语境重构空间奥米克数据的分析,并揭示了图像中一致的细胞关系
Farhan Ameen1, Nick Robertson2, David M Lin3
1The Westmead Institute for Medical Research, Sydney, NSW 2145, Australia; School of Mathematics and Statistics, The University of Sydney, Sydney, NSW 2006, Australia; Sydney Precision Data Science Centre, University of Sydney, Sydney, NSW 2006, Australia; Charles Perkins Centre, The University of Sydney, Sydney, NSW 2006, Australia.
Cell reports methods
|September 16, 2025
概括
语境提供了强大的空间量化通过模拟细胞关系在一致的背景,克服区域特定的偏见在空间蛋白质组学和转录组学. 这种方法改善了生物解释和患者预后预测.
科学领域:
- 空间生物学 空间生物学
- 计算病理学计算病理学
- 生物信息学是一种生物信息学.
背景情况:
- 空间奥米克技术允许在位细胞表型化和细胞与细胞相互作用的分析.
- 空间研究中成像区域的选择可以引入偏见,影响空间关系的解释.
- 现有的方法可能无法一致识别不同组织区域的空间关系.
研究的目的:
- 介绍"上下文" (Kontextual),一种新的方法,用于在高通量空间奥米克数据中对空间关系进行上下文化.
- 开发一个强大的空间量化方法,独立于所选兴趣区域.
- 提高空间奥米克分析的生物解释性和预测能力.
主要方法:
- 语境模型是细胞之间的空间关系相对于定义的语境 (例如,地标,空间域,细胞组).
- 该方法使用替代参考框架来对空间数据进行上下文化.
- 在空间蛋白质组学和转录组学数据集上进行了验证.
主要成果:
- 语境产生的空间量化是强大的,并没有被特定的区域图像混.
- 事实证明,上下文建模方法在生物学上具有意义.
- 使用Kontextual在分类设置中实现了对患者预后的改善预测.
结论:
- 语境提供了一个强大的框架来分析空间奥米克数据,增强生物洞察力.
- 该方法通过提供一致的上下文化来解决空间数据解释的关键挑战.
- 这种方法有可能通过改进的预后预测来推进精准医学.
