对比,并评估了细胞类型比例估计.
主要成果:
- 在预测和测量的点级基因表达之间实现了0.546的Spearman的中位相关性.
- 来自VRI的特征与组织区域的ST生成特征有很强的一致性.
- 在大型队列中,确定了与CRC转移状态显著相关的VRI衍生的基因特征.
结论:
- VRI可以从H&E图像中推断出近细胞分辨率的广泛的"组织学相关"生物途径.
- 这种方法绕过了昂贵的ST分析的需要,加速了翻译CRC研究.
- VRI有可能将TME表型从标准病理学幻灯片扩展到大规模研究.
