(资料图片仅供参考)

18日，记者从中国科学院深圳先进技术研究院获悉，该院医工所传感中心罗茜团队在质谱成像数据分析领域获得重要进展，成功开发了一种多模态融合验证的空间分割新方法，可以准确可靠地确定质谱成像数据的感兴趣区域（regions-of-interest,ROI）。相关研究成果于近日发表在生物数据科学领域国际期刊《千兆科学》（《Giga Science》）上。

质谱成像是一种具有空间分辨能力的新型分子组学技术，为研究人员提供了理解生物现象背后生化机制的新手段。在质谱成像数据的统计分析过程中，一张完整的组织切片通常会被“虚拟地”划分成许多感兴趣区域。准确划分ROI是挖掘空间分子组学数据的前提，对于发现疾病等因素引起的分子变化至关重要。

针对现有感兴趣区域划分方法中，传统手动方法依赖主观判断且耗时费力、结果可靠性较差等问题，研究团队提出了一种基于多模态融合思想的“半监督”新方法，即依靠“AI病理师”验证空间分割得到的ROI结果。

研究团队创新性地融合质谱成像中获取的分子组分信息和H&E病理图中获取的组织形态信息，实现了从两个相对独立互补的生物信息源，交叉验证ROI的划分结果，有力保证了其生物学意义上的可靠性。同时，研究团队开发多模态融合方法划分质谱成像数据ROI并应用于小鼠肾组织样本和原位种植肿瘤研究，发现ROI与基准真值完美呼应，且广泛适用于不同类别的组织样本。

据介绍，该工作涉及的核心代码与数据将完全开源共享，该方法为以质谱成像为基础的空间代谢组学和蛋白质组学研究者，提供多模态数据融合技术方法，有助于进一步发展临床病理切片的细胞化学异质性研究。