Предсказание экспрессии белков каскада по изображениям H&E

Экспрессия белков в онкогенных или супрессорных путях является характерным индикатором онкогенеза. Хотя традиционные модели искусственного интеллекта (ИИ) в цифровой патологии направлены на предсказание отдельных белков, существует необходимость предсказывать экспрессию белков нижестоящих уровней, чтобы отражать распространение сигналов. Экспрессия РНК предоставляет новую информацию, однако не позволяет оценить распространение белковых сигналов по нижестоящим уровням или определить, являются ли эти сигналы функциональными. Используя данные анализа белков на обратнофазовой белковой матрице (RPPA) и полноразмерные изображения предметных стекол (WSI) из общедоступного набора данных Cancer Genome Atlas Breast Adenocarcinoma (TCGA-BRCA), мы предсказывали экспрессию пяти ключевых белков, выявленных в каскаде апоптоза, используя каскады повреждения и репарации ДНК (DDR) в качестве биологического контроля. Кроме того, мы исследовали эффективность Vision Transformer (ViT) на уровне патчей в задаче регрессии, сравнив его со специально разработанным ViT на клеточном уровне — CellRPPA. Наши результаты показывают, что Vision Transformer на уровне патчей не обеспечил статистически значимых результатов предсказания: значения R-квадрат составили < 0,1 во всех фолдах. Кроме того, CellViT продемонстрировал значения R-квадрат > 0,1 во всех пяти тестовых фолдах. Мы также показали, что каскады, имеющие морфологические признаки, например каскад апоптоза, обеспечивают значительно более высокую эффективность по сравнению с каскадом DDR.