单细胞多模态组学测序及其在针灸研究中的运用展望

单细胞多模态测序技术是近年来检测细胞类型特异性和探索基因调控细胞过程的前沿生物技术方法,根据单细胞不同组学的联合运用,可形成13种组合模式,从而形成了“多维度”、“多尺度”测序的特点。本文从针灸单细胞多模态数据库的建立、数据的预处理、预测模型的建立进行了分析,提出了具体的路径和策略。采用单细胞多模态测序技术结合传统针灸,是中医药交叉学科现代化发展的有益探索。以针灸单细胞多模态数据为驱动,建立针灸单细胞融合组学预测模型,可以推断针灸单细胞调控异质景观,将有望深度解码针灸治疗疾病的多维细胞调控机制。

基于多模态MRI影像组学特征构建胃癌淋巴结转移预测模型

目的基于多模态MRI影像组学构建胃癌淋巴结转移预测模型。方法选取2020年2月至2022年2月医院收治的172例胃癌患者为研究对象,依据病理结果分组,发生淋巴结转移为转移组(112例),未发生淋巴结转移为未转移组(60例)。采用多模态MRI检测患者胃部异常病变,并筛选术后发生胃癌淋巴结转移患者的信息获得最有诊断价值的影像组学特征信息。提取患者多模态MRI影像组学特征并标准化,根据获得的特征信息构建有效的胃癌淋巴结转移诊断模型。建立模型后,结合胃癌淋巴结转移患者术后病理诊断未转移组,验证并判断预测模型的稳定性、准确性和特异性。结果转移组与未转移组性别、年龄、糖类抗原、癌胚抗原水平、肿瘤大小、肿瘤位置、Lauren分型、分化程度、浸润深度、脉管癌栓、溃疡指标比较,差异均无统计学意义(P>0.05),转移组血红蛋白水平高于未转移组,差异有统计学意义(P<0.05)。多因素Logistic分析显示,胃癌淋巴结转移与肿瘤大小、分化程度、浸润深度、脉管癌栓均相关(P<0.05)。利用肿瘤大小、分化程度、浸润深度、脉管癌栓指标建立的预测列线图模型具有较好的精确度、区分度。结论基于多模态MRI影像组学构建胃癌淋巴结转移预测模型,有助于为胃癌淋巴结转移诊断提供快速、无创、简便的辅助检查手段,为患者提供更好的医疗服务,避免过度治疗。

基于多参数磁共振放射组学预测临床显著性前列腺癌

目的探讨基于术前多参数磁共振的放射组学模型在预测临床显著性前列腺癌方面的价值。方法回顾性收集了332名进行mp-MRI检查的患者,按7:3的比例随机分为训练组和验证组。使用PyRadiomics包分别提取T2WI、DWI和DCE三个序列的影像组学特征,筛选出相关性最大的放射组学特征,并根据相应的系数得出放射组学得分,共建立了三个单一、两个多模态放射组学模型,评估五个模型的预测性能。结果1.332名患者随机被分为训练组232例和验证组100例,两组间所有临床参数的差异均无统计学意义。2.多模态模型B预测效能最佳,AUC值在训练组和验证组分别达到0.90和0.86,校准曲线显示了良好一致性,并且DCA曲线也表现出最大的临床获益。而模型A的准确度和敏感度在五个模型中达到最高,训练组中分别为0.86和0.86,验证组中分别为0.81和0.78。DWI模型的特异度在两组分别达到了0.91和0.80,这在五个模型中是最高的。结论基于mp-MRI的放射组学模型可用于术前预测CsPCa。

多模态磁共振成像及影像组学在评价胶质瘤分级及IDH-1基因分型中的应用价值探讨

探讨多模态磁共振成像及影像组学在评价胶质瘤分级及 IDH-1 基因分型中的应用价值。方法:回顾分析 2020 年 1 月~2021 年 6 月在我院行外科手术治疗的 42 例胶质瘤患者的临床资料,根据不同级别进行分组及 IDH-1 基因分型进行分组,术前均行 MRI 检查,多 b 值 DWI 成像,比较 DTI 定量参数。 结果:高级别胶质瘤实质区、肿瘤周围水肿区的 ADC、ADC 比值显著低于低级别胶质瘤,FA、FA 比值显著高于低级别胶质瘤(P<0.05);IDH-1 基因突变型 ADCmean、ADCmin、rADCmean、rADCmin 均大于 IDH-1 基因野生型(P<0.05)。 结论:多模态磁共振成像及影像组学在评价胶质瘤分级及 IDH-1 基因分型中的应用价值显著,能为脑胶质瘤分级及 IDH-1 基因分型提供更为判断信息。

多模态组学数据整合方法的性能评测

多模态组学数据的联合运用在揭示细胞异质性和解析细胞命运调控机制方面具有重要意义,目前已有多种方法被开发,用于处理不同组学模态数据的整合。本研究通过对应用于不同整合任务的多种数据整合方法进行性能评测,为相关领域的研究提供有益参考。使用6个联合测序数据集对16种单细胞多模态配对数据整合方法在2类整合任务上的性能进行测试,再通过4个模拟数据集和1个真实数据集对6种空间转录组反卷积方法的性能进行评估。在RNA和ATAC配对数据整合任务中,MOFA+、 SCOIT、 Cobolt分别在PBMC、 BMMC、 SNARE数据集上取得最优表现,SCOIT在3个数据集的汇总得分中均排名前3, MMDVAE、 DAE在基于AE的融合算法中表现突出。在RNA和蛋白质配对数据整合任务中,Cobolt、 MOFA+、 Seurat分别在P5_CITE、 BM_CITE、 COVID中取得最优表现,totalVI在3个数据集的汇总得分中排名靠前,基于AE的融合算法中以efMMDVAE、 lfMMDVAE的表现最好。在空间转录组反卷积方法评测中,Cell2location和SPACEL在模拟数据和真实数据中的性能表现均优于其他方法的,其中Cell2location在真实数据集中表现最佳,正确地推断了两类心肌细胞在心室的比例。此外,本研究发现在配对数据整合任务中,不同方法对数据的适应性不同。SCOIT和totalVI分别是RNA与ATAC、 RNA与蛋白质数据整合中表现稳定优异的方法。Seurat、 MOFA+易受数据影响。

基于单细胞组学的中药现代研究:技术及思路

单细胞组学技术是近年来发展极为迅速的新兴技术之一,可在单细胞尺度上实现多种组学信息的无偏、高通量获取。目前,单细胞组学技术凭借其强大的组织异质性解析力,已成为深入理解组织的功能结构、揭示复杂疾病过程和阐明药物作用机制的革命性工具。针对破解中药复杂性、阐明中医药理论现代科学内涵所面临的技术挑战,单细胞组学技术在发现药效物质、构建作用网络和阐明整合调节机制等方面有着巨大的应用潜力,为中医药现代研究带来了新机遇。该文简要介绍了单细胞转录组测序、空间转录组和单细胞多模态组学等代表性单细胞组学技术及其主要应用模式,并在此基础上对采用单细胞组学技术开展中药现代研究的思路和应用场景进行了展望。