基于转录组计算的肿瘤纯度与病理肿瘤纯度一致性差异

最新推荐文章于 2025-12-22 22:11:53 发布
原创 最新推荐文章于 2025-12-22 22:11:53 发布 · 366 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #图像处理

本文探讨了肿瘤微环境中非肿瘤细胞对胃癌和乳腺癌预后的影响，指出高基质比例的胃癌患者预后较差。同时，病理学家对肿瘤细胞百分比的评估存在较大误差，可能导致检测结果的误判。转录组研究揭示了形态学评估与病理肿瘤纯度的不一致性。

实体瘤组织由肿瘤和非肿瘤细胞组成，如基质细胞和免疫细胞。这些非肿瘤细胞构成肿瘤微环境（TME）的重要组成部分，可降低肿瘤纯度，并在癌变、恶性肿瘤进展、治疗耐药性和预后评估中发挥重要作用。

肿瘤间质比的预后影响

Tumour-stroma ratio and prognosis in gastric adenocarcinoma - PMC (nih.gov)

富基质肿瘤患者5年预后较差（HR 1.80,95% CI 1.41–2.28）与基质贫乏的肿瘤相比。分层分析 显示富含基质的肿瘤在双侧肠道（HR 1.68,95% CI 1.24–2.27）和弥漫性组织学类型（HR 2.09,95% CI 1.35–3.23） 分别与基质贫乏的肿瘤相比。

乳腺癌病理评估差异

The estimation of tumor cell percentage for molecular testing by pathologists is not accurate - ScienceDirect

