跳到正文
原文
medRxiv 预印本· Magbanua, M. J. M., Huppert, L. A., Cruz, J., Goudreau, J., Zhou, S., Yin, K., Stejskal, P., Gill, t., Carelli, R., Kim, J., Hsie, L., Wang, M., Lian, Z., Manepalli, S., Phelan, M., Ray, M., Johnson, C., Nieto, J., Schneider, E. C., Mavropoulos, A., Delson, A. L., Simmons, C., Parizadeh, A., Crawford, J., Bruck, M., Her, L., Barnett, V., Cabrera, A. M., Melisko, M., Balassanian, R., Rugo, H. S., van 't Veer, L., Jovic, A., Devine, W. P., Sayaman, R. W., Salek, M., Masaeli, M., Rosenbluth, J., Goodarzi, H. ·· 14 天前AI 评分25

AI单细胞成像与形态引导无标记富集揭示恶性积液中的肿瘤异质性、基因组相关性与分歧

AI-powered single-cell imaging and morphology-guided label-free enrichment reveal tumor heterogeneity, genomic relatedness, and divergence in malignant effusions

AI 导读

研究将预训练深度学习模型用于10例转移性乳腺癌患者恶性积液的单细胞明场图像,提取形态特征并指导无标记微流控富集,中位肿瘤细胞比例为5.4%(范围0.51-15.8%,n=25份样本)。对富集肿瘤细胞组分行低深度全基因组测序(n=26)和全外显子组测序(n=24),检出拷贝数变异与体细胞突变,并与配对的积液cfDNA及实体瘤比较,发现共享基因组改变及分析物间的基因组分歧。

来源:medRxiv 预印本 · medrxiv.org