从组织病理学数字建模空间通路活性揭示肿瘤微环境异质性
定量方法
2026-04-27 v2 人工智能
摘要
空间转录组学(ST)能够同时映射组织形态和空间分辨的基因表达，为研究肿瘤微环境异质性提供了独特机会。这里，我们介绍了一个计算框架，直接从苏木精-伊红染色的组织病理学图像中以微米级分辨率(55和100 μm)预测空间通路活性。利用来自计算病理学基础模型的图像特征，我们发现TGFb信号通路是在三个独立的乳腺癌和肺癌ST数据集中预测最准确的通路。在87-88%可靠预测的案例中，产生的空间TGFb活性图谱反映了肿瘤与邻近非肿瘤区域之间的预期对比，这与TGFb在调节肿瘤微环境相互作用中的已知作用一致。值得注意的是，线性和非线性预测模型表现相似，表明图像特征可能以主导性线性方式与通路活性相关，或者非线性结构相对于测量噪声较小。这些发现表明，从常规组织病理学中提取的特征可以恢复空间一致且生物学可解释的通路模式，为将基于图像的推理与ST信息整合到肿瘤微环境研究中提供了可扩展的策略。
引用
@article{arxiv.2512.09003,
title = {Digital Modeling of Spatial Pathway Activity from Histology Reveals Tumor Microenvironment Heterogeneity},
author = {Ling Liao and Changhuei Yang and Maxim Artyomov and Mark Watson and Adam Kepecs and Haowen Zhou and Alexey Sergushichev and Richard Cote},
journal= {arXiv preprint arXiv:2512.09003},
year = {2026}
}
备注
The paper was withdrawn because the original submission was an early draft manuscript and not the final version for publication