Skeletonization ya kihistolojia (skeletonization) ni mbinu ya uoni wa kompyuta inayopunguza vitu vilivyo katika picha ya binary kuwa viwakilishi vya mstari vyenye upana wa pikseli moja huku ikihifadhi, kadiri inavyowezekana, miunganisho yao ya msingi na muundo wa kitopolojia. Utafiti huu wa uchunguzi wa nyuma ulichunguza utofauti wa kitopolojia wa pande mbili wa limfoma ya seli B kubwa iliyoenea (Diffuse Large B-Cell Lymphoma, DLBCL) kwa kutumia skeletonization katika picha za histolojia za kidijitali zilizotiwa rangi ya hematoksilini-eosini (H&E). Jumla ya wagonjwa 153 walitathminiwa, wakiwemo visa 110 vya DLBCL na visa 43 vya tishu tendaji ya limfoidi kwa ajili ya ulinganisho.

Matokeo mawili ambayo kwa mtazamo wa kwanza yanaonekana kuwa muhimu kwa kweli yanahusu ulinganisho tofauti. Wastani wa eneo la skeletonization katika tishu ya DLBCL ni mdogo kuliko katika tishu tendaji ya limfoidi: 5665,20 ± 1012,82 dhidi ya 6341,16 ± 548,23; tofauti ni p < 0,001. Hata hivyo, visa vya DLBCL vinapolinganishwa ndani ya kundi lao pekee, uhai wa jumla wa kundi lenye skeletonization ya juu ni mbaya zaidi kuliko wa kundi lenye skeletonization ya chini. Thamani ya hazard iliyoripotiwa kwa skeletonization ya juu ni 2,484; muda wa kujiamini wa %95 ni 1,362–4,531 na p = 0,003.

Skeletonization ya juu pia ilihusishwa na kifo ndani ya miaka miwili ya kwanza, kiwango cha juu zaidi cha upositivu wa EBER wa virusi vya Epstein–Barr, entropy ya kihistolojia iliyo juu zaidi, na viwango vya chini vya baadhi ya viashiria vya protini. Kifo ndani ya miaka miwili ya kwanza kiliripotiwa kuwa 9/45 (%20) katika kundi la skeletonization ya chini na 28/65 (%43,1) katika kundi la skeletonization ya juu. Upositivu wa EBER katika visa vilivyoweza kutathminiwa ulikuwa 4/44 (%9,1) na 24/64 (%37,5), mtawalia.

Usemi wa jeni ulitathminiwa tu katika kikundi kidogo cha visa 30 vya DLBCL. Kikundi hiki kilikuwa na visa 18 vya skeletonization ya juu na 12 vya skeletonization ya chini. Katika kundi la skeletonization ya juu, jeni 166 za imuno-onkolojia zilionyesha usemi wa juu zaidi, huku jeni 8 zikionyesha usemi wa juu zaidi katika kundi la chini. Katika uchanganuzi unaohusiana na kundi la skeletonization ya juu, jeni kama CD274 (PD-L1), NFKB1A, CD68, CSF1R, CCR5, ITGAM na TGFB1, pamoja na seti za jeni zinazohusiana na IL6–JAK–STAT3, mwitikio wa uchochezi, TNF/NFKB, KRAS, apoptosis na kazi za makrofaji, zilijitokeza.

Matokeo haya yanaonyesha kwamba skeletonization ni kipengele cha picha chenye uwezo wa kutumika kupima kwa kiasi utofauti wa kihistolojia katika DLBCL na kutathminiwa katika tafiti za ubashiri. Hata hivyo, utafiti ni wa kituo kimoja, wa nyuma, na unategemea idadi ndogo ya visa. Kizingiti cha nambari kilichotumiwa kutenganisha skeletonization ya juu na ya chini hakikuripotiwa wazi; uthibitishaji huru wa nje na matumizi ya kliniki ya mbele hayajaonyeshwa. Kwa hiyo, kwa msingi wa utafiti huu pekee, skeletonization haiwezi kutafsiriwa leo kama kipimo cha kliniki kinachotoa utambuzi, uchaguzi wa matibabu au ubashiri wa mgonjwa binafsi kwa kujitegemea.

Limfoma ya seli B kubwa iliyoenea inaleta tatizo gani?

Limfoma ya seli B kubwa iliyoenea (DLBCL) ni limfoma yenye utofauti wa kimofolojia na wa kliniki, inayotambulika kwa kuenea kwa namna ya diffuse kwa limfosaiti kubwa za neoplastiki za B. Visa vilivyo ndani ya kundi moja la utambuzi wa DLBCL vinaweza kutofautiana kwa mofolojia ya seli, sifa za molekuli, immunophenotype na mwenendo wa kliniki. Utofauti huu hufanya iwe na maana kuchunguza si tu protini ambazo seli huonyesha au mabadiliko ya jeni wanayobeba, bali pia jinsi tishu ya kihistolojia ilivyopangwa kwenye picha.

Mbinu kuu ya utafiti ni kubadilisha sehemu ya ugumu wa kimaikroskopi unaoweza kuonekana na mwanapatholojia kuwa sifa ya kitopolojia ya nambari kwa kutumia uoni wa kompyuta. Watafiti hapo awali walichunguza nasibu na ugumu wa tishu katika histolojia ya DLBCL kwa entropy. Katika utafiti huu, sifa tofauti ya kitopolojia, yaani skeletonization, ilitathminiwa.

Skeletonization ya Kihistolojia ni Nini?

Skeletonization ya kihistolojia ni mchakato wa uchakataji wa picha unaopunguza miundo ya foreground katika picha ya H&E, baada ya picha kubadilishwa kuwa picha ya binary, kuwa skeleton ya kitopolojia ya mstari yenye upana wa pikseli moja; katika utafiti huu lengo si kupima moja kwa moja kiasi cha uvimbe, bali kupima kwa kiasi kama sifa ya picha msongamano wa mtandao wa mstari wa pande mbili unaoundwa na mipaka ya seli na vipengele vya mazingira madogo.

Ili kuelewa wazo la msingi la skeletonization, kwanza ni muhimu kutenganisha dhana ya “topolojia”. Topolojia haihusiki tu na ukubwa wa kitu; pia inahusu miunganisho, matawi, nafasi tupu na mpangilio wa kimuundo wa kitu. Katika skeletonization ya pande mbili, wakati kitu kinene katika picha kinapunguzwa kuelekea mstari wake wa katikati, lengo ni kuhifadhi mpangilio wake wa msingi wa miunganisho.