然而病理观察存在病理学家的主观影响。

结果：在 47 张 H&E 染色的肺肿瘤载玻片上标记了肿瘤区域。九位病理学家使用 0-5%、6-10%、11-20%、21-30% 等类别

最低0.47元/天 解锁文章
感性逻辑
关注
PureCN 项目推荐
gitblog_00021的博客
12-25 386
PureCN 项目推荐 1. 项目基础介绍和主要编程语言 PureCN 是一个用于肿瘤样本的拷贝数变异检测和变异分类的开源项目。该项目主要使用 R 语言开发，适用于靶向短读长测序数据。PureCN 通过结合肿瘤纯度和倍性信息，提供拷贝数校正，并能够对突变进行体细胞状态和克隆性分类。 2. 项目的核心功能 PureCN 的核心功能包括： 拷贝数变异检测：通过靶向短读长测序数据，检测肿瘤样本中的拷贝...
基于成像空间转录组技术的肿瘤亚克隆CNV原位推断方法
bio_multiomics的博客
07-30 1177
【摘要】2025年bioRxiv预印的研究提出iST-CNV方法，首次实现从成像空间转录组（iST）数据推断拷贝数变异（CNV）。该方法通过邻域细胞表达谱加权平滑增强信号，克服iST数据基因覆盖有限的缺陷。在结直肠癌和卵巢癌验证中，CNV检测与单核测序结果高度一致（Dice系数0.837），并揭示克隆空间分布与微环境互作关系。研究同时界定技术边界：需≥2000基因面板和1000 counts/细胞才能有效预测CNV，小片段缺失检测仍具挑战。该工具为肿瘤克隆空间定位提供新手段，代码已开源。
【医学AI顶刊·05-22速递】探索癌症预后的新方向：AI与三级淋巴结的结合
罗小罗同学的博客
05-22 1944
这篇文章是关于三级淋巴结构（Tertiary Lymphoid Structures, TLS）在肿瘤免疫中的作用和其在临床应用中的前景的综述。文章首先介绍了TLS的基本概念，它们是类似二级淋巴器官（Secondary Lymphoid Organs, SLOs）的免疫细胞群聚体，具有相似的功能。TLS在大多数癌症类型中通常与抗肿瘤免疫反应相关，但有时也表现为促肿瘤免疫反应。TLS功能的异质性主要由肿瘤浸润性淋巴细胞。
10X单细胞（10X空间转录组）批次效应去除大盘点
weixin_53637133的博客
04-27 1916
10X单细胞（10X空间转录组）批次效应去除大盘点
放射学中基于影像组学和人工智能预测癌症预后
cc1609130201的博客
03-26 6485
人工智能（AI）在医学影像诊断中的成功应用使得基于人工智能的癌症成像分析技术开始应用于解决其他更复杂的临床需求。从这个角度出发，我们讨论了基于人工智能利用影像图像解决临床问题的新挑战，如预测多种癌症的预后、预测对各种治疗方式的反应、区分良性治疗混杂因素与进展，肿瘤异常反应的识别以及突变和分子特征的预测等。我们综述了人工智能技术在肿瘤成像中的发展和机遇，重点介绍了基于人工的影像组学方法和基于深度学习的方法，并举例说明了它们在决策支持中的应用。我们还解决了临床应用过程中面临的挑战，包括数据整理和标注、可解释性以
宽边缘病变：多发性硬化快速进展的新型病理与影像生物标志物
楚山之石的博客
06-30 1225
本研究通过多组学整合分析，揭示宽边缘病变（BRL）作为 MS 快速进展的新型病理和影像生物标志物。BRL 的发现不仅深化了我们对 MS 进展机制的理解，也为临床提供了可量化的生物标志物，有望推动进展型 MS 治疗策略的革新。未来结合先进影像技术与分子靶向治疗，有望实现 MS 的精准化管理，为患者带来新的希望。
IF=12.4| sc联合Bulk RNA：构建预测前列腺癌的神经内分泌细胞内在特征
weixin_47195452的博客
03-17 1972
为了深入理解NEPC的遗传和非遗传驱动机制，研究团队根据NEPAL评分对TCGA PRAD和SU2C CRPC/Met数据集中的肿瘤进行了分层，并仔细分析了它们的表达谱和体细胞突变（见图 S6A-B）。更深入的分析中，他们还注意到，在重叠率较高的61个基因中，有41个基因在NE肿瘤细胞中的表达丰度偏低（百分比表达<20%）（见图 1D），紧随其后的是CRPC细胞系（如DU145、22RV1和PC3），而激素依赖性细胞系（如MDA-PCa-2B和LNCaP）则呈现出最低的NEPC风险评分（见图 S3B）。
iMeta | 复旦肿瘤叶定伟组-解析补骨脂查尔酮通过靶向转铁蛋白受体增加膀胱癌对吉西他滨敏感性的机制
悟道西方
09-07 195
