| 
【CMT&CHTV 文件精湛】开心色五月 导语：本接洽建议了一种基于领域泛化的深度学习算法Cancer-Finder，该算法能快速识别恶性细胞，对肿瘤异质性的接洽和个性化解救具有遑急道理。 接洽布景 肿瘤异质性是癌症解救发展的遑急禁闭。单细胞RNA测序（scRNA-seq）时候通过在单细胞水平上揭示肿瘤的里面和间质异质性，激动了个性化解救的发展。空间转录组学（ST）时候进一步捕捉了组织里面转录活性的空间布景，为癌症接洽提供了新的视角。但是，现存的算法在恶性肿瘤细胞详实的准确性和泛化才略上存在不及，难以从泛癌数据中快速、一致地推断出恶性细胞。 情趣萝莉2024年2月，Nature Communications杂志发表了题为“Domain Generalization Enables General Cancer Cell Annotation in Single-cell and Apatial Transcriptomics”的接洽，旨在快速识别单细胞数据中的恶性细胞，并卤莽准确识别空间转录组学数据中的恶性雀斑。 
接洽步伐 该接洽是一项基于深度学习的算法确立接洽，旨在快速识别单细胞数据中的恶性细胞，并卤莽准确识别空间转录组学数据中的恶性雀斑。接洽团队汇注了74个东说念主体肿瘤微环境数据集动作教训集，并将其分为14个不同的类别。通过下采样确保了类别均衡，并使用风险外推的步伐进行领域泛化教训，以进步模子在不同数据集上的泛化性能。 接洽收敛开心色五月 Cancer-Finder在里面考据数据集上的平均准确率达到了95.16%，在外部考据数据集上的平均准确率为98.30%。此外，Cancer-Finder在空间转录组数据上也展现出了细致的臆想才略，过程小鸿沟教训集教训后，对教训过的组织的臆想准确度在82.00-97.37%之间。接洽还收效识别了一个由10个基因构成的基因签名，这些基因在肿瘤-泛泛组织界面权臣共定位，何况与透明细胞肾癌患者的预后密切联系。 此外，Cancer-Finder在多个数据集上的贯通均优于现存的其他器用，如SCEVAN、CopyKAT、CaSee和ikarus等。在对向上500 000个细胞的Cancer Single-cell Expression Map (CancerSCEM)数据库进行详及时，Cancer-Finder在一小时内就能快速臆想，且与数据库提供的恶性细胞百分比高度联系。 Cancer-Finder算法的高准确率识别才略 该接洽中，Cancer-Finder算法在单细胞转录组数据上展现了超卓的性能，其对恶性细胞的识别准确度达到了平均95.16%。这一收敛远向上传统步伐，如基于逻辑追想的Ikarus算法，以及基于拷贝数变异推断的CopyKAT算法。在5个透明细胞肾癌（ccRCC）的空间转录组样本测试中，Cancer-Finder雷同贯通出色，全色 网准确识别恶性雀斑的才略，准确度在82.00%~97.37%之间(图1）。Cancer-Finder算法不仅在单一数据集上贯通出色，它在跨癌种的数据集上雷同卤莽保握高准确度的识别才略。在对5种不同透明细胞肾癌的空间转录组样本进行分析时，算法收效地识别出了恶性肿瘤区域，何况识别出的基因签名与肿瘤-泛泛组织界面权臣联系。这些数据强有劲地解说了Cancer-Finder算法在单细胞及空间转录组数据中的泛化才略。 
图1.Cancer-Finder在ccRCCST数据麇集肿瘤间异质性分析中的应用 基因签名的发现偏执临床道理 接洽团队愚弄Cancer-Finder算法识别出的基因签名由10个基因构成，它们在肿瘤与泛泛组织界面权臣共定位，何况与透明细胞肾癌患者的预后具有较强的联系性。通过单样本基因集富集分析（ssGSEA）规画这些基因的抒发签名得分，发现这些基因在肿瘤-泛泛组织界面富集，且与患者的总体活命率权臣联系。这一发现不仅为衔接肿瘤微环境提供了新的视角，也可能为临床解救提供了潜在的生物象征物。 Cancer-Finder算法在大鸿沟数据集上的应用后劲 在对Cancer Single-cell Expression Map (CancerSCEM)数据库的向上500 000个细胞进行详及时，Cancer-Finder算法展现了其在大鸿沟数据集上的应用后劲。它在一小时内就能完成快速臆想，何况与数据库提供的恶性细胞百分比高度联系（Pearsons联系整个>0.85）。此外，Cancer-Finder在不同大小的数据集上的推断速率均优于其他步伐，流露出其在处治大鸿沟数据时的高效性。 算法的泛化才略与领域发展价值 Cancer-Finder算法的泛化才略不仅限于已教训的数据类型，还卤莽膨胀到其他空间转录组学时候生成的数据集，如MERFISH、Slide-seq等。这一泛化才略使得Cancer-Finder算法在不同的时候平台上均能保握较高的准确度，从而为肿瘤微环境的多维度接洽提供了强有劲的器用。此外，Cancer-Finder算法的高效性和可膨胀性，预示着其在肿瘤微环境接洽以及临床应用中的纷乱后劲，至极是在个性化医疗和精确解救领域。 探讨与总结 该接洽的私有价值在于Cancer-Finder算法的高效性和可膨胀性。Cancer-Finder算法不仅卤莽处治单细胞RNA测序数据，还卤莽膨胀到空间转录组学数据的详实，这关于衔接肿瘤微环境的复杂性具有遑急道理。此外，Cancer-Finder的推断速率快，内存破费低，使其在大鸿沟数据分析中具有潜在的应用远景。尽管在血液肿瘤数据上的贯通存限，但该算法在实体瘤的接洽中展现出了纷乱的后劲，为改日肿瘤微环境的接洽和临床应用提供了新的器用和视角。 参考文件 ZHONG Z， HOU J， YAO Z， et al. Domain generalization enables general cancer cell annotation in single-cell and spatial transcriptomics[J]. Nat Commun， 2024， 15(1):1929. DOI:10.1038/s41467-024-46413-6. “医学论坛网”发布医学领域接洽恶果息争读开心色五月，供专科东说念主员科研参考，不动作诊疗法式，使用需笔据具体情况评估。
|
