从细胞生态位工程化空间与分子特征以辅助炎症性肠病预测
基因组学
2026-01-14 v2 机器学习
摘要
区分炎症性肠病 (IBD) 的两种主要亚型——Crohn 病 (CD) 和溃疡性结肠炎 (UC)——由于临床表现重叠，一直是一项持续的临床挑战。本研究引入了一种新的计算框架，该框架采用空间转录组学 (ST) 来构建用于 IBD 分类的可解释机器学习模型。我们分析了健康对照 (HC)、UC 和 CD 患者结肠黏膜的 ST 数据。利用非负矩阵分解 (NMF)，我们首先识别了四个反复出现的细胞生态位，代表了组织内不同的功能微环境。从这些生态位中，我们系统地设计了 44 个特征，以捕捉组织病理学的三个关键方面：生态位组成、邻域富集和生态位-基因信号。在这些特征上训练的多层感知机 (MLP) 分类器在更具挑战性的三分类问题 (HC、UC 和 CD) 中达到了 的准确率，在区分 IBD 与健康组织的二分类问题中达到了 的准确率。至关重要的是，模型可解释性分析表明，生态位空间组织的破坏是普遍炎症的最强预测因子，而 UC 和 CD 之间的分类依赖于特定的生态位-基因表达特征。这项工作提供了一个稳健的概念验证流程，将描述性空间数据转化为准确且可解释的预测工具，不仅提供了一种潜在的新的诊断范式，而且深入了解了驱动 IBD 亚型的不同生物学机制。
引用
@article{arxiv.2509.09923,
title = {Engineering Spatial and Molecular Features from Cellular Niches to Inform Predictions of Inflammatory Bowel Disease},
author = {Myles Joshua Toledo Tan and Maria Kapetanaki and Panayiotis V. Benos},
journal= {arXiv preprint arXiv:2509.09923},
year = {2026}
}
备注
20 pages, 8 figures, 7 tables. Presented at the 37th Benelux Conference on Artificial Intelligence / 34th Belgian Dutch Conference on Machine Learning, Namur, Belgium, November 19 - 21, 2025