求臻医学 前列腺癌上皮细胞与神经细胞互作促进肿瘤进展

求臻医学与北京大学航天中心医院合作研究发现,单细胞测序分析揭示上皮细胞亚型与神经细胞的互作在前列腺癌恶性进展中起到关键作用,为前列腺癌治疗提供新思路。该成果发表于Frontiers in Genetics,研究表明basal/intermediate上皮细胞可能通过特定信号通路与神经细胞交互,促进肿瘤进展。
摘要由CSDN通过智能技术生成


近日,求臻医学与北京大学航天中心医院合作,通过对前列腺癌样本进行单细胞测序数据分析,揭示了上皮细胞亚型与神经细胞互作在前列腺癌恶性进展中发挥潜在作用,为前列腺癌的治疗策略提供新的参考依据。目前该研究成果已在线发表于Frontiers in Genetics(IF=4.772)

9f48882ee713df395179c30b14ffd67c.jpeg


研究背景

神经周围浸润(perineural invasion,PNI)是前列腺癌的特征之一,其定义为癌细胞在神经内、周围和通过神经的浸润。前列腺癌活检标本中PNI的检出已被证实为提示预后的关键指标。已有多项研究证明其与前列腺的存活率低及转移风险增加有关。前列腺癌作为一种复杂的异质性疾病,常规的测序研究难以完全了解其真实情况。因此,在单细胞水平上对前列腺癌微环境的研究具有重要的临床和科研价值。


主要研究结果

单细胞转录组分析揭示神经周围浸润前列腺癌细胞异质性

通过对数据进行聚类分析共得到12种主要细胞亚群,包括T 淋巴细胞,自然杀伤细胞,B 淋巴细胞,巨噬细胞,中性粒细胞,肥大细胞,内皮细胞,成纤维细胞

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值