論文の概要: Generating counterfactual explanations of tumor spatial proteomes to
discover effective, combinatorial therapies that enhance cancer immunotherapy
- arxiv url: http://arxiv.org/abs/2211.04020v1
- Date: Tue, 8 Nov 2022 05:46:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 17:21:45.334031
- Title: Generating counterfactual explanations of tumor spatial proteomes to
discover effective, combinatorial therapies that enhance cancer immunotherapy
- Title（参考訳）: 癌免疫療法を増強する効果的な組合せ療法を探索するための腫瘍空間プロテオームの相反的説明の生成
- Authors: Zitong Jerry Wang, Matt Thomson
- Abstract要約: 我々は,特定の患者腫瘍に対する免疫系エンゲージメントの程度を予測できるシグナル分子の組み合わせの同定と設計のための機械学習戦略を開発した。
CXCL9, CXCL10, CXCL12, CCL19の上昇とCCL8の減少により, 69例のコホートでT細胞浸潤が10倍に増加すると予測した。
- 参考スコア（独自算出の注目度）: 2.28438857884398
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advances in spatial omics methods enable the molecular composition of
human tumors to be imaged at micron-scale resolution across hundreds of
patients and ten to thousands of molecular imaging channels. Large-scale
molecular imaging datasets offer a new opportunity to understand how the
spatial organization of proteins and cell types within a tumor modulate the
response of a patient to different therapeutic strategies and offer potential
insights into the design of novel therapies to increase patient response.
However, spatial omics datasets require computational analysis methods that can
scale to incorporate hundreds to thousands of imaging channels (ie colors)
while enabling the extraction of molecular patterns that correlate with
treatment responses across large number of patients with potentially
heterogeneous tumors presentations. Here, we have develop a machine learning
strategy for the identification and design of signaling molecule combinations
that predict the degree of immune system engagement with a specific patient
tumors. We specifically train a classifier to predict T cell distribution in
patient tumors using the images from 30-40 molecular imaging channels. Second,
we apply a gradient descent based counterfactual reasoning strategy to the
classifier and discover combinations of signaling molecules predicted to
increase T cell infiltration. Applied to spatial proteomics data of melanoma
tumor, our model predicts that increasing the level of CXCL9, CXCL10, CXCL12,
CCL19 and decreasing the level of CCL8 in melanoma tumor will increase T cell
infiltration by 10-fold across a cohort of 69 patients. The model predicts that
the combination is many fold more effective than single target perturbations.
Our work provides a paradigm for machine learning based prediction and design
of cancer therapeutics based on classification of immune system activity in
spatial omics data.
- Abstract（参考訳）: 空間オミクス法の最近の進歩は、数百の患者と10から数千の分子イメージングチャネルにわたる微小な解像度でヒト腫瘍の分子組成を画像化することができる。
大規模分子イメージングデータセットは、腫瘍内のタンパク質と細胞タイプの空間的構造が、異なる治療戦略に対する患者の反応をどのように調節するかを理解する新しい機会を提供し、患者応答を増加させる新しい治療法の設計への潜在的な洞察を提供する。
しかしspatial omicsデータセットには、数百から数千のイメージングチャネル(ie色)を組み込むためにスケール可能な計算分析方法が必要であり、同時に、多種多様な腫瘍の可能性のある多数の患者に対する治療反応と相関する分子パターンの抽出を可能にする。
そこで我々は,特定の患者腫瘍に対する免疫系エンゲージメントの程度を予測するシグナル分子の組み合わせの同定と設計のための機械学習戦略を開発した。
患者腫瘍のT細胞分布を予測するために,30-40の分子イメージングチャンネルの画像を用いて分類器を訓練する。
第2に,分類器に勾配降下法に基づく反事実推論戦略を適用し,t細胞浸潤を増加させると予測されるシグナル分子の組み合わせを探索する。
メラノーマ腫瘍におけるCXCL9, CXCL10, CXCL12, CCL19の上昇とCCL8の減少は,69例のコホートで10倍のT細胞浸潤を引き起こすと予測した。
モデルは、この組み合わせが単一の標的摂動よりも効果的であると予想する。
本研究は,空間的オデックデータにおける免疫系活性の分類に基づく癌治療の予測と設計に基づく機械学習のためのパラダイムを提供する。
関連論文リスト
- Patient-specific prediction of glioblastoma growth via reduced order modeling and neural networks [0.0]
グリオ芽腫は成人で最も致命的な脳腫瘍の1つである。
本研究では,精度オンコロジーの数学的枠組みに関する概念実証を提案する。
臨床的な意思決定を支援するために、堅牢で効率的な計算パイプラインを構築します。
論文 参考訳（メタデータ） (2024-12-04T18:46:05Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - Cross-domain feature disentanglement for interpretable modeling of tumor
microenvironment impact on drug response [4.930226504666259]
がん細胞と腫瘍のTMEを分離するための領域適応ネットワークを提案する。
新規薬物の汎用性を確保するため,薬物の潜伏表現を学習するためにグラフアテンションネットワークを適用し,潜伏空間の細胞状態に対する薬物摂動を線形にモデル化した。
論文 参考訳（メタデータ） (2023-11-15T07:50:54Z) - Treatment-aware Diffusion Probabilistic Model for Longitudinal MRI Generation and Diffuse Glioma Growth Prediction [0.5667953366862138]
本稿では,腫瘍マスクの将来の予測と,腫瘍が今後の治療計画にどう対応するかのマルチパラメトリック磁気共鳴画像(MRI)を提案する。
我々のアプローチは、最先端拡散確率モデルとディープセグメンテーションニューラルネットワークに基づいている。
論文 参考訳（メタデータ） (2023-09-11T12:12:52Z) - Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT
by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。
発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
論文 参考訳（メタデータ） (2023-08-01T12:46:02Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳（メタデータ） (2023-04-12T05:41:44Z) - Novel Local Radiomic Bayesian Classifiers for Non-Invasive Prediction of
MGMT Methylation Status in Glioblastoma [0.0]
グリオーマ腫瘍組織におけるO6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)遺伝子の発現は臨床的に重要である。
現在、MGMTメチル化は、侵襲的な脳生検およびその後に抽出された腫瘍組織の遺伝子解析によって決定されている。
FLAIR系列磁気共鳴画像(MRI)から抽出した放射能特性に基づいてMGMTメチル化状態の確率論的予測を行う新しいベイズ分類器を提案する。
論文 参考訳（メタデータ） (2021-11-30T04:53:23Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。