肿瘤类器官

研究动态

Articles below are published ahead of final publication in an issue. Please cite articles in the following format: authors, (year), title, journal, DOI.

查看全部

肾上腺皮质癌

膀胱尿路上皮癌

乳腺浸润癌

宫颈鳞癌和腺癌

弥漫性大B细胞淋巴瘤

胶质母细胞瘤

胶质细胞瘤

肾嫌色细胞癌

肾透明细胞癌

肾乳头状细胞癌

急性髓系白血病

脑低级别胶质瘤

肺鳞状细胞癌

嗜铬细胞瘤和副神经节瘤

皮肤黑色素瘤

子宫内膜样癌

子宫癌肉瘤

眼部黑色素瘤

肿瘤类器官

肾上腺皮质癌

膀胱尿路上皮癌

乳腺浸润癌

宫颈鳞癌和腺癌

弥漫性大B细胞淋巴瘤

胶质母细胞瘤

胶质细胞瘤

肾嫌色细胞癌

肾透明细胞癌

肾乳头状细胞癌

急性髓系白血病

脑低级别胶质瘤

肺鳞状细胞癌

嗜铬细胞瘤和副神经节瘤

皮肤黑色素瘤

子宫内膜样癌

子宫癌肉瘤

眼部黑色素瘤

IMMUNOLOGICAL REVIEWS

EncarnacionMontecino...

The layered development of mouse B and T Cells.

IMMUNOLOGICAL REVIEWS

淋巴造血的传统模型将B和T细胞的发育过程呈现为在胎儿期开始，并分别在骨髓和胸腺中继续的线性过程。然而，与几十年前的报告不符，提示出生前后产生的淋巴细胞类型不同。在这方面，特定的γδ T细胞和使用Vγ3受体的细胞，以及先天型B-1 B细胞，更倾向于在胎儿血细胞的发育过程中产生。本综述综合了多个实验室的数据，重点关注我们使用的小鼠模型的研究结果，证明先天形态和传统形态的B和T细胞以不同方式调节、不依赖于造血干细胞的波动发育。这种淋巴细胞的分层发展对于理解成年人免疫系统的组成具有意义，并可能为各种淋巴白血病的起源提供见解。©2022 John Wiley＆Sons A / S。由John Wiley＆Sons Ltd出版。

IMMUNOLOGICAL REVIEWS

JonnyMendoza-Castrej...

Layered immunity and layered leukemogenicity: Developmentally restricted mechanisms of pediatric leukemia initiation.

IMMUNOLOGICAL REVIEWS

造血干细胞（HSC）和多能祖细胞（MPP）在胚胎发育过程中相继产生，它们的特性在一生中发生了显著变化。HSC/MPP的本体学变化体现了儿童白血病起始机制的相应变化。随着HSC和MPP从胎儿、新生儿、幼儿和成年阶段的发展，它们经历了转录和表观遗传重编程，修改免疫功能来应对特定年龄的致病挑战。有些免疫细胞只来自胎儿HSC/MPP。我们认为这种层次免疫指导下的细胞命运是导致平行层次白血病发生的基础。事实上，一些儿童白血病，如儿童髓系单核细胞白血病、唐氏综合征髓系白血病和婴儿前B细胞急性淋巴细胞白血病，是年龄限制性的，只在婴幼儿时期出现。这些白血病可能起源于随着年龄增长而失去转化能力的胎儿祖细胞。其他儿童白血病，如非婴儿前B细胞急性淋巴细胞白血病和急性髓系白血病，具有儿童常见而在形态相似的成人白血病中罕见的突变谱。这些差异可能反映了突变发生机制的时间变化或祖细胞在不同年龄对给定突变的响应方式的变化。白血病发生突变和正常发育开关之间的相互作用为疗法提供了潜在的靶点。 © 2023 John Wiley＆Sons A / S。由John Wiley＆Sons Ltd.出版。

Ieee Acm T Comput Bi

ShuhuiLiu,YupeiZhang...

GLassonet: Identifying Discriminative Gene Sets among Molecular Subtypes of Breast Cancer.

Ieee Acm T Comput Bi

乳腺癌是一种由基因组或转录组中的各种改变引起的异质性疾病。乳腺癌的分子亚型已有报告，但有用的生物标志物仍需确定以揭示潜在的生物学机制并指导临床决策。为了寻找生物标志物，一些研究重点关注提供差异的基因组改变，而很少有关注介导肿瘤进展的转录组表征。我们提出一种名为GLassonet的特征选择方法，以确定具有鉴别性的生物标志物从转录组广泛表达谱中，通过将高维表达关系图嵌入Lassonet模型。GLassonet包括用于识别癌症亚型的非线性神经网络、用于取消隐藏层从输入特征到输出类别的连接的跳过全连接层，以及用于将鉴别图保留到所选子空间中的图增强。首先，一种迭代优化算法在TCGA乳腺癌数据集上学习模型参数以研究分类性能。然后，我们探究GLassonet选择的基因集在癌症亚型中的分布模式，并将它们与最新技术输出的基因集进行比较。更深入地，我们对三个GLassonet选择的新的标记基因，即SOX10、TPX2和TUBA1C，进行整体生存分析，以研究它们的表达变化和评估它们的预后影响。最后，我们进行富集分析，以发现GLassonet选择的基因与GO术语和KEGG通路的功能关联。实验结果表明，GLassonet具有强大的选择鉴别基因的能力，可提高癌症亚型分类性能并为癌症个性化治疗提供潜在的生物标志物。

Ieee Acm T Comput Bi

PrasunChandraTripath...

