文献

J-GLOBAL ID：202002275239786043   整理番号：20A2141822

汎癌計算組織病理学は突然変異,腫瘍組成および予後を明らかにする【JST・京大機械翻訳】

Pan-cancer computational histopathology reveals mutations, tumor composition and prognosis

著者 (15件)： Fu Yu (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Jung Alexander W. (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Torne Ramon Vinas (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Torne Ramon Vinas (Department of Computer Science and Technology, University of Cambridge, Cambridge, UK) ,  Gonzalez Santiago (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Gonzalez Santiago (Institute for Research in Biomedicine (IRB Barcelona), Barcelona, Spain) ,  Vohringer Harald (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Shmatko Artem (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Shmatko Artem (Moscow State University, Moscow, Russia) ,  Yates Lucy R. (Cancer, Ageing and Somatic Mutation, Wellcome Sanger Institute, Hinxton, UK) ,  Jimenez-Linan Mercedes (Department of Pathology, Addenbrooke’s Hospital, Cambridge, UK) ,  Moore Luiza (Cancer, Ageing and Somatic Mutation, Wellcome Sanger Institute, Hinxton, UK) ,  Moore Luiza (Department of Pathology, Addenbrooke’s Hospital, Cambridge, UK) ,  Gerstung Moritz (European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Hinxton, UK) ,  Gerstung Moritz (Genome Biology Unit, European Molecular Biology Laboratory, Heidelberg, Germany)
資料名： Nature Cancer  (Nature Cancer)
巻： 1  号： 8  ページ： 800-810  発行年： 2020年 
JST資料番号： W6368A  ISSN： 2662-1347  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 28の癌型から17,355ヘマトキシリンおよびエオシン染色病理組織スライド画像にわたる組織病理学的パターンを定量化するため,深部移動学習を用い,これらをマッチしたゲノム,トランスクリプトミクスおよび生存データと相関させた。このアプローチは癌タイプを正確に分類し,空間的に分解された腫瘍と正常組織の区別を提供する。自動的に学習されたコンピュータ組織病理学的特徴は,癌タイプにわたる広範囲の再発性遺伝的異常と相関する。これは全ゲノム重複を含み,それは癌タイプ,個々の染色体異数性,焦点増幅および欠失,ならびにドライバー遺伝子突然変異にわたって普遍的な特徴を示す。バルク遺伝子発現レベルと病理組織学の間に広範な関連があり,それは腫瘍組成を反映し,トランスクリプトーム的に定義された腫瘍浸潤リンパ球の局在化を可能にする。計算病理組織学は,組織病理学的サブタイピングと等級づけに基づく予後を増強させ,壊死またはリンパ球凝集体のような予後関連領域を強調する。これらの知見は,腫瘍組織病理学の分子基盤の特性化におけるコンピュータビジョンの顕著な可能性を示す。Katherと同agueとGerstungと同agueによる2つの論文が,パン-癌デジタル病理学スライドから広範囲の分子変化を予測するワークフローを開発する。Copyright The Author(s), under exclusive licence to Springer Nature America, Inc. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  遺伝子 ,  壊死 ,  *腫瘍 ,  *突然変異 ,  リンパ球 ,  スライド ,  染色 ,  ゲノム ,  *予後 ,  遺伝子重複 ,  遺伝子発現 ,  コンピュータ ,  トランスクリプトーム
準シソーラス用語： 異数性 , 【Automatic Indexing@JST】

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 癌 ,  計算 ,  組織病理学 ,  突然変異 ,  腫瘍 ,  組成 ,  予後