相关实验视频
Updated: Jan 20, 2026

Spatial Molecular Imaging of the Glycome Using Mass Spectrometry
Published on: November 28, 2025
一个多式框架,通过整合空间转录学和整个幻灯片成像来识别驱动患者组相关形态的分子机制
Reva Kulkarni1, Avery Maddox1, Sara Bailey2
1Department of Bioinformatics and Computational Medicine, University of Michigan, Ann Arbor, MI USA.
这项研究引入了一个人工智能框架,将整个幻灯片图像和空间转录组的空间生物学数据联系起来. 它确定了与癌症治疗耐药性相关的分子机制,如CCND1和PTK6信号传递.
科学领域:
- 计算生物学是一种计算生物学.
- 癌症研究 癌症研究
- 空间转录组学 空间转录组学
背景情况:
- 瘤微环境的空间组织会影响患者的预后.
- 整体幻灯片图像 (WSIs) 和空间转录学 (ST) 是空间生物学的关键模式.
- 目前的方法在形态学,分子机制和临床结果方面缺乏可解释性.
研究的目的:
- 开发一个人工智能驱动的框架,整合WSIs和ST,用于增强空间生物学分析.
- 识别与临床结果相关的分子标记物和功能程序.
- 提高对治疗耐药性机制的理解,指导精准医学.
主要方法:
- 由人工智能驱动的框架结合了基础模型特征和多实例学习.
- 无监督聚类和分子分析以确定与结果相关的模式.
- 整体幻灯片图像 (WSIs) 和空间转录组学 (ST) 数据的整合.
主要成果:
- 在HER2+乳腺癌中鉴定了瘤区域中的CCND1和PTK6信号,这些瘤区域与HER2+乳腺癌中对trastuzumab耐药性相关.
- 该框架提供了对多层次抵抗机制的可解释的见解.
- 证明了整合互补空间生物学数据集的实用性.
结论:
- 人工智能框架提供了一种新的方法来弥合空间生物学中的形态学和分子机制.
- 提供了关于组织特定药物向和精准医学策略的见解.
- 有助于更深入地了解癌症治疗耐药性.
相关概念视频
08:52Spatial Molecular Imaging of the Glycome Using Mass Spectrometry
10:37A Multimodal Imaging Framework to Advance Phenotyping of Living Label-free Breast Cancer Cells
07:43Methods to Enable Spatial Transcriptomics of Bone Tissues
10:16Mining Spatial Transcriptomics Datasets using DeepSpaceDB
07:40Spatially Compact Arrangement of Larval Zebrafish Sections for Spatial Transcriptomic Analysis
04:47Multimodal Optical Imaging Platform for Studying Cellular Metabolism

