Nature опубликовал модель Virtual Tissues, объединяющую данные пространственной протеомики разных масштабов
Материал подготовлен искусственным интеллектом на основе нескольких источников — ссылки на оригиналы приведены ниже.
Исследователи представили универсальную фундаментальную модель для пространственной протеомики Virtual Tissues (VirTues) в журнале Nature. Модель объединяет данные визуализации белков с различных платформ и типов рака, позволяя открывать надёжные биомаркеры и стратифицировать пациентов. Разработка решает проблему фрагментации данных из-за нестандартных панелей антител и протоколов.
Фундаментальная модель VirTues
Virtual Tissues (VirTues) — это маркер-ориентированная мультимасштабная фундаментальная модель, которая обучается представлениям белков, клеток, ниш и тканей напрямую из мультиплексных изображений. Она поддерживает такие задачи, как реконструкция маркеров, сегментация и типирование клеток, аннотирование ниш и поиск пространственных биомаркеров. Ключевая особенность — возможность аннотирования в нулевом выстреле на гетерогенных панелях антител и наборах данных, что недоступно обычным кодировщикам, предполагающим фиксированный набор маркеров. Модель предобучена на корпусе изображений из различных онкологических когорт, однако точное количество обучающих образцов не раскрывается. В тестах биомаркеры, полученные с помощью VirTues, предсказали ответ на химиоиммунотерапию анти-PD-L1 и стратифицировали выживаемость без прогрессирования при тройном негативном раке молочной железы, превзойдя существующие клинические схемы стратификации.
Клиническая валидация на тройном негативном раке молочной железы
Команда оценила VirTues на данных пациентов с тройным негативным раком молочной железы. Биомаркеры модели предсказали ответ на химиоиммунотерапию анти-PD-L1 в одной когорте и стратифицировали выживаемость без прогрессирования в независимой когорте. По сравнению с текущей клинической стратификацией и передовыми биомаркерами, полученными из тех же наборов данных, VirTues показал превосходную производительность. Эти результаты позволяют предположить, что пространственные протеомные биомаркеры, гармонизированные фундаментальной моделью, могут улучшить отбор пациентов для иммунотерапии.
1 источник
Время · отставание