在前列腺癌患者组织中检测HMGA2RNA异型的AI/ML辅助检测
Bor-Jang Hwang1, Oluwatunmise Akinniyi2, Sharon Harrison3,4
1Department of Biology, Morgan State University, Baltimore, MD 21251, USA.
International journal of molecular sciences
|January 10, 2026
概括
一个AI/ML管道增强RNA在现场杂交 (RISH) 量化高流动性组AT-2 (HMGA2) 在前列腺癌 (PCa). 野生型HMGA2在非洲裔男性的瘤中更为丰富,这表明PCa侵略性和种族差异的生物标志物.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 在瘤学瘤学.
背景情况:
- RNA In Situ 杂交 (RISH) 对空间基因表达有价值,但由于昂贵的软件,特别是资源不足的地区,在定量分析方面面临限制.
- 前列腺癌 (PCa) 呈现出显著的种族差异,了解分子驱动因素,如高流动性组AT Hook-2 (HMGA2),至关重要.
研究的目的:
- 开发人工智能/机器学习 (AI/ML) 辅助的RISH量化管道,用于分析前列腺癌中的HMGA2表达模式.
- 调查前列腺癌组织内HMGA2异型表达的潜在种族差异.
主要方法:
- 开发了一个AI/ML模型来分析RISH图像以量化全长 (野生类型) 和截断的HMGA2异型.
- 监督学习分析是在从来自不同种族群体的85名男性前列腺癌组织的RISH图像生成的训练数据集上进行的.
主要成果:
- 发现野生型HMGA2异型在非洲裔男性的瘤中比其他种族群体更为丰富.
- 野生型HMGA2表达与增加格里森等级正相关,表明与瘤攻击性有联系.
- 截断的HMGA2异型表现出较低的丰度,并且缺乏跨种族群体一致的表达模式.
结论:
- 人工智能/ML辅助的RISH量化是可行的,可以克服空间基因表达分析的可访问性障碍.
- 野生型HMGA2表达升高可能作为前列腺癌攻击性的潜在生物标志物,并有助于理解观察到的种族差异.
- 公平的计算工具和跨学科的合作对于推动生物标志物发现和解决癌症健康不平等至关重要.
