2024-06-13 来源: drugdu 131
布朗大学(美国RI州普罗维登斯)和密歇根大学(美国MI州安娜堡)的科学家创造了一种突破性的计算技术来检查复杂的组织数据,这可能会彻底改变我们对疾病及其治疗的理解。该方法被称为综合和参考知情组织分割(IRIS),利用机器学习和人工智能为生物医学研究人员提供对组织发育、疾病病理和肿瘤结构的准确见解。IRIS采用空间分辨转录组学(SRT)数据,并结合单细胞RNA测序数据作为参考。这种方法允许同时检查多个组织层,并以卓越的计算速度和精度准确识别不同区域。与提供组织样本平均数据的传统方法相比,SRT提供了更详细的视角,在单个组织切片中定位数千个特定点。
处理庞大而复杂的数据集总是带来重大挑战,IRIS通过使用算法筛选数据,分割各种功能域,如肿瘤区域,并揭示细胞相互作用和疾病进展的动力学来解决这些问题。与现有方法不同,IRIS直接绘制组织的细胞组成图,并描绘有生物学意义的空间域,增强了对驱动组织功能的细胞活动的理解。IRIS的开发人员在六个SRT数据集上对其进行了测试,评估了其与其他空间域分析方法相比的有效性。随着SRT技术的普及和应用,IRIS的创建者预计,它将有助于确定新的临床干预点或药物靶点,从而增强个性化治疗策略,并最终改善患者的健康结果。
密歇根大学公共卫生学院生物统计学教授周翔表示:“IRIS的计算方法为生物学家探索复杂组织的复杂结构开辟了一条新途径,为探索发育和疾病进展过程中形成组织结构的动态过程提供了无与伦比的机会。”。“通过表征精细的组织结构并阐明其在疾病状态下的变化,IRIS有可能揭示对理解和对抗各种疾病至关重要的机制见解。”研究人员的发现于2024年6月6日发表在《自然方法》杂志上。
来源:
https://www.labmedica.com/pathology/articles/294801491/novel-ai-powered-method-for-tissue-analysis-improves-understanding-of-disease-pathology.html