通过整合计算病理学和孟德尔随机化方法，在结直肠癌中进行因果推断和预后建模

《Annals of Surgical Oncology》：Causal Inference and Prognostic Modeling in Colorectal Cancer through Integration of Computational Pathology and Mendelian Randomization

基于TCGA-COAD/READ数据集，本研究通过ResNet-50和CellProfiler提取结直肠癌病理特征，结合孟德尔随机化（MR）与中介分析，揭示肠道菌群-免疫细胞互作与CRC的因果关联，发现15个微生物-免疫基因及21个相关病理特征，构建的预后模型准确率达临床要求。

　　

摘要

背景

虽然传统病理学有助于结直肠癌（CRC）的诊断和分期，但计算病理学提供了新的预后预测见解。孟德尔随机化（MR）在癌症研究中有效揭示了因果关系；然而，将MR与病理学结合起来研究肠道微生物群（GM）、免疫细胞和CRC的研究仍然有限。

材料与方法

我们使用ResNet-50和CellProfiler分析了癌症基因组图谱中的结肠腺癌/直肠腺癌（TCGA-COAD/READ）数据集的全幅图像，以提取病理特征。随后进行了MR分析和中介效应分析，以确定GM、免疫细胞和CRC之间的因果关联。将因果单核苷酸多态性（SNPs）映射到相应的基因（微生物组-免疫基因），并将这些基因的表达水平与提取的图像特征进行关联。最后，利用机器学习算法构建了一个预后预测模型。

结果

我们发现了55个因果关系、6个中介效应以及15个微生物组-免疫基因。在提取的病理特征中，有21个与这些微生物组-免疫基因相关。本研究开发的预后模型在预测CRC预后方面表现准确。

结论

通过将MR与计算病理学相结合，我们阐明了GM、免疫细胞和CRC之间的因果关系，并成功构建了一个预后预测模型。这项工作为CRC的精准治疗提供了新的靶点。