A quantitative spatial cell-cell colocalizations framework enabling comparisons between in vitro assembloids and pathological specimens
Notice bibliographique
Résumé
Spatial omics is enabling unprecedented tissue characterization, but the ability to adequately compare spatial features across samples under different conditions is lacking. We propose a quantitative framework that catalogs significant, normalized, colocalizations between pairs of cell subpopulations, enabling comparisons among a variety of biological samples. We perform cell-pair colocalization analysis on multiplexed immunofluorescence images of assembloids constructed with lung adenocarcinoma (LUAD) organoids and cancer-associated fibroblasts derived from human tumors. Our data show that assembloids recapitulate human LUAD tumor-stroma spatial organization, justifying their use as a tool for investigating the spatial biology of human disease. Intriguingly, drug-perturbation studies identify drug-induced spatial rearrangements that also appear in treatment-naïve human tumor samples, suggesting potential directions for characterizing spatial (re)-organization related to drug resistance. Moreover, our work provides an opportunity to quantify spatial data across different samples, with the common goal of building catalogs of spatial features associated with disease processes and drug response. Comparing spatial omics data across samples remains elusive. Here, the authors develop a quantitative spatial framework, termed as colocatome analysis, by combining pairwise cell-cell colocalization, spatial permutation and normalization approaches for comparing features across conditions and studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».