Chanzo kinaeleza kwamba mchakato wa skeletonization hupunguza vitu kuwa mistari iliyopinda yenye upana wa pikseli moja na hulenga kuhifadhi topolojia na tabia ya Euler. Tabia ya Euler ni kiasi cha kihisabati kinachofupisha sifa za kitopolojia za umbo, kama vipengele vyake vilivyounganishwa na nafasi tupu zilizo ndani yake. Jambo muhimu hapa ni kwamba skeletonization haipunguzi tu ukubwa wa picha; huibadilisha kuwa muundo rahisi zaidi wa mstari unaowakilisha muundo wa miunganisho.

Katika tafsiri ya histolojia ya utafiti, mistari ya skeleton haiwakilishi tu seli za B za neoplastiki. Mbali na mipaka ya seli, limfosaiti, neutrofili, seli za nekrotiki, seli zinazoendelea na apoptosis na miundo mingine ndani ya matriksi ya nje ya seli pia inaweza kuchangia ugumu wa mstari unaozalishwa. Kwa hiyo, eneo la skeletonization si sawa na “idadi ya seli za saratani” au “asilimia ya uvimbe”.

Picha ziliandaliwaje kwa skeletonization?

Preparati za DLBCL H&E zilidijitalishwa kwa mfumo wa picha wa slaidi nzima NanoZoomer S360, zikaonyeshwa kwa NDP.view2, na picha za JPEG kwa ukuzaji wa 200× na 150 dpi zikasafirishwa kutoka kwa kila kisa. Kisha picha ziligawanywa kuwa patch zenye vipimo vya 224 × 224 × 3 ili kuongeza utendaji wa uchakataji.

Katika usemi “224 × 224 × 3”, nambari mbili za kwanza zinawakilisha urefu na upana wa picha kwa pikseli, na nambari ya tatu inawakilisha njia tatu za rangi za picha ya RGB. Kwa hiyo patch ya awali ni picha ya rangi.

Kila patch ilitathminiwa tena kwa mkono na mwanapatholojia wa kitabibu. Patch zifuatazo ziliondolewa:

• picha ambazo hazikuwa na vipimo vya 224 × 224 × 3,
• patch ambazo tishu zilikuwa katika chini ya %80 ya yaliyomo,
• maeneo yaliyovunjika, yaliyopondwa au yenye artefakti nyingine za kiufundi,
• maeneo yasiyo ya utambuzi,
• maeneo ya nekrosisi na tishu ya kawaida ya limfoidi katika sampuli za DLBCL.

Kwa nini complement na picha ya binary ni muhimu?

Algorithimu ya skeletonization lazima ijue pikseli zipi zinachukuliwa kuwa “kitu” na zipi “mandharinyuma”. Maandishi ya mbinu ya chanzo yanaeleza kuwa miundo inayolengwa ni mistari myeusi juu ya mandharinyuma meupe na kwamba kwa skeletonization, foreground inapaswa kuwa nyeupe/1 kimantiki huku mandharinyuma yakiwa meusi/0. Kwa hiyo, maelezo ya mbinu yanasema kuwa complement ya picha asili ya kijivu ilitumika.

Kutolingana kwa utekelezaji ndani ya chanzo: Ingawa vipande vya msimbo wa MATLAB vilivyochapishwa katika Jedwali 1 la makala vinaonyesha miito ya rgb2gray, imbinarize na bwskel, hatua ya wazi ya imcomplement haionekani. Verianla haijazi pengo hili kwa kuandika msimbo mpya. Ni lazima ihifadhiwe wazi kwamba maelezo ya mbinu katika maandishi ya makala na msimbo uliochapishwa hayalingani kikamilifu katika hatua hii.

Kwa nini pruning ni undani muhimu wa mbinu?

Baada ya skeletonization, katika baadhi ya picha yanaweza kubaki matawi mafupi sana ya pembeni au miundo ya “spur” inayotoka kwenye skeleton kuu. Katika baadhi ya matumizi, matawi haya madogo huondolewa ili kurahisisha skeleton; mchakato huu huitwa pruning. Katika utafiti huu pruning haikutumika. Kwa hiyo, matawi mafupi ya pembeni pia yalibaki katika muundo wa skeleton uliopimwa.

Chaguo hili ni muhimu kwa sababu muundo wa pikseli unaounda eneo la skeletonization unaweza kujumuisha matawi madogo. Haiwezi kudhaniwa kwamba mtafiti mwingine angepata thamani sawa za eneo akitumia pruning kwenye picha hizo hizo.

Eneo la skeletonization lilihesabiwaje?

Kwenye picha iliyofanyiwa skeletonization katika MATLAB, regionprops(...,"Area") ilitumika na maeneo ya sehemu zilizopatikana yakajumlishwa. Kazi ya kihisabati ya msimbo wa chanzo inaweza kuonyeshwa kwa madhumuni ya kufundisha kama ifuatavyo:

\[ A_{\mathrm{skel}}=\sum_{k=1}^{m}A_k \]

Hapa \(A_{\mathrm{skel}}\) inaonyesha jumla ya eneo la skeletonization kwa patch moja ya picha, \(A_k\) eneo la picha la sehemu ya skeleton ya \(k\). iliyotambuliwa na regionprops, na \(m\) idadi ya sehemu zilizopatikana.

Mlinganyo huu si mlinganyo wa kihisabati uliopewa nambari katika chanzo; ni uwakilishi wa kufundishia wa kihisabati wa operesheni ya sum([stats.Area]) katika msimbo wa MATLAB uliochapishwa.

Jambo muhimu kuhusu kitengo: Makala hairipoti thamani za skeletonization katika vitengo halisi vya mm² au µm². Kwa hiyo, thamani kama 5665 au 6341 hazipaswi kusomwa moja kwa moja kama eneo halisi la uso wa tishu. Hizi ni thamani za eneo zinazotegemea picha zinazozalishwa na pipeline ya uchakataji wa picha ya chanzo.

Kwa kuwa mistari ya skeleton hupunguzwa hadi upana wa pikseli moja, eneo kubwa la skeletonization kwa ujumla linaonyesha kwamba katika picha kuna muundo mwingi zaidi au mnene zaidi wa skeleton ya mstari. Hata hivyo, thamani haijafafanuliwa kuwa kipimo safi cha kijiometria cha “jumla ya urefu wa mistari”; kigezo kilichotumiwa katika utafiti ni jumla ya maeneo ya regionprops.

Tofauti kati ya 4-connectivity na 8-connectivity ni nini?

