针对非一致空间的空间结构回归：整合病理组织学影像和基因组数据的模型
应用统计
2024-06-25 v1
摘要
肿瘤微环境的空间组成和细胞异质性在肿瘤的发生和进展中发挥着关键作用。高分辨率的病理组织学影像可提供肿瘤切片中不同细胞类型空间组织的高分辨视图。这使得通过整合伴随的患者水平基因组数据，对肿瘤切片之间以及患者之间空间细胞相互作用和异质性进行系统性评估成为可能。然而，跨肿瘤切片的联合建模因存在非一致性（不同切片间缺乏共同的空间域）以及高维度等独特挑战而面临困难。为解决此问题，本文提出了用于空间结构回归的双随机效应和主效应选择模型（DreameSpase）。DreameSpase采用贝叶斯变量选择框架，以便在非一致空间域上评估关于协变量的空间异质性——通过固定效应考察空间内异质性，通过空间随机效应考察空间间异质性。我们通过模拟研究以及对335个黑色素瘤切片的病理组织学影像和基因表达数据进行整合分析，展示了DreameSpase的有效性。我们的发现确认了若干已有关系，例如中性粒细胞基因与跨患者和患者内空间异质性相关，同时也发现了新的关联。我们还提供了可免费获取且计算效率高的软件，以实现DreameSpase。
引用
@article{arxiv.2406.16721,
title = {Spatially Structured Regression for Non-conformable Spaces: Integrating Pathology Imaging and Genomics Data in Cancer},
author = {Nathaniel Osher and Jian Kang and Arvind Rao and Veerabhadran Baladandayuthapani},
journal= {arXiv preprint arXiv:2406.16721},
year = {2024}
}