点击蓝字 关注我们补骨脂查尔酮靶向转铁蛋白受体并增敏吉西他滨抑制膀胱癌进展iMeta主页：http://www.imeta.science研究论文● 原文: iMeta (IF 33.2, 中科院双一区Top)● 原文链接: https://onlinelibrary.wiley.com/doi/10.1002/imt2.70071● DOI: https://doi.org/10.1002/imt2.70071● 2025年8月17日，复旦大学附属肿瘤医院叶定伟团队、上海市中医医院王子良和安徽医科第一附属
Cell | 人类蛋白质组分布图谱——追踪血浆蛋白质组学中蛋白的组织来源，并揭示疾病中组织特异性蛋白变化
组学之心，专注多组学/ 医学AI 领域
05-04 932
人体内的各个组织都拥有一套独特的蛋白质组，这些蛋白质既包括该组织特有的蛋白质，也包括许多细胞和组织中普遍存在的基础蛋白质，共同维持着组织的特定功能和细胞的基本生命活动。与组织不同，血浆本身不合成蛋白质。血浆中的蛋白质构成，依赖于身体各处细胞和组织释放（流入）以及被清除（流出）的动态平衡。理论上，在血浆中具有主要功能的蛋白质（如凝血和补体蛋白）主要由肝脏产生并分泌到血浆中，表现为肝脏中 RNA 水平高但蛋白质水平相对较低。研究利用整合的 RNA 和蛋白质全局分布图谱，以数据驱动的方式定义主要血浆蛋白组。
肿瘤纯度校正如何影响TMB？2大数据混杂陷阱及应对策略曝光
# 肿瘤纯度与TMB：混杂效应的深度解构与临床转化突围 在精准肿瘤免疫治疗的时代，**TMB（肿瘤突变负荷）** 已从一个科研概念跃升为影响千万患者治疗路径的关键生物标志物。它像是一面“基因组镜子”，映射出肿瘤...
免疫相关基因集筛选权威指南：基于MSigDB与ImmPort数据库的5种科学筛选方法
![免疫相关基因集筛选权威指南：基于MSigDB与ImmPort数据库的5种科学筛选方法]...重点构建了基于通路注释、文献证据、机器学习、功能一致性与动态
20、医疗人工智能驱动精准医疗的关键进展与疾病亚型识别
week9的博客
09-14 76
本文综述了医疗人工智能在驱动精准医疗中的关键进展，重点探讨了基于数据驱动的疾病亚型识别方法，包括聚类轨迹、时间序列分析、多组学整合分析和深度学习模型的应用。文章系统总结了不同亚型识别方法的优缺点及适用场景，详细阐述了聚类结果的直接与间接验证策略，并强调了特征化在确认患者亚型生物学意义中的核心作用。结合实际案例，展示了人工智能在精准组织学、放射学和临床决策支持中的成功应用。最后展望了多组学深度整合、AI与临床深度融合及数据隐私保护等未来发展方向，为推进个性化医疗提供了理论基础与实践路径。
ALK_ROS1_RET共断裂现象大揭秘（多靶点融合的临床价值与挑战）
# ALK、ROS1与RET共断裂：从分子机制到精准诊疗的全景解析 在非小细胞肺癌（NSCLC）的靶向治疗版图中，ALK、ROS1 和 RET 基因早已不是陌生面孔。它们作为受体型酪氨酸激酶家族的重要成员，各自驱动着约1–7%的肺腺...
数据分析Agent白皮书：揭秘Data x AI的底层逻辑与未来关键
LyAGent的博客
12-18 956
《2025数据分析Agent白皮书》指出，数据分析Agent正成为AI落地的核心形态，实现从"人人分析"到"人人消费"的转变。白皮书系统解析了其技术架构（包括Query/Document/DeepAnalyze三大Agent能力）、行业实践（能源/制造/零售等领域）及落地路径，强调需突破数据准度、分析深度与消费广度三大挑战。未来，数据分析Agent将深度融入业务流程，推动"洞察即行动"的自动化决策模式。该技术有望彻底改变企业数据消费方式，使数据智能
多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战
Lab4AI的博客
12-17 1059
本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。
全品类电商AI助手诞生，AI试衣+万饰穿戴+图生视频，覆盖全链路
Dreamshop_AI的博客
12-19 1088
DreamshopAI升级推出三大核心功能，全面革新电商视觉生产流程：AI试衣功能通过智能识别服装款式和材质，7-15天模特拍摄缩短至几分钟；万饰穿戴功能突破品类限制，精准还原珠宝、箱包等商品的材质细节；图生视频功能将静态图片转化为高质量短视频，大幅降低视频制作门槛。系统基于千万级电商数据训练，能自动适配不同市场需求，并推出AI试衣屏Dreamfit实现线上线下体验闭环。此次升级使AI成为电商运营的核心生产力工具，将传统视觉制作效率提升3倍以上，推动电商行业进入智能化新阶段。
