人工智能技术增强肿瘤分析并增强疾病治疗

密歇根大学和布朗大学的研究人员开发了一种新的计算方法来分析复杂的组织数据，这可能会改变我们目前对疾病及其治疗方法的理解。

综合知情组织分割（IRIS）是一种新的机器学习和人工智能方法，使生物医学研究人员能够查看有关组织发育、病理学和肿瘤组织的更准确信息。

这 调查结果 它发表在《自然方法》杂志上。

IRIS 从生成的数据中提取 空间解析的转录本 它独特地利用单细胞 RNA 测序数据作为参考，同时检查多层组织，并以前所未有的精度和计算速度表征不同区域。

与从组织样本中生成平均数据的传统技术不同，SRT 提供了更详细的视图，可识别单个组织切片内的数千个位点。 然而，他表示，解释如此庞大且详细的数据集始终是一项挑战 周翔密歇根大学公共卫生学院生物统计学教授、该研究的资深作者。

解释大型、复杂的数据集是 IRIS 成为有用工具的地方——它的算法对数据进行排序，以识别和分割不同的功能域（例如肿瘤区域），并提供对细胞相互作用和疾病进展机制的见解。

“与现有方法不同，IRIS 直接表征组织的细胞景观并识别生物学可解释的空间域，从而有助于理解组织功能背后的细胞机制，”这位密歇根大学博士研究生说。 马英布朗大学生物统计学助理教授，帮助开发了 IRIS 系统。

“我们期望 IRIS 成为分析各种生物系统中大规模、多样本空间转录组数据的强大工具。”

Zhou和Ma将IRIS应用于六个SRT数据集，并将其性能与其他常用的空间域方法进行了比较。 最终，随着 SRT 的不断普及和使用，研究人员希望看到像 IRIS 这样的方法有助于开发临床干预目标或药物靶标，从而改善患者的个性化治疗计划和健康结果。

“IRIS 的计算方法开创了生物学家探索复杂组织复杂结构的新方法，为探索发育和疾病进展过程中塑造组织结构的动态过程提供了无与伦比的机会，”周说。 “通过表征精细的组织结构并阐明其在病理状态下的变化，IRIS 有潜力揭示对于理解和对抗各种疾病至关重要的机制见解。”

该研究得到了美国国立卫生研究院的资助。

停留： 准确高效的基于参考的空间域检测用于空间转录

作者：密西根大学公共卫生学院 Destiny Cook