将单细胞数据与组织结构图相结合可能既缓慢又乏味。此外，机器学习算法可能会受到用于训练它们的数据的限制。为了克服这些挑战，威尔康奈尔医学院的研究人员开发了一种计算方法来绘制人体组织的结构图。研究人员表示，他们的方法有望加速对器官规模细胞相互作用的研究，并可能为多种疾病提供强大的新诊断策略。
他们的发现发表在NatureMethods的一篇题为“多重成像中组织结构的无监督发现”的论文中。
研究人员写道：“多重成像和空间转录组学能够对细胞表型进行高度分辨的空间表征，但仍然在很大程度上依赖于费力的手动注释来理解组织组织的高阶模式。”“因此，人们对组织组织的高阶模式知之甚少，并且没有系统地与疾病病理学或临床结果联系起来。为了弥补这一差距，我们开发了一种称为UTAG的方法，无需人工干预即可识别和量化多重图像中的显微组织结构。”
“在显微镜下观察组织，你会看到一堆在空间上聚集在一起的细胞——你几乎可以立即在图像中看到这种组织，”主要作者、威尔康奈尔医学院生理学和生物物理学研究生JunbumKim说。“现在，细胞生物学家已经获得了非常详细地检查单个细胞的能力，细到每个细胞表达的基因，因此他们专注于细胞而不是组织结构，”他说。
研究人员使用这种新方法生成了几种组织的详细图谱，识别和量化了显微解剖学的新方面——细胞相互作用时小规模出现的模式，并决定了组织的最终功能。他们与北卡罗来纳大学教堂山分校一位研究肺部疾病的同事合作，还证明了他们的技术可以在组织中的不同疾病状态之间做出细微的区分。
“对组织显微解剖学进行强有力的评估可以定义不同年龄段人体组织的组织完整性范围，检测早期癌前病变和癌症侵袭，以及研究以细胞退化、纤维化和组织完整性丧失为特征的年龄相关疾病，”研究人员指出。
虽然癌症和其他慢性疾病通常会导致组织结构发生重大变化，但详细的显微解剖学可能有助于诊断和治疗更严重的疾病。研究人员正在将他们的新技术应用于广泛的组织，以了解组织组织的变化如何影响其在健康状态下的功能和疾病中的功能障碍。