Ett innovativt mjukvaruverktyg kan förbättra cancerpatologin genom att ge diagnostiska insikter från vävnadsbiopsier. Verktyget, som kallas METI (Morphology-Enhanced Spatial Transcriptome Analysis Integrator), har utvecklats av forskare vid MD Anderson och Emory.
METI tillhandahåller en plattform för att integrera data som baseras på hur cellerna i ett biopsiprov ser ut och hur de är organiserade (histologi), samt vilka gener som är aktiva inuti dem. Det gör det möjligt att identifiera både cancerceller och andra celler, t.ex. friska celler eller immunceller som har vandrat in i en tumör. Förekomsten av immunceller och den rumsliga organisationen av cellerna i ett biopsiprov är ofta avgörande för diagnosen.
”METI:s viktigaste bidrag är dess förmåga att exakt identifiera tumörceller och andra komponenter i tumörens mikromiljö genom att integrera både molekylär och morfologisk information”, säger Jian Hu, Ph.D., biträdande professor i humangenetik vid Emory School of Medicine och chef för AI in Genomics-laboratoriet.
För att skapa METI samarbetade Hu med Linghua Wang, MD, Ph.D. och hennes laboratorium vid MD Anderson Cancer Center, samt ett team av erfarna patologer. De beskriver mjukvarans prestanda i en artikel som publicerats i Nature Communications. Programvaran finns tillgänglig, med ett användarvänligt gränssnitt för datavisualisering, på GitHub.
Forskarna utvärderade METI:s prestanda på biopsiprover från lung- och urinblåsecancer från MD Anderson och magcancer från Zhejiang Cancer Hospital i Kina. Hu säger att programvaran kan tillämpas på många cancertyper, eftersom den förlitar sig på genuttryck och morfologiska signaturer som delas mellan olika cancerformer.
METI är en oövervakad metod som införlivar domänkunskap från tidigare publikationer om cancergenomik för att vägleda sin maskininlärningsmodell.
Mer information om METI: Jiahui Jiang et al, METI: deep profiling of tumor ecosystems by integrating cell morphology and spatial transcriptomics, Nature Communications (2024). DOI: 10.1038/s41467-024-51708-9