Chanzo kinaeleza kwamba bwskel iliyotumiwa katika uchanganuzi wa mwisho na mbinu ya bwmorph(...,"skel") iliyojaribiwa hutumia ufafanuzi tofauti wa muunganisho. Katika ujirani wa pikseli wenye miunganisho minne, majirani wa msingi ni pikseli zilizo juu, chini, kulia na kushoto; katika ujirani wenye miunganisho minane, pikseli nne za mwelekeo wa diagonal pia hujumuishwa. Ufafanuzi wa muunganisho unaweza kuathiri ni pikseli zipi zinazochukuliwa kuwa sehemu ya muundo mmoja na hivyo jinsi jiometri ya skeleton inavyoundwa.

Chanzo kilitumia tu kazi ya bwskel katika uchanganuzi wa mwisho. Toleo la MATLAB limeripotiwa kuwa R2026a Update 4 (26.1.0.3312084).

Ikiwa DLBCL Ina Skeletonization ya Chini Kuliko Tishu Tendaji, Skeletonization ya Juu Ndani ya DLBCL Inawezaje Kuhusishwa na Ubashiri Mbaya?

Hizi si ulinganisho uleule: matokeo ya kwanza yanalinganisha kundi la utambuzi la DLBCL na tishu tendaji ya limfoidi, wakati matokeo ya pili yanagawanya visa 110 vya DLBCL pekee ndani yao wenyewe katika makundi ya skeletonization ya chini na ya juu; kwa hiyo, matokeo kwamba “DLBCL kwa ujumla iko chini zaidi” na kwamba “ndani ya DLBCL thamani iliyo juu kwa kulinganisha inahusishwa na uhai mbaya zaidi” hayapingani kihisabati wala kibayolojia.

Wastani wa tishu tendaji ya limfoidi ni 6341,16 ± 548,23, na wastani wa DLBCL ni 5665,20 ± 1012,82. Thamani za DLBCL zilitofautiana kati ya 3396,12 na 8176,94, na mediana iliripotiwa kuwa 5591,65. Usambazaji huu mpana unaonyesha kwamba visa vya DLBCL havina muundo mmoja wa kitopolojia.

Matokeo haya hayatoi kizingiti cha utambuzi kilichothibitishwa kliniki kwa kutenganisha DLBCL na tishu tendaji. Utafiti ulilinganisha usambazaji katika kiwango cha makundi.

Makundi ya skeletonization ya juu na ya chini yaliundwaje?

Chanzo kinaainisha visa 45 kati ya visa 110 vya DLBCL kuwa skeletonization ya chini (%40,9), na visa 65 kuwa skeletonization ya juu (%59,1). Hata hivyo, katika maandishi ya mbinu na matokeo hakuna kizingiti wazi cha nambari au kanuni ya uamuzi iliyotumiwa kuunda uainishaji huu iliyoripotiwa.

Kutolewa kwa mediana ya DLBCL kuwa 5591,65 si ushahidi kwamba mgawanyo wa juu/chini ulifanywa kwa mediana. Kwa kweli, ikiwa mgawanyo wa mediana ungetumika, makundi mawili yangetarajiwa kuwa karibu sawa kwa ukubwa; usambazaji ulioonekana wa 45/65 pekee hauonyeshi ni mbinu gani ya kizingiti ilitumika. Kwa hiyo Verianla haitengenezi thamani yoyote ya cutoff.

Skeletonization ya Juu Inamaanisha Nini kwa Uhai katika DLBCL?

Katika mfululizo wa DLBCL wa utafiti huu, kundi la skeletonization ya juu lilihusishwa na uhai wa jumla ulio mbaya zaidi kuliko kundi la chini; katika ulinganisho wa Kaplan–Meier/log-rank p = 0,002, na katika uchanganuzi wa Cox HR/Exp(B) iliyoripotiwa ni takribani 2,48 huku muda wa kujiamini wa %95 ukiwa 1,362–4,531, lakini uhusiano huu peke yake hauonyeshi kwamba skeletonization husababisha kifo au huamua kwa uhakika mustakabali wa mgonjwa binafsi.

Kawe ya Kaplan–Meier hupima nini?

Mbinu ya Kaplan–Meier hukadiria uwezekano wa kuendelea kuwa hai bila tukio kutokea katika kipindi cha ufuatiliaji. Katika utafiti huu tukio ni kifo, na muda wa kuanzia ni wakati wa utambuzi na biopsy. Ikiwa mgonjwa alikuwa hai katika ufuatiliaji wa mwisho, uchunguzi unaweza kuwa censored; yaani, inajulikana kuwa alikuwa hai hadi hatua hiyo lakini muda halisi wa tukio baada ya hapo haujulikani.

Katika Kielelezo 4 cha chanzo, kawe ya uhai ya kundi la skeletonization ya juu hushuka kwa kasi zaidi. Jaribio la log-rank hutathmini kama kawe mbili za uhai zinatofautiana kitakwimu katika kipindi chote cha ufuatiliaji, na matokeo ya p = 0,002 yameripotiwa.

Verianla haichori upya kawe hii kwa sababu chanzo hakitoi nyakati za wagonjwa binafsi au hatua za Kaplan–Meier katika jedwali la nambari. Kusoma nukta za muda wa kati kutoka kwenye kawe ya picha na kuzalisha data mpya hakungekuwa sahihi kisayansi.

Hazard ratio 2,484 inamaanisha nini?

Hazard ratio (HR) katika modeli ya Cox inaeleza uwiano wa jamaa kati ya makundi wa kasi ya kutokea kwa tukio katika wakati fulani. Chanzo pia kinatumia istilahi “hazard risk”; katika majedwali ya Cox, safu imeandikwa kwa namna ya HR (Exp(B)).

Thamani HR = 2,484 ina maana kwamba, chini ya masharti ya modeli, hazard ya kifo ya papo hapo katika kundi la skeletonization ya juu ilikadiriwa kuwa takribani mara 2,48 ya ile ya kundi la skeletonization ya chini. Hii haimaanishi kwamba “skeletonization ya juu huua kwa uhakika wagonjwa %148 zaidi” au kwamba “uwezekano wa kifo huwa mara 2,48”.

Muda wa kujiamini wa %95 ni 1,362–4,531. Kutokujumuisha 1 katika muda huo kunaendana na umuhimu wa kitakwimu wa tofauti ya makundi katika uchanganuzi huu. Hata hivyo, upana wa muda huo pia unaonyesha kutokuwa na uhakika kwa kiasi kikubwa kuhusu ukubwa wa makadirio.

