在IMMUcancan内部进行大型癌症组织研究的多模式图像分析

科学领域:

• 癌症研究 癌症研究
• 计算生物学 计算生物学
• 生物医学成像技术 生物医学成像技术

背景情况:

• 在癌症研究中,多重成像对于描述瘤微环境 (TME) 和它与患者预后的关系至关重要.
• IMMUcan联盟从广泛的癌症患者队列中收集多模式成像数据,以进行空间分析.
• 标准化数据生成对于复杂的癌症组织样本的可靠分析至关重要.

研究的目的:

• 在IMMUcan联盟中描述和比较多重复合免疫光学 (mIF) 和成像质细胞计 (IMC) 的两个标准化工作流程.
• 引入IFQuant软件,以便对mIF数据进行用户友好和可重复的分析.
• 优化IMC的高样本吞吐量,提高细胞表型精度.

主要方法:

• 开发和比较mIF和IMC工作流程用于标准化癌症组织分析.
• 实施IFQuant软件用于基于Web的mIF数据分析.
• 优化IMC协议,包括机器人幻灯片加载和基于分类的细胞类型,使用手动标记的单细胞数据.

主要成果:

• 在IMMUcan联盟内建立了用于mIF和IMC数据生成的标准化管道.
• 证明基于树的方法显著优于使用手动标记单细胞数据的其他细胞表型化工具.
• 通过协议优化和自动化,实现了IMC的高样本吞吐量.

结论:

• 开发的mIF和IMC管道为大型癌症队列中的多重图像分析提供了坚实的基础.
• IFQuant软件提高了mIF数据分析的可访问性和可重复性.
• 该研究强调了从5年的开发中获得的关键经验,强调了标准化工作流程和癌症空间分析的先进计算方法的重要性.