基于H&E的AI引导的空间蛋白质组学揭示三阴性乳腺癌的复发风险生态位

# 基于H&E引导的AI空间蛋白质组学揭示三阴性乳腺癌复发风险微环境

来源：https://arxiv.org/abs/2608.03145

作者：Yesung Cho (https://arxiv.org/search/cs?searchtype=author&query=Cho,+Y), Ji Hwan Park (https://arxiv.org/search/cs?searchtype=author&query=Park,+J+H), Chanil Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+C), Hyewon Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+H), Honglan Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+H), Yumin Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+Y), Geongyu Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+G), Sujeong Hong (https://arxiv.org/search/cs?searchtype=author&query=Hong,+S), Seong Min Park (https://arxiv.org/search/cs?searchtype=author&query=Park,+S+M), Yoonyoung Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+Y), Hee Sool Rho (https://arxiv.org/search/cs?searchtype=author&query=Rho,+H+S), Sumin Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+S), Amos Chungwon Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+A+C), Changhwan Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+C), Hwanyoung Shim (https://arxiv.org/search/cs?searchtype=author&query=Shim,+H), Hyunwook Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+H), Hyeji Shin (https://arxiv.org/search/cs?searchtype=author&query=Shin,+H), Sanha Park (https://arxiv.org/search/cs?searchtype=author&query=Park,+S), Jihoon Yu (https://arxiv.org/search/cs?searchtype=author&query=Yu,+J), Yoon Hee Shin (https://arxiv.org/search/cs?searchtype=author&query=Shin,+Y+H), Sooheon Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+S), Hyunjin Park (https://arxiv.org/search/cs?searchtype=author&query=Park,+H), Seung Min Park (https://arxiv.org/search/cs?searchtype=author&query=Park,+S+M), Sangwan Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+S), Yujung Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+Y), Sung\-Im Do (https://arxiv.org/search/cs?searchtype=author&query=Do,+S), Eun\-Young Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+E), Dongmyung Shin (https://arxiv.org/search/cs?searchtype=author&query=Shin,+D), Jongbae Park (https://arxiv.org/search/cs?searchtype=author&query=Park,+J), In\-Gu Do (https://arxiv.org/search/cs?searchtype=author&query=Do,+I)

查看PDF (https://arxiv.org/pdf/2608.03145)

> 摘要：深度学习模型可以基于H&E染色切片预测癌症复发，但这些预测背后所对应的局部分子状态在很大程度上仍不清楚。在本研究中，我们开发了一种在三阴性乳腺癌（TNBC）中基于预后信息的空间病理学框架，将AI生成的复发风险热图与基于质谱的空间蛋白质组学相结合。在156名患者的队列中，基于分布的高风险区域聚合在独立测试队列中达到了0.77的AUC和0.77的C-index。整体蛋白质组学分析显示，图像-derived高风险与细胞周期和基因组维持程序相关，而低风险与免疫激活相关。高风险和低风险区域在同一肿瘤区室中共存，并表现出不同的细胞核和结构特征，揭示了超出组织区室身份的瘤内异质性。随后，我们利用热图作为坐标级指导，从两名复发患者中物理分离并分析了46个AI定义的肿瘤区域。空间蛋白质组学分析显示了两名患者间一致的分子对比：有丝分裂程序在高风险区域富集，而免疫和抗原呈递程序在低风险区域富集。由这些空间差异衍生的13种蛋白质组合在扩展队列中显示出得分越高、无复发生存越差的趋势，而相应的转录本组合则在独立的METABRIC TNBC队列中对无复发生存进行了分层。将蛋白质组合与H&E-derived风险评分相结合，将袋外C-index从0.679提升至0.739，并增强了3年和5年的时间依赖性区分能力。综上所述，这些发现为以预后为训练目标的AI模型定义了新的角色，使其成为空间明确的实验指南，将预后形态学与局部分子状态联系起来，并推动了三阴性乳腺癌中基于生物学基础的多尺度生物标志物发现。

## 提交历史

来自：Geongyu Lee \[查看邮件 (https://arxiv.org/show-email/86d57c67/2608.03145)\] **\[v1\]** 2026年8月4日星期二 05:19:35 UTC \(1,330 KB\)