尔云间 一个专门做科研的团队
欢迎点赞+收藏+关注
现在的高分生信文章，为了突破内卷，纷纷转战“病理图像分析”、“影像组学分析”，这个方向再用上“机器学习、深度学习模型”，分数上涨嗖嗖的~ ~
“云生信”的粉丝朋友们，有没有看到小云推荐的生信+病理分析、影像组学等新思路呀？还没有看到的朋友，抓紧恶补一下哦（ps：感兴趣的小伙伴欢迎点击文末链接观看），这可是冲刺高分生信的好机会，咱们可不能直接放过！
今天小云就用一个11分+的文章来实例展示一下！文章利用公共病理图像数据、突变数据、临床变量构建深度学习模型用来给肿瘤分层。分析主体在于深度学习模型的构建和分析，分析手段上首先创新性就很高；其次，分析目标是公共病理图像和突变，这两点相较于常规转录组数据也是高创新性的数据类型，所以综合看下来，双层叠加的创新性确实杠杠的，不愧是11分+的LANCET子刊！这么好的拿高分的生信思路，不学可就亏啦！话不多说，跟着小云来一探究竟吧~ ~
题目：整合深度学习分析改善结肠腺癌患者死亡风险分层
杂志：EBioMedicine
影响因子：IF=11.1
发表时间：2023年7月
研究背景
结肠直肠癌是第四大诊断癌症，也是死亡人数第二多的癌症。许多临床变量、病理特征和基因组特征与患者风险相关，但在临床中可靠的患者分层仍然是一项具有挑战性的任务。在这里，作者评估如何结合病理学图像、临床和基因组特征来预测风险。
数据来源
研究思路
首先使用来自TCGA的108名COAD患者的数据集作为训练集，开发了综合深度学习模型，该模型结合了石蜡包埋(FFPE)全切片图像(WSIs)、临床变量和突变特征，根据患者的死亡风险对其进行了分层。随后训练集和WSU、 TCGA-READ验证集中评估模型的对于死亡风险的分层效果。
1）数据预处理：WSIs的肿瘤区域由3名病理学家专家通过对标本进行多范围观察进行注释。选择了与患者结果相关的五个临床变量：诊断时的年龄、性别和结肠腺癌的TNM分期（肿瘤(T)期、淋巴结(N)期和转移(M)期）。选择了来自11个典型癌症途径的207个基因和TCGA-COAD中最常见突变的11个基因，使用10%的阈值来过滤掉在TCGA-COAD患者中不经常突变的基因，得到总共26个基因。
2）模型训练：a：纯图像模型，作者利用了在ImageNet数据库上预先训练的Inception V3模型建立基于WSIs的图像模型。b：整合模型，将Inception V3模型特征与编码临床变量和/或突变特征的特征向量连接起来，输入一个多层感知器来预测病人的风险。c：深度学习Cox模型，使用从Inception V3迁移学习架构中提取的患者级图像特征来训练Cox比例风险模型。
主要结果
1.纯图像模型和整合模型对于结肠腺癌风险的分层分析
作者首先根据总生存期将患者分为高风险(HR，OS < 3年，N = 38)、中度风险(MR，3年< OS < 5年，N = 45)和低风险(LR，OS > 5年，N = 25)。使用HR和LR患者作为二元训练集，训练了纯图像模型或整合模型来预测结肠腺癌风险的风险，并通过KM生存曲线和AUC值进行模型评估。结果显示，纯图像模型能够区分HR和LR患者（AUC = 0.81±0.08），并且HR与LR的患者具有明显不同的存活曲线（图1a，b）。然而，当将MR患者添加到测试集中时，存活曲线之间的间隔减小（图1c）。
接下来，作者将纯图像模型与基于临床变量和/或突变状态的模型以及结合WSIs、临床变量和突变状态的综合模型（图像&临床&突变模型）进行了比较，结果显示纯图像模型的性能优于仅临床变量模型(AUC = 0.71±0.12)或仅突变模型(AUC = 0.66±0.12)，以及结合临床和突变信息的整合模型(AUC = 0.69± 0.11)，而完全整合模型在分离HR和LR患者方面的表现类似于纯图像模型（图2a）。KM生存曲线显示，仅使用两种数据类型的整合模型（图像和临床模型以及图像和突变模型，图1d，e）劣于图像&临床&突变模型（图1f）。
