改进空间蛋白质学的注释:一种计算方法来增强甲状腺结节的分子表征
Vasco Coelho1, Nicole Monza2, Natalia S Porto2
1Department of Informatics, Systems and Communication, University of Milano-Bicocca, 20126 Milan, Italy.
Journal of proteome research
|January 8, 2026
概括
这项研究引入了一种自动化的数字病理学工作流程,以改进甲状腺癌的矩阵辅助激光解离离子质谱成像 (MALDI-MSI) 分析. 该方法增强了瘤的分子特征和诊断精度.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 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:
- 矩阵辅助激光离离离子质谱成像 (MALDI-MSI) 显示了甲状腺新生体分子特征的潜力.
- 在MALDI-MSI的挑战包括尽量减少信号干扰和增强诊断歧视.
研究的目的:
- 开发一个可重复的,自动化的工作流程,将数字病理与MALDI-MSI集成用于甲状腺组织分析.
- 为了增强甲状腺瘤的空间蛋白质学和诊断精度.
主要方法:
- 开发了一个像素分类器,用于从H&E染色的甲状腺组织微阵列中自动选择感兴趣的富含细胞区域 (ROI).
- 比较了像素分类器 (PC) 选择的ROI与全核心 (FC) 和病理学家 (PAT) 注释之间的蛋白质组学信号.
- 利用主要组件分析和接收器操作特征 (ROC) 分析进行数据解释.
主要成果:
- 像素分类器ROI减少了干扰信号的15%,并增加了三性信号与噪声比率的37%.
- 检测到9-24%更多的m/z信号,改善了光谱聚类,并区分了他的病理区域.
- 与FC和PAT数据相比,在甲状腺结节诊断的歧视性m/z特征中实现了50%的增加.
结论:
- 自动化像素分类器工作流程提高了MALDI-MSI的可重现性,并减少了操作员的工作负载.
- 这种方法优化了MALDI-MSI用于甲状腺瘤的分子特征.
- 该方法有可能改善临床病理学中的生物标志物发现和诊断精度.
