Исследователи представили openDVP — открытый фреймворк для глубокой визуальной протеомики. Он связывает изображение ткани, анализ расположения клеток, лазерное выделение выбранных участков и масс-спектрометрию, чтобы сопоставлять белковый состав с конкретным местом в образце.
Работа опубликована 22 октября в рецензируемом журнале Nature Methods. Авторы объясняют, что прежнему распространению метода мешало отсутствие единого открытого процесса: отдельные этапы приходилось соединять между разными программами и форматами.
OpenDVP предлагает два варианта работы:
- упрощённый конвейер для исследователей без специальной подготовки в анализе изображений;
- расширенный вариант с алгоритмами искусственного интеллекта для предварительной обработки снимков, сегментации и пространственного анализа.
Фреймворк использует открытые инструменты MCMICRO, QuPath и napari, а также форматы AnnData и SpatialData. Код опубликован с лицензией MIT; пакет можно установить из PyPI, а документация и демонстрационные данные доступны отдельно.
В статье подход показан на трёх исследованиях архивных тканей: плаценты, ранней аденокарциномы лёгкого и местного рецидива рака молочной железы. Система помогла совместить пространственные признаки отдельных клеток с поисковыми измерениями белков и предложила способ анализировать не только одиночные клетки, но и их устойчивые соседства.
Результаты нельзя считать готовым клиническим тестом или доказательством эффективности лечения. Авторы демонстрируют исследовательский процесс на ограниченном наборе образцов; его применение для диагностики, выбора терапии и крупных клинических исследований потребует отдельной проверки. Следующим направлением команда называет добавление фундаментальных моделей патологии для более автоматической разметки тканей.
Пока никто не ответил. Начните обсуждение.