图1 多种模型分层效果评估
2.WSIs预测热图揭示与风险相关的形态
作者使用图像&临床&突变模型生成的预测热图，以深入了解CNN与风险相关的潜在形态。预测热图显示了CNN预测的每个区块的风险概率，病理学家审查表明，核形状、核大小多形性、密集的细胞性和异常的结构是高风险的指征（图2）。准确识别WSI内的肿瘤区域是影响风险分类的关键初步步骤，为了测试肿瘤区域的病理学家注释是否可以被计算方法取代，作者使用228个独立WSI的病理学家注释来构建计算肿瘤检测器。该检测器显示出高精度(图3a，AUC >92%) 。使用计算肿瘤检测器作为输入数据的图像&临床&突变模型的KM曲线显示，高风险曲线和低风险曲线之间有明显的分离（图3b）。
图2 预测热图分析
图3 计算肿瘤检测器的建立和验证
3.模型验证
在WSU的独立COAD数据集中收集并注释了肿瘤区域(N = 123)，并将患者分层为HR (N = 17)，LR (N = 97)或MR (N = 9 )。在包括所有HR、LR和MR患者的验证集中，KM曲线显示，纯图像模型无法对该测试集的高风险和低风险患者进行分层（图4a），仅临床模型提供了具有统计学意义但适度的分层（图4b），而图像+临床模型提供了更好的患者队列分离（图4c）。在仅有HR和LR患者的验证集中，发现所有模型的分层都比HR/MR/LR的情况更好，图像和临床模型具有优于纯图像和仅临床模型的性能(图4d–f)。为了测试了TCGA-COAD中训练的模型是否适用于READ，作者在TCGA-READ验证队列进行了模型测试。结果显示，纯图像模型成功地将HR和LR患者分开（图5a），但当MR患者被纳入测试集时，不能对患者进行分层（图5b），而图像+临床模型以及图像&临床&突变模型均可以将患者分开（图5c，d）。
图4 WSU-COAD数据集中的模型验证
图5 TCGA-READ验证队列中的模型测试
4.模型中的特征重要性分析
为了提高深度学习模型的可解释性，作者在TCGA训练模型和WSU验证模型中使用SHAP测量每个临床或Inception v3图像特征对模型输出的贡献，发现T期、M期和年龄是整合模型中最有影响的特征，虽然只有两个InceptionV3特征与这些临床变量具有相当的重要性，但InceptionV3特征的总重要性(11.84)高于临床变量(6.63)（图6）。
图6 特征重要性分析
小结
这个文章利用利用公共病理图像数据、突变数据、临床变量构建深度学习模型用来给肿瘤分层。不论是深度学习的分析方法，还是图像和突变数据的选用，都是在打破常规求创新，所以才能使文章能发到11分+！想做创新性分析、想发高分生信的小伙伴，这个思路相当不错，千万不要错过哦！
如果你还苦恼于生信分析没有思路，或者嫌分析方法太过简单、太过老套，想要创新思路的，或者对单细胞分析、多组学联合分析等方向感兴趣的小伙伴快来联系小云吧！
小云持续为大家带来最新生信思路，更多创新分析思路请点击链接。需要复现或了解更多分析思路的朋友欢迎call小云，风里雨里小云等你！
1. Q1区11分+影像组学！放射组学模型构建+基因预后特征验证，突破生信内卷的利器，抓紧学起来！
2. 1个月即接收，不走寻常路的生信+公共病理图像分析！聚焦“免疫冷热肿瘤”，超简单的分析拿下6分+，真香了！
3. 11分+临床数据库挖掘好文！3大数据库联合分析，外加转录蛋白代谢多组学分析，内容丰富到超乎想象，速围观！
4. 7分+双疾病纯生信分析又整新活了！整合“机器学习”标志物筛选、单基因分析和药物分子对接，思路升级不学就亏大啦！
5. 9分+干湿结合！TIL细胞单细胞数据分析，联合机器学习模型构建和IHC验证，实力打造肿瘤免疫生信好文！