(資料圖)

18日，記者從中國科學院深圳先進技術研究院獲悉，該院醫(yī)工所傳感中心羅茜團隊在質譜成像數據分析領域獲得重要進展，成功開發(fā)了一種多模態(tài)融合驗證的空間分割新方法，可以準確可靠地確定質譜成像數據的感興趣區(qū)域(regions-of-interest,ROI)。相關研究成果于近日發(fā)表在生物數據科學領域國際期刊《千兆科學》(《Giga Science》)上。

質譜成像是一種具有空間分辨能力的新型分子組學技術，為研究人員提供了理解生物現象背后生化機制的新手段。在質譜成像數據的統(tǒng)計分析過程中，一張完整的組織切片通常會被“虛擬地”劃分成許多感興趣區(qū)域。準確劃分ROI是挖掘空間分子組學數據的前提，對于發(fā)現疾病等因素引起的分子變化至關重要。

針對現有感興趣區(qū)域劃分方法中，傳統(tǒng)手動方法依賴主觀判斷且耗時費力、結果可靠性較差等問題，研究團隊提出了一種基于多模態(tài)融合思想的“半監(jiān)督”新方法，即依靠“AI病理師”驗證空間分割得到的ROI結果。

研究團隊創(chuàng)新性地融合質譜成像中獲取的分子組分信息和H&E病理圖中獲取的組織形態(tài)信息，實現了從兩個相對獨立互補的生物信息源，交叉驗證ROI的劃分結果，有力保證了其生物學意義上的可靠性。同時，研究團隊開發(fā)多模態(tài)融合方法劃分質譜成像數據ROI并應用于小鼠腎組織樣本和原位種植腫瘤研究，發(fā)現ROI與基準真值完美呼應，且廣泛適用于不同類別的組織樣本。

據介紹，該工作涉及的核心代碼與數據將完全開源共享，該方法為以質譜成像為基礎的空間代謝組學和蛋白質組學研究者，提供多模態(tài)數據融合技術方法，有助于進一步發(fā)展臨床病理切片的細胞化學異質性研究。

關鍵詞：