
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用机器学习技术解读罕见类型壶腹癌的MALDI成像数据
《npj Systems Biology and Applications》:Interpreting MALDI imaging data for rare types of ampullary cancer using machine learning
【字体: 大 中 小 】 时间:2026年05月13日 来源:npj Systems Biology and Applications 3.5
编辑推荐:
摘要罕见肿瘤疾病难以诊断,且缺乏常规的诊断方法。需要找到能够全面识别和评估与预后相关的靶蛋白或转录本的方法。通过基于机器学习(ML)的矩阵辅助激光解吸/电离(MALDI)飞行时间(TOF)成像技术来分析罕见壶腹癌及其预后和预测因素,是解决这些癌症样本诊断问题的第一步。在这项研究中
罕见肿瘤疾病难以诊断,且缺乏常规的诊断方法。需要找到能够全面识别和评估与预后相关的靶蛋白或转录本的方法。通过基于机器学习(ML)的矩阵辅助激光解吸/电离(MALDI)飞行时间(TOF)成像技术来分析罕见壶腹癌及其预后和预测因素,是解决这些癌症样本诊断问题的第一步。在这项研究中,我们调查了一组壶腹腺癌病例,包括肠型、胰腺型以及未知亚型的病例,以识别其蛋白质组中的差异。这些病例的人体福尔马林固定石蜡包埋(FFPE)组织经过病理学评估、免疫组化染色,然后利用MALDI成像技术进行检测,并通过机器学习进行分析。我们将MALDI成像作为免疫组化分析的补充诊断工具,并开发了一个适用于肿瘤诊断的MALDI成像神经网络。此外,通过利用机器学习模型的可解释性工具,我们确定了训练模型中具有影响力的少数m/z值。将基于某一蛋白质组学应用的本地建立的机器学习模型转换为适用于其他类似应用的模型(无需进行峰值挑选或其他预处理),为未来罕见癌症患者的数据收集奠定了基础。