論文の概要: HistoAtlas: A Pan-Cancer Morphology Atlas Linking Histomics to Molecular Programs and Clinical Outcomes
- arxiv url: http://arxiv.org/abs/2603.16587v1
- Date: Tue, 17 Mar 2026 14:36:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.344266
- Title: HistoAtlas: A Pan-Cancer Morphology Atlas Linking Histomics to Molecular Programs and Clinical Outcomes
- Title（参考訳）: HistoAtlas: 分子プログラムと臨床結果にヒストミックをリンクしたパンカウンサー形態のアトラス
- Authors: Pierre-Antoine Bannier,
- Abstract要約: HistoAtlas(ヒストアトラス)は、21のTCGAがんタイプにわたる6,745の診断用H&Eスライドから38の解釈可能な組織学的特徴を抽出する計算アトラスである。
すべての結果は、組織区画や個々の細胞に空間的にトレース可能であり、統計的に校正され、オープンにクエリ可能である。
- 参考スコア（独自算出の注目度）: 0.6460896990669842
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present HistoAtlas, a pan-cancer computational atlas that extracts 38 interpretable histomic features from 6,745 diagnostic H&E slides across 21 TCGA cancer types and systematically links every feature to survival, gene expression, somatic mutations, and immune subtypes. All associations are covariate-adjusted, multiple-testing corrected, and classified into evidence-strength tiers. The atlas recovers known biology, from immune infiltration and prognosis to proliferation and kinase signaling, while uncovering compartment-specific immune signals and morphological subtypes with divergent outcomes. Every result is spatially traceable to tissue compartments and individual cells, statistically calibrated, and openly queryable. HistoAtlas enables systematic, large-scale biomarker discovery from routine H&E without specialized staining or sequencing. Data and an interactive web atlas are freely available at https://histoatlas.com .
- Abstract（参考訳）: われわれは,21のTCGA癌型にわたる6,745の診断的H&Eスライドから38の組織学的特徴を抽出し,すべての特徴を生存,遺伝子発現,体細胞突然変異,免疫サブタイプに体系的に関連付けるパン・カンサー・コンピューティング・アトラスを提案する。
すべての関連は共変量調整され、多重テストが修正され、エビデンス・強度階層に分類される。
アトラスは、免疫浸潤や予後から増殖、キナーゼシグナルまで既知の生物学を回復し、また、区画特異的な免疫シグナルや、分化した結果を伴う形態学的サブタイプを明らかにする。
すべての結果は、組織区画や個々の細胞に空間的にトレース可能であり、統計的に校正され、オープンにクエリ可能である。
HistoAtlasは、特殊な染色やシークエンシングなしに、通常のH&Eから体系的に大規模なバイオマーカーを発見できる。
データとインタラクティブなWeb atlasはhttps://histoatlas.com.comで無料で入手できる。
関連論文リスト
- A General Model for Retinal Segmentation and Quantification [40.957724455503346]
眼底イメージングのための一般的な網膜分画および定量化フレームワークであるRetSAMについて述べる。
堅牢なマルチターゲットセグメンテーションと標準化されたバイオマーカー抽出を提供し、下流眼科研究と眼科相関分析を支援している。
その結果得られたバイオマーカーは、糖尿病網膜症、加齢に伴う黄斑変性、緑内障、近視など、主要な眼科疾患の体系的な相関解析を可能にする。
論文 参考訳（メタデータ） (2026-01-31T10:24:02Z) - Explainable histomorphology-based survival prediction of glioblastoma, IDH-wildtype [0.030922209117666726]
Glioblastoma, IDH-wildtype (GBM-IDHwt) が最も多い悪性脳腫瘍である。
病理組織学はGBM-IDHwtの統合診断において重要な要素である。
本稿では, 生存に伴う組織学的特徴の体系的解釈を支援するための, 説明可能なAIベースの手法を提案する。
論文 参考訳（メタデータ） (2026-01-16T15:35:12Z) - Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data [36.92842246372894]
Multi-Omics Graph Kolmogorov-Arnold Network (MOGKAN)は、メッセンジャーRNA、マイクロRNA配列、DNAメチル化サンプルを利用するディープラーニングフレームワークである。
グラフに基づく深層学習とマルチオミクスデータを統合することにより,提案手法は頑健な予測性能と解釈可能性を示す。
論文 参考訳（メタデータ） (2025-03-29T02:14:05Z) - A Comparative Analysis of Image Descriptors for Histopathological Classification of Gastric Cancer [39.69192026190426]
胃がんは世界で5番目に多く、致死率も4番目に高く、5年生存率は約20%である。
本研究は, 組織像を健康・癌カテゴリに分類するために, 機械学習と深層学習技術を用いた。
論文 参考訳（メタデータ） (2025-03-21T12:46:22Z) - LASSO-MOGAT: A Multi-Omics Graph Attention Framework for Cancer Classification [41.94295877935867]
本稿では,メッセンジャーRNA,マイクロRNA,DNAメチル化データを統合し,31種類のがんを分類するグラフベースのディープラーニングフレームワークLASSO-MOGATを紹介する。
論文 参考訳（メタデータ） (2024-08-30T16:26:04Z) - Screen Them All: High-Throughput Pan-Cancer Genetic and Phenotypic Biomarker Screening from H&E Whole Slide Images [10.358246499005062]
OmniScreenは、60,529人のがん患者から抽出されたVirchow2の埋め込みを利用したAIベースのシステムである。
統一されたモデルを用いて、がん全体にわたる幅広い臨床関連バイオマーカーを予測する。
治療標的を確実に同定し、稀な腫瘍と稀な腫瘍に共通する表現型の特徴を共有できる。
論文 参考訳（メタデータ） (2024-08-18T17:44:00Z) - Gene-MOE: A sparsely gated prognosis and classification framework
exploiting pan-cancer genomic information [13.57379781623848]
そこで本研究では, RNA-seq解析フレームワークであるGene-MOEについて紹介する。
Gene-MOEは、分析精度を高めるために、MOE層とアテンションエキスパート層の混合物のポテンシャルを利用する。
事前訓練を通じて33種類のがんからパンがん情報を統合することで、過度に適合する課題に対処する。
論文 参考訳（メタデータ） (2023-11-29T07:09:25Z) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳（メタデータ） (2022-09-27T14:08:19Z) - Exploring Genetic-histologic Relationships in Breast Cancer [28.91314299138311]
この研究は、深層学習を用いて乳癌の病理組織像からゲノムバイオマーカーを予測する。
全タスクで0.02の最小改善と最大0.13のAUROCスコアで既存の作業より優れています。
論文 参考訳（メタデータ） (2021-03-15T00:53:47Z) - Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。
本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。
私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文 参考訳（メタデータ） (2021-02-11T09:04:45Z)
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。