基于人工智能的数字病理学技术支持的人类肾脏空间组学数据分析

《Journal of Proteome Research》：AI-Based Digital Pathology-Enabled Spatial-Omics Data Analyses of the Human Kidney

　　

Naina Beishembieva|Brittney Gorman|Anindya S. Paul|Marija Veli?kovi?|Du?an Veli?kovi?|Geremy Clair|Kumar Sharma|Pinaki Sarder|Christopher R. Anderton

美国华盛顿州里奇兰市太平洋西北国家实验室地球与生物科学理事会，邮编99354

识别组织区域特异性的糖基化变化对于理解肾脏疾病的发病机制至关重要，但这仍然是一个巨大的挑战。我们开发了一种工作流程，将基质辅助激光解吸/电离质谱成像（MALDI-MSI）数据与基于人工智能的肾脏功能组织单元（FTUs）的数字病理学注释相结合，以分析活检组织中的N-糖链分布。这种方法可以生成与多种病理结果相关的分子水平数据，从而有助于阐明疾病机制。作为概念验证，我们证明了这种基于人工智能的数字病理学方法能够对MALDI数据进行分割，从而检测和区分健康肾脏组织中FTUs内的N-糖基化情况。随后，我们阐明了不同诊断患者的病变肾脏组织样本之间的N-糖基化差异。与健康组织相比，唾液酸N-糖链在糖尿病肾病（DKD）患者的肾小球和肾小管中富集，而在急性肾损伤（AKI）患者的肾小管和动脉中富集。此外，我们发现多乳糖胺N-糖链仅在AKI样本中富集，这表明它们可能在肾小管损伤和炎症中起作用。该工作流程有望弥合组织特异性糖基化与其在疾病中对FTUs影响之间的差距，为肾脏及其他组织的靶向分子成像研究铺平道路。