从组织病理学图像预测分子表型：乳腺癌中的全转录组表达—形态分析
图像与视频处理
2020-09-21 v1 计算机视觉与模式识别
定量方法
摘要
分子表型在癌症精准医学中居于核心，但其仍成本高昂且标准方法仅提供肿瘤平均谱。肿瘤组织病理学切片中可观测的微观形态模式由潜在分子表型决定并与临床因素相关。形态与分子表型间的关系有望被用于从组织病理学图像中可见形态预测分子表型。我们报道了乳腺癌中首次全转录组表达—形态（EMO）分析，其中基因特异性模型被优化并验证用于预测 mRNA 表达，既包括肿瘤平均值也包括空间分辨方式。单独的深度卷积神经网络（CNN）被优化以从苏木精—伊红（HE）染色的全切片图像（WSI）预测 17,695 个基因的表达。其中 9,334 个（52.75%）基因预测与 RNA 测序估计显著相关（FDR 校正 p 值 < 0.05）。1,011 个基因被推进至验证，其中分别有 876 个（87%）与 908 个（90%）在内部与外部测试数据中成功复现。预测的表达空间瘤内变异性在 76 个基因中得到验证，其中 59 个（77.6%）与空间转录组估计显著相关（FDR 校正 p 值 < 0.05）。这些结果表明所提方法可直接从形态预测肿瘤平均基因表达与瘤内空间表达，从而提供一种表征瘤内异质性的可扩展途径。
引用
@article{arxiv.2009.08917,
title = {Predicting molecular phenotypes from histopathology images: a transcriptome-wide expression-morphology analysis in breast cancer},
author = {Yinxi Wang and Kimmo Kartasalo and Masi Valkonen and Christer Larsson and Pekka Ruusuvuori and Johan Hartman and Mattias Rantalainen},
journal= {arXiv preprint arXiv:2009.08917},
year = {2020}
}
备注
42 pages, 6 figures