Katika mfumo wa msingi wa kitakwimu wa kutafsiri Cox hazard ratio, dhana ya proportional hazard ni muhimu. Chanzo hakiripoti jaribio tofauti la uchunguzi wa dhana hii katika sehemu zilizochunguzwa; kwa hiyo Verianla haidai kwamba dhana hiyo imethibitishwa kando.

Matokeo ya kifo ndani ya miaka miwili ya kwanza

Jedwali hili linaonyesha uhusiano wa uchunguzi. Skeletonization si uingiliaji uliotolewa kwa wagonjwa; kwa hiyo haiwezi kuhitimishwa kwamba skeletonization ya juu ilisababisha kifo ndani ya miaka miwili ya kwanza.

Kwa nini uchanganuzi wa Cox wenye vigezo vingi ni muhimu?

Uhusiano wa uhai wa kigezo kimoja unaweza kuchanganywa na sababu nyingine za ubashiri. Kwa hiyo watafiti waliunda modeli ya Cox iliyojumuisha kwa pamoja International Prognostic Index (IPI), uainishaji wa asili ya seli wa Hans, EBER na kigezo cha skeletonization.

Katika modeli hii, mgawo wa skeletonization uliendelea kuwa muhimu kitakwimu. Kwa hiyo chanzo kinaripoti kwamba uhusiano wa skeletonization na ubashiri uliendelea pia ilipowekwa katika modeli pamoja na IPI, uainishaji wa Hans na EBER.

Hata hivyo, kauli “uhusiano huru wa ubashiri” haimaanishi uhuru wa kisababishi wala kipimo kipya cha ubashiri kilichothibitishwa kliniki. Ina maana tu kwamba mgawo wa skeletonization uliendelea kuwa tofauti na sifuri baada ya kudhibiti vigezo vilivyojumuishwa katika modeli.

Je, entropy na skeletonization hupima kitu kilekile?

Hapana. Entropy ni sifa ya picha inayofupisha kitakwimu usambazaji wa kutokuwa na mpangilio au unasibu katika picha; skeletonization huwakilisha mtandao wa kitopolojia wa mstari wa picha ya binary. Vipimo hivi viwili ni tofauti.

Katika utafiti, uhusiano chanya lakini wa ukubwa mdogo ulipatikana kati ya skeletonization na entropy ya kihistolojia:

\[ r=0{,}28,\quad n=109,\quad p=0{,}003 \]

Thamani ya \(r=0,28\) inaonyesha kwamba vigezo hivi viwili si kipimo kilekile; lakini ongezeko lake hutembea pamoja kwa kiwango fulani.

Katika modeli ya Cox inayojumuisha kwa pamoja Entropy na skeletonization, Jedwali 9 la chanzo linatoa thamani zifuatazo:

Dokezo la ulinganifu ndani ya chanzo: Maandishi yaliyo mara moja kabla ya jedwali hili yanaeleza thamani zote mbili za p kuwa “<0,001”; hata hivyo, katika Jedwali 9 lililochapishwa thamani ni 0,004 na 0,003. Verianla huhifadhi kwa usahihi thamani zilizochapishwa katika jedwali la nambari na haisahihishi kimya kimya tofauti hii.

Immunohistochemistry ilipimwaje kwa kiasi?

Katika utafiti, viashiria vingi vya protini vilitathminiwa kwa mbinu za kiotomatiki za immunohistochemistry. Baadhi ya madoa yalichunguzwa mwanzoni kwa makundi ya mpangilio wa ukali ya 0, +1, +2 na +3, kisha uchanganuzi wa picha za kidijitali ukafanywa kwa kutumia Fiji/ImageJ ili kupima kwa kiasi uwiano wa seli chanya.

Hesabu iliyotumiwa katika chanzo:

\[ Pozitiflik\;(\%)= \frac{\text{DAB-pozitif pikseller}} {\text{tüm pikseller}} \times100 \]

DAB ni mfumo wa alama ya kromojeni katika immunohistochemistry unaozalisha bidhaa ya mmenyuko ya kahawia katika maeneo yenye lengo la kingamwili, hivyo kuruhusu maeneo chanya kutambuliwa kwenye picha.

Katika fomula, numerator inaonyesha idadi ya pikseli zinazochukuliwa kuwa chanya, na denominator inaonyesha jumla ya pikseli zilizojumuishwa katika tathmini. Kuzidisha matokeo kwa 100 hubadilisha uwiano kuwa asilimia.

Uainishaji wa Hans uliundwaje?

Katika utafiti, algorithimu ya Hans ilitumika kukadiria uainishaji wa asili ya seli ya DLBCL kupitia immunohistochemistry. Algorithimu hutathmini kwa pamoja usemi wa CD10, BCL6 na MUM1. Katika chanzo, zaidi ya %30 ya limfosaiti B za neoplastiki kuwa chanya ndiyo kizingiti kilichotumiwa kukubali kiashiria husika kuwa chanya.

Uainishaji huu hugawa visa katika makundi ya GCB na non-GCB. Watafiti walitathmini kama kundi la skeletonization ya juu linalohusishwa na ubashiri mbaya lingeweza pia kuhusishwa na non-GCB, lakini uhusiano kama huo haukupatikana: non-GCB ilikuwa 30/44 (%68,2) katika kundi low na 45/64 (%70,3) katika kundi high, p = 0,834.

FISH ilitathmini jeni zipi?

DNA fluorescence in situ hybridization (FISH) ilitumika kutathmini rearrangement za jeni kwa kutumia probe za break-apart zinazolenga jeni MYC, BCL2 na BCL6. Katika mfululizo huu, MYC rearrangement ilipatikana kuwa 5/94 (%5,3), BCL2 rearrangement 3/93 (%3,2), na hakuna kisa cha double-hit kilichopatikana.

Hakuna tofauti muhimu kitakwimu iliyoripotiwa katika hali za MYC na BCL2 rearrangement kati ya makundi ya skeletonization.

EBER inaonyesha nini?

EBER ni utambuzi katika tishu, kwa RNA in situ hybridization, wa molekuli ndogo za RNA zinazozalishwa na virusi vya Epstein–Barr. Kwa hiyo, upositivu wa EBER ni kiashiria kinachotumiwa kuchunguza uhusiano wa EBV katika tishu ya uvimbe inayochunguzwa.

