当前位置: 首页 > news >正文

TILs 评分:TCGA 肿瘤浸润淋巴细胞病理切片深度学习评分!图片下载与可视化

生信碱移

病理切片的TILs评分

TCGA 数据库是最大的肿瘤组学公开数据库之一。尽管如此,更多的研究往往仅局限于关注 TCGA 中各类肿瘤样本的上游组学信息或基本病理特征,而忽略了对样本数字化 H&E 病理染色图像的进一步应用

图片

▲ TCGA中肿瘤样本的病理染色切片

早在 2018 年一篇的 Cell Reports [IF:7.5] 文章中,研究人员便针对 13 种 TCGA 肿瘤类型的 H&E 图像,使用卷积神经网络对图像块进行建模,预测了切片区域内肿瘤浸润淋巴细胞(TILs)的映射强度。在他们的结果中,不同肿瘤类型、免疫亚型和肿瘤分子亚型的 TIL 密度和空间结构存在差异,这表明空间浸润 TILs 评分可能反映特定肿瘤细胞的异常状态。

图片

▲ DOI: 10.1016/j.celrep.2018.03.086

最近看到不少文章使用这个 TILs 评分,但只是看起来唬人。由于13 种肿瘤的 TILs 评分都已经计算出来了,所以直接应用就好。这 13种肿瘤分别是

  • BRCA: 乳腺癌 (Breast Invasive Carcinoma)

  • LUAD: 肺腺癌 (Lung Adenocarcinoma)

  • UCEC: 子宫内膜癌 (Uterine Corpus Endometrial Carcinoma)

  • COAD: 结肠癌 (Colon Adenocarcinoma)

  • LUSC: 肺鳞癌 (Lung Squamous Cell Carcinoma)

  • SKCM: 皮肤黑色素瘤 (Skin Cutaneous Melanoma)

  • STAD: 胃腺癌 (Stomach Adenocarcinoma)

  • PRAD: 前列腺癌 (Prostate Adenocarcinoma)

  • BLCA: 膀胱癌 (Bladder Urothelial Carcinoma)

  • CESC: 宫颈癌和子宫颈鳞状细胞癌 (Cervical Squamous Cell Carcinoma and Endocervical Adenocarcinoma)

  • PAAD: 胰腺癌 (Pancreatic Adenocarcinoma)

  • READ: 直肠癌 (Rectum Adenocarcinoma)

  • UVM: 葡萄膜黑色素瘤 (Uveal Melanoma)

这篇文章中,小编将讲讲如何下载指定样本的图片,以及计算不同亚型间的 TILs评分差异(注意,仅适用于上面的13种肿瘤)。示例数据+代码的网盘链接就放在公众号后台,铁子们发送 TIL病理评分 即可获得。可以产生的结果如下

图片

▲ 最终的示例结果如上图所示。

一、计算亚型间的TIL差异

① 这里给大家举的是一个例子:如果我们做分型研究,分好了不同的肿瘤样本,如何比较 TIL 得分在不同分组病人中的差异。提供的示例文件名称分别是sample.txt、til_percentage.txt,内容展示如下图:

图片

▲ Tab 键分隔的样本属性文件sample.txt:第一列是病人的ID,第二列是我们预先分好的病人亚型,每一列的标题不需要修改。

图片

▲ Tab键分隔的TIL得分文件til_percentage.txt:这个是从网站中直接下载的,第一列是样本ID,第二列是TIL得分,总共包含上述提到的13个癌种,大家直接使用就好。

② 可视化以及差异检验代码如下

library(ggpubr)# 读入数据
til <- read.table("til_percentage.txt", header = T, sep = "\t")
sample <- read.table("sample.txt", header = T, sep = "\t")
com_id <- intersect(til$ParticipantBarcode, sample$ParticipantBarcode)
rownames(til) <- til$ParticipantBarcode
rownames(sample) <- sample$ParticipantBarcode
sample <- sample[com_id, ]
til <- til[com_id, ]
til$Group <- sample$Immune.Subtype# 设置比较组
my_comparisons <- list( c("C1", "C2"))
ggviolin(til, x = "Group", y = "til_percentage", fill = "Group",palette = c("#00AFBB", "#E7B800"),add = "boxplot", add.params = list(fill = "white"))+stat_compare_means(comparisons = my_comparisons, label = "p.signif")+ # Add significance levelsstat_compare_means(label.y = 50)

图片

③ 看看不同分组病人的具体得分(这里可以看到哪些病人得分高,选几个差异大的等会下载其结果图片):

View(til)  # 可以用来看看不同分组病人的id

图片

二、下载指定样本的病理图片

① 浏览器中进入下述网址

  • https://cancerimagingarchive.net/datascope/TCGA_TilMap/

② 点击下方截图中的"TIL Browser"

图片

③ 然后在搜索框中输入病人id

图片

④ 鼠标移至图片后,右键击"图片另存为"即可进行下载

⑤ 这里我的C1、C2分别下载的是TCGA-4H-AAAKTCGA-BH-A18V两张图片简单排版即可展示如下

图片

从图片来看,我们的结论是 C2 的样本肿瘤浸润淋巴细胞更多,而 C1 相对更少。

欢迎各位关注

就分享到这里了

http://www.lryc.cn/news/428200.html

相关文章:

  • 【运维】如何在浏览器中查看和管理 Cookie 信息?
  • Selenium实战:深度解析Python中嵌套Frame与iFrame的定位与切换技巧,解决Selenium定位不到的问题
  • 机器学习笔记六-朴素贝叶斯
  • 解决Vue3+Ts打包项目时会生成很多的map文件
  • MeterSphere接口测试脚本断言
  • 探索顶级PDF水印API:PDFBlocks(2024年更新)
  • c语言开源库之uthash用法
  • OurTV v3.1.1 — 完全免费,播放流畅的电视直播软件
  • 精武杯的部分复现
  • verdaccio搭建npm私服
  • oracle的dataguard physical standby转 snapshot standby操作文档
  • 学懂C++(四十):网络编程——深入详解 HTTP、HTTPS 及基于 Windows 系统的 C++ 实现
  • Element-06.案例
  • Axure高端交互元件库:助力产品与设计
  • 后端开发刷题 | 二叉树的前序遍历
  • 自动化之响应式Web设计:纯HTML和CSS的实现技巧
  • SolarMarker 正在使用水坑攻击与伪造的 Chrome 浏览器更新进行攻击
  • uView的u-notice-bar组件横向滚动不生效问题解决
  • 基于免疫算法的最优物流仓储点选址方案MATLAB仿真
  • 基于Java爬取微博数据(三) 微博主页用户数据
  • Openstack 与 Ceph集群搭建(中): Ceph部署
  • 上市公司上下游、客户数据匹配数据集(2001-2023年)
  • Promise 对象
  • 扫码头测试检测适配步骤
  • 解决k8s分布式集群,子节点加入到主节点失败的问题
  • 什么是XSS跨站攻击?如何防护?
  • 谷粒商城实战笔记-问题记录-首页没有显示用户名-跨域session问题
  • 【面试宝典】redis常见面试题总结(上)
  • 数据仓库: 3- ETL过程
  • js数组变字符串