An attention-guided CNN framework for segmentation and grading of glioma using 3D MRI scans.

Ieee Acm T Comput Bi

胶质瘤已成为人类最致命的脑瘤。及时诊断这些肿瘤是有效癌症治疗的一项重要步骤。磁共振成像（MRI）通常提供了对脑病变的无创检查。然而，从MRI扫描中手动检查肿瘤需要大量时间，并且是容易出错的过程。因此，肿瘤的自动诊断在胶质瘤的临床管理和手术干预中发挥着至关重要的作用。在这项研究中，我们提出了一种基于卷积神经网络（CNN）的框架，用于从3D MRI扫描中非侵入性地分级肿瘤。所提出的框架包括两种新型CNN体系结构。第一个CNN体系结构执行多模MRI体积中肿瘤的分割。所提出的分割网络利用空间和通道注意力模块在层间重新校准特征图。第二个网络利用多任务学习策略，根据三种胶质瘤分级任务执行分类，包括将肿瘤表征为低级或高级，识别1p19q和异柠檬酸脱氢酶（IDH）状态。我们进行了多次实验来评估我们方法的性能。广泛的实验观察表明，所提出的框架比多种最先进的方法实现了更好的性能。我们还执行了Welch's-t检验，以显示分级结果的统计显著性。本研究的源代码可在https://github.com/prasunc/Gliomanet上找到。

Ieee Acm T Comput Bi

XinguoLu,GuanyuanChe...

MAGCN: A Multiple Attention Graph Convolution Networks for Predicting Synthetic Lethality.

Ieee Acm T Comput Bi

合成致死（SL）是一种潜在的癌症治疗策略和药物发现方法。计算方法可以识别合成致死基因，这已成为湿实验的有效补充，因为湿实验耗时费力。图卷积网络（GCN）已被用于预测任务，并擅长于捕捉图中的邻居依赖关系。然而，还缺乏从各种异质图中汇总互补邻居信息的机制。因此，我们提出了多个关注图卷积网络（MAGCN）的合成致死预测。首先，我们从不同的数据源（如基因本体数据和蛋白质-蛋白质相互作用）分别获取基因的功能相似性特征和拓扑结构特征。然后，图卷积网络被用于根据合成致死关联积累邻居节点的知识。同时，我们提出了多个关注模型，并构建了多个关注网络来学习不同图的贡献因素，通过汇总这些图来生成内嵌表示。最后，生成的特征矩阵被解码以预测潜在的合成致死相互作用。实验结果表明，MAGCN优于其他基线方法。案例研究证明了MAGCN预测人类SL基因对的能力。

Ieee Acm T Comput Bi

QiDang,YongLiang,Don...

Improved Computational Drug-Repositioning by Self-Paced Non-Negative Matrix Tri-Factorization.

Ieee Acm T Comput Bi

药物再定位 (DR) 是一种策略，用于寻找现有药物的新靶点，它在减少传统药物开发成本、时间和风险方面起着重要作用。最近，在DR预测领域中广泛使用了矩阵分解方法。然而，仍存在两个挑战：1) 学习能力不足，该模型无法准确预测更多的潜在关联。2) 容易陷入糟糕的局部最优解，该模型倾向于获得次优结果。在本研究中，我们提出了一种自适应非负矩阵三因子分解 (SPLNMTF) 模型，通过非负矩阵三因子分解将来自患者、基因和药物的三种不同生物数据集成成异构网络，从而学习更多信息以提高模型的学习能力。同时，SPLNMTF模型以软加权的方式依次将样本从容易 (高质量) 到复杂 (低质量) 加入训练，有效减轻陷入糟糕的局部最优解的情况，从而提高模型的预测性能。在卵巢癌和急性髓系白血病 (AML) 的两个真实数据集上的实验结果表明，SPLNMTF模型优于其他八种最先进的模型，在药物重新定位方面获得更好的预测性能。数据和源代码可在以下网址获得：https://github.com/qi0906/SPLNMTF。

IEEE TRANSACTIONS ON MEDICAL IMAGING

WenxuanZou,XingqunQi...

Graph Flow: Cross-layer Graph Flow Distillation for Dual Efficient Medical Image Segmentation.