Licha ya uhusiano huu mkubwa, skeletonization ya juu haiwezi kuelezwa kwa EBV pekee. Zaidi ya hayo, mjadala wa chanzo una kauli kwamba “%72,5 ya visa vya skeletonization ya juu havikuhusishwa na EBV”; hata hivyo, thamani chanya ya 24/64 katika jedwali inapotumiwa moja kwa moja, kiwango cha EBER-hasi ndani ya kundi la juu linaloweza kutathminiwa ni %62,5. Kwa hiyo Verianla haitumii tena thamani ya %72,5 kama hitimisho la uhakika.

Ni viashiria gani vya protini vilihusishwa na skeletonization ya juu?

Matokeo haya ni mahusiano ya makundi yaliyoonekana katika kiwango cha protini. Kwa mfano, kuwa na BCL2 ya chini hakumaanishi kwamba BCL2 gene rearrangement pia iko chini; usemi wa protini na rearrangement ya jeni ni vipimo tofauti.

Uhusiano kwa kutumia thamani endelevu za skeletonization ulionyesha nini?

Mbali na ulinganisho wa makundi high/low, watafiti pia walihesabu Pearson correlations kwa kutumia eneo la skeletonization kama kigezo endelevu. Uchanganuzi huu miwili hauulizi swali lilelile. Ulinganisho wa makundi huchunguza tofauti ya wastani/usambazaji wa makundi mawili, wakati correlation hutathmini jinsi kiashiria kinavyobadilika kadiri thamani ya skeletonization inavyoongezeka.

PD-L1 ni mfano mzuri wa tofauti hii. Katika ulinganisho wa kimakundi high/low, ingawa wastani wa PD-L1 ulikuwa 8,5 ± 11,7% na 15,7 ± 18,3%, haukuwa muhimu kwa p = 0,235. Kwa upande mwingine, skeletonization ilipotumiwa kama kigezo endelevu, uhusiano chanya na PD-L1 ulikuwa r = 0,309 na p = 0,002. Si sahihi kusema matokeo haya mawili “yanapingana”; swali la kitakwimu na upotevu wa taarifa ni tofauti.

Skeletonization Ilihusishwaje na Usemi wa Jeni?

Usemi wa jeni haukupimwa katika visa vyote 110 vya DLBCL, bali katika kikundi kidogo cha visa 30 kwa paneli ya pan-cancer immune profiling inayotegemea NanoString; visa 18 vilikuwa katika kundi la skeletonization ya juu na 12 katika kundi la chini, na uchanganuzi ulitambua jeni 166 za imuno-onkolojia zenye usemi wa juu zaidi katika kundi la skeletonization ya juu na 8 katika kundi la chini.

RNA iliandaliwaje na ni paneli gani ilitumiwa?

RNA ilitolewa kutoka sehemu za tishu zilizofungwa katika parafini baada ya kufiksiwa kwa formalin (FFPE). Unene wa sehemu ulikuwa 10 µm. Kabla ya uchimbaji wa RNA, histolojia ilitathminiwa tena na visa vyenye angalau %80 ya eneo la neoplastiki vilichaguliwa.

RNA iliyopita udhibiti wa ubora ilichambuliwa kwa kutumia nCounter PanCancer Profiling Panel. Paneli hii ina jeni 730 za imuno-onkolojia na jeni 40 za housekeeping.

Normalisation ya jeni za housekeeping hufanya nini?

Jeni za housekeeping hutumiwa kama marejeo ili kunormalise tofauti za jumla katika kiwango cha kipimo kati ya sampuli. Katika chanzo, wastani wa kijiometria wa jeni za housekeeping ulihesabiwa kwa kila sampuli, hesabu ya kila jeni ikagawanywa kwa wastani huu, na matokeo yakabadilishwa kuwa kipimo cha log₂.

Operesheni iliyotolewa katika chanzo ni kama ifuatavyo:

\[ \log_2\left( \frac{\mathrm{normData}_{g,i}} {\mathrm{hkGeoMean}_{i}} \right) \]

na wakati kipengele cha scaling kinapotumiwa:

\[ \log_2\left( \frac{\mathrm{normData}_{g,i}} {\mathrm{hkGeoMean}_{i}} \times SF \right) \]

Hapa \(\mathrm{normData}_{g,i}\) inaonyesha hesabu inayofanyiwa normalisation katika sampuli ya \(i\) kwa jeni \(g\); \(\mathrm{hkGeoMean}_{i}\) ni wastani wa kijiometria wa jeni za housekeeping za sampuli hiyo hiyo; na \(SF\) inaonyesha kipengele cha hiari cha scaling. Chanzo kinaeleza kwamba scaling factor inaweza kuwa, kwa mfano, thamani thabiti kama 1000.

Mabadiliko ya Log₂ hubana thamani za usemi zilizo katika safu pana ya mienendo na husaidia kuonyesha fold changes kwa usawa zaidi. Mabadiliko haya ya kihisabati peke yake hayathibitishi kwamba jeni ni hai kibayolojia.

Ni nini kilipatikana katika usemi tofauti wa jeni?

Jeni nane zilizoonyesha usemi wa juu zaidi katika kundi la skeletonization ya chini ziliripotiwa kuwa BLNK, TNFRSF13B, CD3EAP, ILF3, CD1C, CD37, POU2F2 na TLR9.

Katika uchanganuzi wa mtandao wa kiutendaji wa kundi la skeletonization ya juu, miongoni mwa jeni za kati zilizotajwa kuhusiana na pathogenesis ya DLBCL zilikuwa CD274 (PD-L1), NFKB1A, CD68, CSF1R, CCR5, ITGAM na TGFB1.

Mtandao wa STRING unaonyesha nini?

STRING v12.0 ilitumika kuchunguza kwa muundo wa mtandao mahusiano ya kiutendaji yanayojulikana au kutabiriwa kati ya jeni zilizoongezeka katika kundi la skeletonization ya juu. Katika chanzo, minimum interaction score iliwekwa kuwa 0,4, kategoria za Gene Ontology biological process zilitumiwa, istilahi zenye ufanano ≥ 0,8 ziliwekwa katika makundi, na mtandao ukagawanywa katika makundi manne ya K-means.

Jeni kuwa na miunganisho mingi katikati ya mtandao kunaonyesha kuwa jeni hiyo imeunganishwa zaidi ndani ya mtandao wa kiutendaji; hali hii peke yake haithibitishi kwamba jeni hiyo ndiyo sababu ya ugonjwa.

Katika sehemu ya enrichment ya Gene Ontology katika Kielelezo 15 cha chanzo, signaling inayopitishwa na cytokine, inflammatory response, chemotaxis ya leukocyte, uhamaji wa leukocyte za myeloid na michakato mingine ya uhamaji wa seli za kinga hujitokeza kwa kuonekana. Haya ni matokeo ya functional enrichment; si majaribio ya moja kwa moja ya utaratibu wa seli.

