通过整合单细胞分析和人工智能技术，揭示了子宫内膜异位症对子宫内膜造成的改变

《Nature Communications》：Endometriosis-related alterations in the endometrium revealed by integrated single-cell and AI-powered approaches

　　

摘要

子宫内膜异位症影响着九分之一的女性，其在治疗和诊断方面存在诸多挑战。为了解决这些问题，我们生成了一个全面的子宫内膜单细胞图谱，该图谱包含了来自35名子宫内膜异位症患者和25名未接受外源性激素治疗的非子宫内膜异位症患者的466,371个细胞样本。详细分析显示，子宫内膜异位症患者的子宫内膜中存在显著的基因表达变化以及受体-配体相互作用异常，包括多种细胞类型的炎症反应增强、细胞黏附性增加、细胞增殖加快、细胞存活率提高以及血管生成增强。这些变化可能促进了子宫内膜异位症病灶的形成，并为潜在的治疗靶点提供了线索。我们利用ScaiVision训练了神经网络模型来预测子宫内膜异位症的严重程度（中位AUC值为0.83），其中一个模型仅基于通过差异表达分析确认在子宫内膜异位症患者中失调的11个基因。总之，我们的研究结果揭示了子宫内膜异位症患者子宫内膜中的众多通路和受体-配体变化，为理解其病理生理机制、寻找改进治疗方法的潜在靶点以及开发更有效的疾病管理预测模型提供了重要见解。尽管这些模型尚未经过外部验证，但它们可以作为假设生成的工具，并为进一步的临床研究奠定基础。