IEEE TRANSACTIONS ON MEDICAL IMAGING

随着深度卷积神经网络的发展，医学图像分割在最近几年取得了一系列的突破。然而，高性能的卷积神经网络总是意味着众多的参数和高计算成本，这将阻碍资源有限的医学场景中的应用。同时，大规模标注医学图像数据集的稀缺性进一步阻碍了高性能网络的应用。为了解决这些问题，我们提出了一个全面的知识蒸馏框架——Graph Flow，用于网络效率和标注效率的医学图像分割。具体而言，Graph Flow蒸馏从一个经过良好训练的笨重教师网络中转移跨层变化的精髓到一个未经训练的紧凑学生网络。此外，我们还集成了一个无监督的Paraphraser模块，以净化教师的知识，这对于训练稳定性也是有益的。此外，我们通过集成敌对蒸馏和香草对数蒸馏构建了一个统一的蒸馏框架，可以进一步优化紧凑网络的最终预测。我们使用不同的教师网络（传统卷积结构或流行的变换器结构）和学生网络，在四个具有不同模态（胃癌，突触，BUSI和CVC-ClinicDB）的医学图像数据集上进行了大量实验。我们展示了我们的方法在这些数据集上的突出能力，实现了竞争性能。此外，通过一种新颖的半监督范例，我们证明了我们的Graph Flow的有效性，用于双重高效的医学图像分割。我们的代码将在Graph Flow上提供。

IEEE TRANSACTIONS ON MEDICAL IMAGING

ChongWang,ZhimingCui...

BowelNet: Joint Semantic-Geometric Ensemble Learning for Bowel Segmentation from Both Partially and Fully Labeled CT Images.

IEEE TRANSACTIONS ON MEDICAL IMAGING

准确的肠道分割对肠癌的诊断和治疗至关重要。不幸的是，在 CT 图像中分割整个肠道是相当具有挑战性的，因为肠道边界不清晰、形状大大小小、种类繁多、填充状态不同。在本文中，我们提出了一种名为 BowelNet 的新型两阶段框架来处理 CT 图像中具有挑战性的肠道分割任务，分别为：1）共同定位所有类型的肠道，以及 2）精细分割每种类型的肠道。具体而言，在第一阶段，我们从部分标注和完全标注的 CT 图像中学习了一个统一的定位网络来强化检测所有类型的肠道。为了更好地捕捉不清晰的肠道边界和学习复杂的肠道形状，在第二阶段，我们提出采用多任务学习方案联合学习语义信息（即肠道分割掩码）和几何表示（即肠道边界和肠道骨架）进行精细的肠道分割。此外，我们还进一步提出通过伪标签学习元分割网络，以提高分割准确性。通过在大型腹部 CT 数据集上评估，我们提出的 BowelNet 方法在分割十二指肠、空肠回肠、结肠、乙状结肠和直肠方面达到了 Dice 得分分别为 0.764、0.848、0.835、0.774 和 0.824。这些结果表明了我们提出的 BowelNet 框架在从 CT 图像中分割整个肠道方面的有效性。

IEEE TRANSACTIONS ON MEDICAL IMAGING

GongpingChen,LeiLi,Y...

AAU-net: An Adaptive Attention U-net for Breast Lesions Segmentation in Ultrasound Images.

IEEE TRANSACTIONS ON MEDICAL IMAGING

多种深度学习方法已经被提出用于从超声图像中分割乳腺病变。然而，类似的强度分布，可变的肿瘤形态和模糊的边界对乳腺病变分割提出了挑战，特别是对于形状不规则的恶性肿瘤。考虑到超声图像的复杂性，我们开发了一种自适应注意力U-net (AAU-net) 来从超声图像中自动、稳定地分割乳腺病变。具体而言，我们介绍了一个混合自适应注意力模块 (HAAM)，主要由一个通道自注意块和一个空间自注意块组成，来替换传统的卷积操作。与传统卷积操作相比，混合自适应注意力模块的设计可以帮助我们在不同接受域下捕捉更多的特征。与现有的注意力机制不同，HAAM模块可以引导网络自适应地选择更加稳健的通道和空间维度的表示来处理更加复杂的乳腺病变分割。多项实验表明，我们的方法在乳腺病变分割上具有更好的性能。此外，鲁棒性分析和外部实验表明，我们所提出的AAU-net在乳腺病变分割中具有更好的泛化性能。此外，HAAM模块可以灵活地应用于现有的网络框架中。源代码可在https://github.com/CGPxy/AAU-net上获取。

FerdinandACleNoble,J...

VEGF (Vascular Endothelial Growth Factor) Inhibition and Hypertension: Does Microvascular Rarefaction Play a Role?

抑制血管内皮生长因子（VEGF）的血管生成作用的药物已成为癌症治疗中重要的手段。它们的优良效果的缺陷是常见的心血管副作用。到目前为止，在VEGF抑制剂的心血管副作用中最一致的发现是高发生率的高血压。在这个简短的评论中，我们讨论了高血压在VEGF抑制剂治疗期间是由微血管稀疏引起的证据。在回顾VEGF在微血管生长和分化中的作用后，我们介绍了在高血压实验模型和VEGF抑制剂治疗期间及之后微血管网络变化的临床研究的证据。