新的人工智能方法标识位置、基因和肿瘤之间的交互

SpaceMarkers,新的机器学习收敛约翰霍普金斯大学的研究人员开发的软件学院和约翰霍普金斯大学Kimmel癌症中心,可以识别分子相互作用不同类型的细胞和肿瘤。

通过空间transcriptomics-a SpaceMarkers利用信息前沿技术推进措施的能力基因表达在细胞组织样本根据他们的位置。理解单个细胞的分子和细胞间的相互作用在肿瘤微环境的影响(细胞和肿瘤周围)区分肿瘤恶化的因素是至关重要的。

研究引入SpaceMarkers及其在不同类型的应用程序癌症作为封面文章发表在2023年4月出版的《华尔街日报》吗电池系统。

高表达基因通常观察到与某些过多的细胞类型,占主导地位的生物过程或突出交互不常见的细胞类型中健康的组织。高级研究作者伊多数博士肿瘤学部门主任定量科学和收敛研究所的主任,解释说,基因表达在细胞由于各种原因,和这些基因可以导致癌症恶化的风险很高。

“SpaceMarkers可以帮助癌症研究人员识别如果基因过表达细胞间的相互作用,“多数时候说。“它还可以识别特定的细胞间的相互作用与感兴趣的基因有关。这个新的信息可以为研究者提供更多的途径了解因素负责癌症或回答为什么有些病人当别人不应对某些治疗。”

SpaceMarkers作品通过识别活动水平高的地区从单个细胞类型在空间看到转录组数据,解释了铅Atul Deshpande研究作者,博士,硕士,多数实验室的一位博士后研究员约翰霍普金斯大学。高的地区活动从两个细胞类型的网站被认为是细胞间的相互作用。然后,该算法识别分子相互作用的变化细胞类型。

软件有两种操作模式,Deshpande说。一个是一个简单的微分表达式模式识别基因表达明显高于细胞间互动的网站,表明这种交互导致基因表达以更高的利率。然而,软件并不考虑空间细胞数量的变化。第二(剩余模式)识别基因表达明显高于在占所有细胞群空间中确定转录组数据。

调查人员测试SpaceMarkers使用空间转录组数据(测量基因表达的组织样本根据他们的位置在细胞)从几个胰腺癌的临床样本,乳腺癌和肝癌。软件验证通过识别基因会影响肿瘤和免疫细胞的相互作用。

“许多基因符合我们现有的理解在这些类型的癌症,肿瘤免疫交互”Deshpande说。“我们还发现,SpaceMarkers以它目前的形式来看,更适合分析固体肿瘤,如发现在某些乳腺癌和肝癌。”

研究论文旨在探索SpaceMarkers能力在各种癌症,调查人员将相关识别基因在接下来的步骤与治疗和病人反应。作者将在未来的研究来改善其性能优化SpaceMarkers癌症,如胰腺癌,缺乏明显的肿瘤质量或定义良好的肿瘤边界。

收敛研究所团队还希望延长申请开发高分辨率的空间数据分析技术,如多路复用error-robust荧光原位杂交(MERFISH)或赠与宾客的礼物。