(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，成功開發了一種多模態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域(regions-of-interest,ROI)。相關研究成果于近日發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域。準確劃分ROI是挖掘空間分子組學數據的前提，對于發現疾病等因素引起的分子變化至關重要。

針對現有感興趣區域劃分方法中，傳統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融合思想的“半監督”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，研究團隊開發多模態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，提供多模態數據融合技術方法，有助于進一步發展臨床病理切片的細胞化學異質性研究。

關鍵詞：