[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。
12-20 568
本文提出AIM框架，一种无需训练的多模态大语言模型(MLLMs)推理加速方法。通过双阶段设计：在LLM前基于相似度合并视觉Token，在LLM内基于注意力重要性剪枝Token，显著降低计算量。实验表明，该方法在视频理解任务中可减少6.8倍FLOPs，在图像任务中保持3.7倍加速的同时维持性能。关键发现包括：75%视觉Token冗余、LLM早期层侧重跨模态融合而后期侧重文本推理、跨帧合并会损害视频理解等。该方法支持动态调整压缩比例，为资源受限环境下的高效多模态推理提供了实用解决方案。
深入NVIDIA Nemotron-3：高效准确的技术、工具与数据深度解析
专注于人工智能领域的小何尚
12-18 906
摘要：NVIDIA Nemotron-3技术解析 NVIDIA Nemotron-3系列模型为构建专业AI智能体提供了突破性解决方案。该系列采用创新的混合Mamba-Transformer MoE架构，结合状态空间模型(Mamba)的长序列处理能力、Transformer的精确推理和MoE的高效计算，支持高达100万token的上下文处理。模型通过NeMo Gym多环境强化学习框架训练，使智能体掌握复杂任务执行能力。技术亮点包括：1)混合架构实现超长上下文推理；2)开源RL训练环境支持智能体开发；3)原生支
企业级 RAG 问答系统开发上线流程分析
最新发布
hello！
12-22 567
这个项目流程是一个非常典型的。
cna 空间转录组 肿瘤纯度
01-07
### 使用空间转录组数据分析肿瘤纯度的方法和工具 #### 方法概述 空间转录组学技术能够提供组织切片上的基因表达模式及其对应的物理位置信息。这使得研究者不仅可以在全转录组范围内分析不同区域的细胞组成，还可以精确地定位特定类型的细胞群体，包括肿瘤细胞、免疫细胞和其他基质成分。 对于评估肿瘤纯度而言，可以采用类似于ESTIMATE算法的思想[^3]，即通过解析样本的空间转录组图谱来估计各个区域内肿瘤细胞的比例。具体来说： - **构建参考模型**：首先需要建立一个可靠的参考框架，通常由已知状态下的健康组织构成。这个过程可能涉及多轮实验验证以确保准确性。 - **特征提取与标准化处理**：接着从待测样品中获取其独特的分子指纹——也就是特异性高表达或低表达的一系列标志物，并对其进行适当的数据预处理（如归一化），以便后续对比分析。 - **应用机器学习分类器或其他统计方法**：最后一步则是运用诸如支持向量机(SVM)、随机森林(Random Forests)等先进的计算生物学手段对上述两部分资料加以综合考量，从而实现对目标位点内肿瘤比例的有效预测。 #### 工具推荐 1. **SpatialDE** SpatialDE是一款专为空间转录组数据设计的软件包，可用于检测具有显著空间异质性的基因集。虽然主要功能并非直接测量肿瘤纯度，但通过对这些差异表达基因的研究可以帮助更好地理解局部微环境特性并间接反映肿瘤负荷情况。 2. **BayesSpace** BayesSpace是一种基于贝叶斯推理框架开发出来的新型工具，旨在解决单张载玻片上多个spot之间的复杂关系问题。该程序允许用户输入预先定义好的marker列表作为先验知识指导聚类操作，在此基础上进一步量化各簇所占面积百分比即可得到近似的肿瘤占比数值。 3. **STARmap** STARmap是一个开源项目，专注于高效读取Visium平台产生的海量原始count matrix文件，并提供了丰富的可视化选项让用户直观感受整个组织结构布局的同时也能方便快捷地挑选感兴趣的小范围子域开展深入探究工作。配合其他辅助插件还能完成更多高级任务比如降维映射(t-SNE/UMAP)，热图绘制等等。 ```r library(BayesSpace) data <- read.csv("path/to/spatial/transcriptomics/data.csv") markers <- c('CD8A', 'FOXP3') # 用户自定义标记基因集合 result <- bayesspace(data, markers=markers) plot(result$clusters, col=result$posterior_probabilities[, "Tumor"]) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值