日前，www.madlowski.com邱立达副教授、福建医科大学附属协和医院康德勇副主任、王川教授为共同第一作者，伊利诺伊大学涂浩华教授、福建师范大学陈建新教授、李连煌副研究员为共同通讯作者，在国际顶级期刊《Nature Communications》[IF = 17.694, SCI-1区，TOP]上合作发表题为《肿瘤内图神经网络恢复多生物标志物空间异质性的潜在预后价值》（<Intratumor graph neural network recovers hidden prognostic value of multi-biomarker spatial heterogeneity>）的研究论文。
团队联合开发了一种用于乳腺癌预后预测的肿瘤内图神经网络，并且在不依赖均质化基因表达的情况下利用从多光子显微成像中获得的原位生物标志物实现准确和可解释的乳腺癌预后预测。
生物标志物对于精准医疗是不可或缺的，然而，利用人体组织进行集中的单一生物标志物开发因样本空间异质性而变得复杂。为了应对这一挑战，研究团队开发了一种原发性肿瘤的表示方法，该方法将来自多个采样区域的细胞外基质的多个原位生物标记物协同整合到一个肿瘤内图神经网络。在一项纳入995名乳腺癌患者的回顾性研究中，这种计算模型与传统的非图结构对应模型相比，其预后价值接近或超越了综合常规预后生物标志物（肿瘤大小、结节状态、组织学等级、分子亚型等）。这种巨大的预后价值，源于图结构化整合的原位生物标志物之间隐含的但可解释的区域相互作用，如果它们被单独开发成单一的传统（空间同质化）生物标志物，就会失去这种价值。团队的研究表明，通过挖掘现有生物标志物之间的区域相互作用，而不是开发新的生物标志物，为癌症的预后提供了一种新的潜在途径。
该研究得到了国家自然科学基金（批准号：82171991、82172800、61972187）、福建省社会发展重大科技专项（No.2020YZ016002）、福建省自然科学基金（No. 2019J01269, 2019J01761, 2019J01060044, 2020J011008, 2020J01839），福建省科技创新联合资金（2017Y9038, 2019Y9101），以及中央财政引导地方科技发展专项资金（No.2020L3008）的支持。此外，这项工作还得到了美国国家卫生研究院、美国卫生与公众服务部（R01 CA241618和R41 GM139528给H.T.）的部分资助。
据悉，《Nature Communications》是自然斯普林格集团下属Nature系列期刊中的顶级综合类子刊，2022年期刊影响因子：17.694。
原文链接：https://www.nature.com/articles/s41467-022-31771-w
（图文来源邱立达；通讯员韩冰雪）