GSEA ni nini na ilitumikaje katika utafiti huu?

Gen Set Enrichment Analysis (GSEA), badala ya kutathmini umuhimu wa kila jeni kwa kujitegemea, huchunguza kama makundi ya jeni yaliyofafanuliwa kibayolojia yanakusanyika kwa utaratibu katika upande fulani wa phenotype ndani ya orodha iliyopangwa ya jeni.

Katika utafiti, GSEA 4.4.0 build 18 ilitumika. Vigezo vya msingi:

• 1000 permutations,
• phenotype permutation,
• weighted enrichment statistic,
• signal-to-noise metric kwa kupanga jeni,
• mpangilio unaoshuka,
• ukubwa wa juu wa seti ya jeni 1000,
• ukubwa wa chini wa seti ya jeni 10,
• seti za jeni za MSigDB Hallmark.

Katika kundi la skeletonization ya juu, enrichments ambazo maandishi ya chanzo yanasisitiza hasa ni IL6–JAK–STAT3 signaling, inflammatory response, TNF/NFKB signaling, KRAS signaling, apoptosis na macrophage function. Kielelezo cha GSEA cha chanzo pia kinaonyesha kawe za enrichment za epithelial–mesenchymal transition na seti nyingine za jeni zinazohusiana na kinga/uhamaji.

Enrichment ya GSEA si ushahidi kwamba kila mchakato huu wa kibayolojia ulipimwa moja kwa moja na kuthibitishwa kuwa hai katika seli zote za uvimbe. Matokeo ni uchanganuzi wa kitakwimu wa enrichment unaotegemea usambazaji wa kimfumo wa seti husika za jeni katika mpangilio wa usemi wa jeni.

Mbinu na Matokeo ya Utafiti

Muundo wa utafiti

Matumizi ya 6 mm tissue microarray core kwa sampuli za DLBCL na matumizi ya sampuli za whole-tissue kwa tishu tendaji ni tofauti ya kimetodolojia ya usampulishaji. Chanzo hakipimi athari ya tofauti hii kwenye thamani za skeletonization kwa jaribio tofauti; kwa hiyo Verianla haiirekodi kama upendeleo uliothibitishwa, bali kama sifa ya muundo wa majaribio inayopaswa kujulikana.

Sifa kuu za klinikopatholojia za wagonjwa

Dokezo la jedwali la chanzo: Katika Jedwali 3 la chanzo, hali ya utendaji ya ECOG ≥2 imeandikwa “11/81 (73,6%)”. Kwa kuwa uwiano wa 11/81 ni takribani %13,6 kihisabati, mstari huu unaonekana kutolingana kiarithmetic ndani ya chanzo. Kwa hiyo Verianla haijahamisha asilimia hii katika jedwali la muhtasari hapo juu.

Ukaguzi wa dhana wa algorithimu kwa picha za majaribio

Watafiti walikagua katika picha nane za majaribio ya dhana kama kipimo cha eneo kwa bwskel kinafuatilia kuongezeka kwa ugumu wa kitopolojia. Maeneo ya skeletonization kutoka Picha 1 hadi 8 yalikuwa kwa mpangilio:

0, 40, 100, 215, 526, 857, 1786 na 2603

kama ilivyoripotiwa. Jaribio hili si seti ya uthibitishaji ya matokeo ya wagonjwa halisi; ni ukaguzi wa dhana unaoonyesha kama algorithimu huzalisha eneo katika mwelekeo unaotarajiwa katika picha za mfano zilizotayarishwa kutoka rahisi hadi ngumu.

Matokeo ya msingi kati ya DLBCL na tishu tendaji

Eneo la skeletonization la DLBCL lilitofautiana kati ya 3396,12 na 8176,94. Wastani ulikuwa 5665,20 ± 1012,82, na mediana 5591,65. Wastani wa tishu tendaji ya limfoidi ulikuwa 6341,16 ± 548,23. Tofauti kati ya makundi ilikuwa p < 0,001.

Ugunduzi huu haupaswi kujumlishwa kwa aina zote za utofauti wa kibayolojia kama “tishu tendaji ni heterojeni zaidi kuliko saratani”. Matokeo yanahusu tu sifa ya skeletonization ya pande mbili iliyopimwa kwa pipeline hii ya uchakataji wa picha.

Uhusiano wa skeletonization ya juu na vigezo vya kliniki

Kwa umri, jinsia, mahali pa anatomia, kategoria ya matibabu, LDH, hatua ya ugonjwa, kategoria ya IPI, mwitikio wa kliniki, sIL2R ya juu na dalili za B, hakuna tofauti muhimu iliyoripotiwa katika chanzo kati ya makundi high/low ya skeletonization.

Kwa upande mwingine, mahusiano muhimu yalipatikana na kifo ndani ya miaka miwili ya kwanza, upositivu wa EBER, CD5, E2F1, BCL2, ISY1 na TNFAIP8. Ulinganisho huu mwingi hauna maana moja ya kibayolojia; kazi ya seli na namna ya kipimo ya kila marker ni tofauti.

Je, rearrangement za MYC na BCL2 zilieleza skeletonization?

Hapana. Katika kundi la skeletonization ya juu, MYC rearrangement iliripotiwa kuwa 4/52 (%7,7), na katika kundi la chini 1/42 (%2,4), huku p = 0,376. BCL2 rearrangement ilikuwa 0/42 katika kundi la chini na 3/51 (%5,9) katika kundi la juu, na p = 0,249.

Kwa hiyo, katika seti hii ya data hakuna uhusiano muhimu kitakwimu ulioonyeshwa kati ya MYC au BCL2 rearrangement na kundi la skeletonization. Hakuna pia kisa cha double-hit katika mfululizo.

Kutolingana katika chanzo kuhusu modeli ya Cox ya EBER–skeletonization

Sehemu ya mjadala wa makala inaeleza kwamba katika uchanganuzi wa Cox ambapo EBER na skeletonization zilitathminiwa pamoja, zote mbili zilibaki kuwa viashiria huru vya ubashiri. Hata hivyo, ingawa kichwa cha Jedwali 10 lililochapishwa kinasema “EBER na skeletonization zimejumuishwa”, mistari inayoonekana katika jedwali ni:

kwa namna hii. Kwa kuwa mstari wa skeletonization hauonekani katika jedwali, Verianla haijaribu kukadiria HR na muda wa kujiamini wa skeletonization kwa modeli hii maalum ya vigezo viwili wala kuzijaza kwa kuzihamisha kutoka jedwali jingine.

