相关实验视频
Updated: Jan 12, 2026
10:16
Mining Spatial Transcriptomics Datasets using DeepSpaceDB
Published on: September 5, 2025
632
使用多重FISH和AI驱动的数字病理学来验证膀癌中的暴露基因表达概况的新型空间框架
Sonalika Singhal1, Samarth Singhal1, Kevin L Gardner2
1Department of Pathology, School of Medicine and Health Sciences, University of North Dakota , W421, 1301 North Columbia Road Stop 9037, Grand Forks, ND, 58202-9037, USA.
Scientific reports
|October 31, 2025
概括
这项研究使用先进的成像和AI将膀瘤中的相关基因表达与癌症等级联系起来. 研究结果表明,这些基因可能有助于预测膀癌的风险和进展.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 病理学 病理学 病理学
背景情况:
- 膀癌在基因表达和免疫细胞透方面表现出显著的空间异质性.
- 一个经过验证的三基因反应风险模型 (NKIRAS2,AKTIP,HLA-DQA1) 之前在暴露的个体中被确定并与膀癌症风险相关.
研究的目的:
- 整合多重光在现场杂交 (mFISH) 与人工智能辅助的数字病理学.
- 在膀瘤中描述三基因素反应风险模型的空间分布.
- 探索基因表达,瘤等级和免疫透之间的关系.
主要方法:
- 五个膀瘤样本的全幻灯片mFISH成像.
- 由人工智能驱动的 (HoverNet) 核细分用于单细胞基因表达量化.
- 空间分析和与瘤等级和瘤透淋巴细胞 (TIL) 密度的相关性分析.
主要成果:
- 在瘤邻近的区域观察到三基因组的高表达,与较高的瘤等级有很强的相关性 (r=0.83).
- 基因丰富的区域显示了瘤细胞的空间聚类.
- 瘤透淋巴细胞密度与瘤等级相反相关,这表明在高等级瘤中免疫排除.
结论:
- 空间转录学和人工智能病理学的结合对于生物标志物验证是可行的.
- 这种综合性方法为人口规模研究膀癌中相关基因特征的基础.
- 这些发现支持了空间奥米克在膀癌风险分层和理解疾病进展方面的潜力.
