Los tumores contienen diversos tipos de células no cancerosas que constituyen el microambiente tumoral; por lo tanto, identificar qué células son cancerosas es un paso fundamental y crítico en la investigación del cáncer.
Sin embargo, hasta donde sabemos, no se ha entrenado ningún clasificador basado en transcriptomas utilizando anotaciones definidas por patólogos a partir de imágenes de H&E correspondientes a nivel de célula individual.
Además, pocas herramientas pueden compartirse en diversas plataformas. Aquí, presentamos SPATNIC, un autoencoder variacional que clasifica las células individuales como cancerosas o normales, entrenado con células Xenium etiquetadas mediante la revisión de un patólogo de imágenes de H&E correspondientes. Su rendimiento es igual o superior al de las herramientas existentes en tumores colorrectales primarios y metástasis hepáticas y pulmonares. SPATNIC se generaliza de forma directa en Visium, Visium HD, CosMx, Xenium, MERSCOPE y secuenciación de ARN de célula única.
En atlas de célula única de dominio público, identificó una rara población de células madre cancerosas tipo POU2F3 que no se detectó con las anotaciones existentes y que se asoció con una peor supervivencia. En el cáncer de recto analizado antes y después de la quimiorradioterapia, separó las células cancerosas del epitelio normal en el tejido, lo que permitió el cribado por paciente de los objetivos de los conjugados anticuerpo-fármaco (ADC).
Inicia sesión o regístrate para acceder al texto completo
¡Aún no hay comentarios. Sé el primero en comentar!