Modeli ya vigezo vingi iliyoripotiwa wazi ambapo skeletonization iko pamoja na EBER, IPI na uainishaji wa Hans ni Jedwali 8, na humo kwa skeletonization HR = 2,21, %95 GA 1,08–4,53 na p = 0,030.

Sifa za kikundi kidogo cha usemi wa jeni

Kati ya visa 30 vya kikundi kidogo cha usemi wa jeni, 18 viko katika kundi la skeletonization ya juu na 12 katika kundi la skeletonization ya chini. Katika kikundi hiki, wagonjwa 23/30 wana umri zaidi ya miaka 60, 18/30 ni wanaume, 19/30 ni non-GCB kwa uainishaji wa Hans, na visa 8 kati ya 29 vinavyoweza kutathminiwa ni EBER chanya.

Katika visa hivi 30, matukio ya kifo yaliripotiwa katika 21, na kifo ndani ya miaka miwili ya kwanza katika 15. Kikundi hiki kidogo ni kidogo kuliko visa vyote 110 vya DLBCL; kutokuwa na uhakika na uwezo wa kujumlisha matokeo ya usemi wa jeni vinapaswa kutathminiwa ipasavyo.

Profaili ya molekuli katika kundi la skeletonization ya juu

Katika kundi la skeletonization ya juu, jeni 166 za imuno-onkolojia zilionyesha usemi wa juu zaidi. Uchanganuzi wa mtandao wa kiutendaji ulisisitiza hasa jeni zenye muunganisho mkubwa na zinazohusiana na biolojia ya DLBCL, kama CD274, NFKB1A, CD68, CSF1R, CCR5, ITGAM na TGFB1.

Katika GSEA, enrichments za IL6–JAK–STAT3 signaling, inflammatory response, TNF/NFKB signaling, KRAS signaling, apoptosis na macrophage function ziliripotiwa.

Kikomo muhimu cha tafsiri ya matokeo haya ni kwamba sampuli ya usemi wa jeni ina visa 30 pekee. Zaidi ya hayo, “enrichment” huonyesha nafasi ya kitakwimu ya seti ya jeni katika data ya usemi iliyopangwa; haitoi hitimisho kwamba njia husika peke yake ndiyo sababu ya skeletonization.

Muhtasari wa uchanganuzi wa kitakwimu

Thamani ya p inaeleza nini hapa?

Thamani ya p inahusiana na uwezekano wa kupata matokeo ya kitakwimu yaliyoonekana au yaliyo makali zaidi chini ya nadharia batili. Kizingiti cha p < 0,05 kilichaguliwa kama kiwango cha umuhimu wa kitakwimu katika utafiti huu.

Hata hivyo, thamani ndogo ya p haimaanishi kwamba uhusiano ni mkubwa, muhimu kliniki au wa kisababishi. Kwa mfano, katika correlation ya skeletonization–entropy, ingawa p = 0,003, mgawo wa correlation ni r = 0,28 pekee. Kwa hiyo thamani ya p na ukubwa wa athari vinapaswa kutenganishwa.

Matokeo yanayoungwa mkono na utafiti

• DLBCL ilionyesha wastani wa eneo la skeletonization ulio chini kuliko tishu tendaji ya limfoidi katika mbinu hii ya uchakataji wa picha.
• Ndani ya kundi la DLBCL, skeletonization ya juu inahusishwa na uhai wa jumla ulio mbaya zaidi.
• Katika kundi la skeletonization ya juu, kiwango cha kifo ndani ya miaka miwili ya kwanza ni kikubwa zaidi.
• Skeletonization ya juu inahusishwa na upositivu wa EBER.
• Kuna correlation chanya kati ya skeletonization na entropy ya kihistolojia.
• Mahusiano hasi yalionekana kati ya skeletonization na E2F1, BCL2, ISY1, TNFAIP8 na baadhi ya vipimo vingine vya protini.
• Thamani endelevu ya skeletonization ilionyesha correlation chanya na PD-L1.
• Katika kikundi kidogo cha visa 30 vya usemi wa jeni, kundi la skeletonization ya juu lilionyesha idadi kubwa zaidi ya jeni za imuno-onkolojia zilizoongezeka.
• Seti mbalimbali za jeni za signaling ya uchochezi na kinga zilionyesha enrichment katika kundi la skeletonization ya juu.
• Uhusiano wa skeletonization na uhai uliendelea kuwa muhimu kitakwimu katika modeli ya Cox iliyojumuisha pamoja IPI, uainishaji wa Hans na EBER.

Matokeo yasiyoungwa mkono na utafiti

• Haijaonyeshwa kwamba skeletonization husababisha DLBCL.
• Haijaonyeshwa kwamba skeletonization ya juu ndiyo sababu ya moja kwa moja ya kibayolojia ya kifo.
• Haijaonyeshwa kwamba skeletonization inaweza kutumiwa leo peke yake kwa utambuzi wa kliniki au uchaguzi wa matibabu.
• Hakuna thamani ya skeletonization cutoff iliyothibitishwa kliniki iliyotengenezwa kwa kutenganisha DLBCL na tishu tendaji.
• Kizingiti cha nambari kilichotumiwa kutenganisha DLBCL ya juu/chini hakijaripotiwa wazi katika chanzo.
• Matokeo ya usemi wa jeni hayakupimwa katika wagonjwa wote 110.
• Haijaonyeshwa kwamba CD274/PD-L1, NFKB1A, CSF1R au jeni nyingine yoyote ya mtandao ndiyo sababu pekee ya skeletonization ya juu.
• EBV haielezi visa vyote vya skeletonization ya juu.
• MYC na BCL2 rearrangement hazikuonyesha uhusiano muhimu na kundi la skeletonization.
• Uthibitishaji wa mbele au wa kohorti huru ya nje haukuripotiwa katika makala hii.
• Haijaonyeshwa kwamba skeletonization itafanya kazi kwa cutoff ileile ya nambari katika scanner, maabara au pipeline tofauti za uchakataji wa awali wa picha.

Mambo yaliyobaki wazi kuhusu uwezo wa kurudiwa

Jambo la kwanza: Thamani ya nambari ya cutoff ya kutenganisha skeletonization ya juu na ya chini haijatolewa wazi.

Jambo la pili: Maelezo ya complement katika maandishi ya mbinu hayalingani kikamilifu na msimbo wa MATLAB uliochapishwa.

