X-SPATIO:用于预测和可视化三阴性乳腺癌空间解析生物标志物表达的解释性深度学习管道

科学领域:

• 计算病理学计算病理学
• 分子病理学分子病理学
• 精确瘤学是一门精确的专业.

背景情况:

• 组织病理学对于癌症诊断至关重要,但缺乏常规的分子洞察力.
• 空间omics平台是昂贵的,并且可扩展性有限.
• 当前的计算模型掩盖了特定亚区域的形态分子关系,特别是异质三阴性乳腺癌 (TNBC).

研究的目的:

• 开发一个计算管道,X-SPATIO,将常规的H&E形态与空间mRNA和蛋白质表达联系起来.
• 为了使空间生物标志物表达从组织病理学图像的成本效益推断.
• 在TNBC建立一个发现和精确瘤学的基础.

主要方法:

• 训练有素的X-SPATIO对H&E感兴趣的区域进行配对,并与GeoMx数字空间分析仪的空间解析的转录组和蛋白组数据配对.
• 利用多个实例的学习方法来捕获形态分子关联.
• 生成空间形态注意力图,以确定预测性组织区域.

主要成果:

• 在空间生物标志物方面,X-SPATIO表现出强的表现 (AUC 0.790.97).
• 生成的注意力图与已知的生物空间模式和组织组织保持一致.
• 成功地将空间分子数据与常规基因病理学集成.

结论:

• 通过X-SPATIO,可以从H&E图像中经济有效地推断空间生物标志物表达.
• 该管道为TNBC提供了精密瘤学的生物学基础的发现.
• X-SPATIO弥合了组织病理学和空间分子数据之间的差距.