Jambo la tatu: Kitengo halisi cha kimwili cha eneo la skeletonization hakijaripotiwa; thamani imewasilishwa kama kipimo cha eneo la picha.

Jambo la nne: Chanzo hakiripoti matokeo tofauti ya uchunguzi kuhusu dhana ya proportional hazard ya modeli za Cox.

Jambo la tano: Usemi wa jeni unapatikana katika visa 30 pekee na chanzo kinakubali wazi kwamba mfululizo mkubwa zaidi wa usemi wa jeni unahitajika.

Jambo la sita: Kuna baadhi ya kutolingana kwa nambari/lebo kati ya Jedwali 9 na Jedwali 10 la chanzo na maandishi yanayozunguka; haya hayajabadilishwa kimya kimya na Verianla.

Jambo la saba: Katika baadhi ya sehemu za chanzo jina “Ki69” linatumika, wakati katika mbinu na vielelezo husika vya immunohistochemistry jina “Ki67” linatumika. Verianla haidhanii kwamba hiki ni kiashiria kipya na inarekodi hili kama kutolingana kwa istilahi ndani ya chanzo.

Maana ya kliniki ya utafiti inapaswa kuwekwa ndani ya mipaka gani?

Utafiti ni muhimu kwa sababu unaonyesha kwamba sifa ya kitopolojia ya picha inayoweza kutolewa kutoka picha za kawaida za H&E inaweza kuwa na uhusiano na utofauti wa kimofolojia na uhai katika DLBCL. Kwa kuwa preparati za H&E tayari zinapatikana kwa wingi katika patholojia ya kliniki, tathmini ya sifa kama hizi za picha pamoja na vigezo vingine vya kliniki na molekuli katika siku zijazo ni eneo linalostahili utafiti.

Hata hivyo, utafiti wa sasa haufanyi skeletonization kuwa biomarker iliyothibitishwa au mfumo wa maamuzi ya kliniki. Ili kufikia hatua hiyo, hatua za ziada kama kubainisha cutoff inayoweza kurudiwa katika kohorti kubwa na huru, uthibitishaji wa kiufundi katika mifumo tofauti ya picha, itifaki za uchanganuzi zilizobainishwa mapema na tathmini ya mbele zinahitajika. Haya si matokeo yaliyotekelezwa katika makala hii, bali ni aina za uthibitishaji zinazohitajika ili ushahidi uliopo uweze kuhamishwa katika matumizi ya kliniki.

Maelezo ya Chanzo na Mbinu

Kichwa asili: High Histological Skeletonization as a Measure of Heterogeneity Is Associated with Poor Overall Survival and Death Within 2 Years of Diffuse Large B-Cell Lymphoma.

Waandishi: Joaquim Carreras; Yara Yukie Kikuti; Shunsuke Nagase; Giovanna Roncador; Haruka Ikoma; Atsushi Ito; Makoto Orita; Sakura Tomita; Yuki Tanigaki; Akihisa Ueno; Yusuke Kondo; Naoya Nakamura; Yohei Masugi.

Mpangilio wa waandishi: Mpangilio katika chanzo umehifadhiwa kama ulivyo.

Mchango sawa: Hakuna tamko la mchango sawa/uandishi mwenza wa kwanza katika chanzo.

Mwandishi anayewajibika: Joaquim Carreras.

Taasisi 1: Department of Pathology, School of Medicine, Tokai University, Isehara, Japan.

Taasisi 2: Monoclonal Antibodies Unit, Spanish National Cancer Research Center (CNIO), Centro Nacional de Investigaciones Oncológicas, Madrid, Spain.

Jarida: Cancers.

Mchapishaji: MDPI.

Juzuu / toleo / nambari ya makala: 18 / 17 / 2828.

DOI: 10.3390/cancers18172828.

Tarehe ya kuwasilishwa: 6 Julai 2026.

Tarehe ya marekebisho: 11 Agosti 2026.

Tarehe ya kukubaliwa: 28 Agosti 2026.

Tarehe ya kuchapishwa: 1 Septemba 2026.

Kiungo rasmi: https://doi.org/10.3390/cancers18172828

Aina ya chanzo: Makala asili ya utafiti iliyopitiwa na rika; utafiti wa nyuma wa uchunguzi wa histopatholojia ya kidijitali, uoni wa kompyuta, immunohistochemistry na usemi wa jeni.

Hali ya preprint: Katika makala chanzi hakuna nambari tofauti ya preprint au toleo la awali la preprint lililotajwa.

Leseni: Creative Commons Attribution (CC BY).

Sampuli ya utafiti: Visa 110 vya DLBCL na visa 43 vya tishu tendaji ya limfoidi; jumla ya wagonjwa 153.

Kipindi cha sampuli za DLBCL: Biopsy za utambuzi zilichaguliwa kutoka kipindi cha 2007–2011.

Kamati ya maadili: Tokai University School of Medicine Institutional Review Board; itifaki IRB20/156; tarehe ya idhini 1 Aprili 2026.

Ridhaa yenye taarifa: Chanzo kinaripoti kwamba ridhaa yenye taarifa ilipatikana kutoka kwa watu wote waliojumuishwa katika utafiti.

Ufadhili: Ministry of Education, Culture, Sports, Science and Technology (MEXT), Grants-in-Aid for Scientific Research, KAKENHI na JSPS; nambari za grant 25K10272, 23K06454, 18K15100, 15K19061 na 24590430.

Upatikanaji wa data: Chanzo kinaeleza kwamba data zinapatikana ndani ya makala na kwa ombi kutoka kwa Joaquim Carreras.

Mgongano wa maslahi: Waandishi wametangaza kwamba hakuna mgongano wa maslahi.

Michango ya waandishi: Uundaji wa dhana, mbinu, programu, uchanganuzi rasmi, uratibu wa data na uandishi vilifanywa na Joaquim Carreras. Joaquim Carreras, Yara Yukie Kikuti, Shunsuke Nagase, Giovanna Roncador, Haruka Ikoma, Atsushi Ito, Makoto Orita, Sakura Tomita, Yuki Tanigaki, Akihisa Ueno, Yusuke Kondo, Naoya Nakamura na Yohei Masugi walichangia shughuli za utafiti.

Mlolongo wa kifaa/programu wa skeletonization: Preparati za H&E zilitiwa rangi kwa Tissue-Tek Prisma Plus; zikadijitalishwa kwa NanoZoomer S360; zikaonyeshwa kwa NDP.view2; zikagawanywa kuwa patch za 224 × 224 × 3 kwa PhotoScape v3.7; skeletonization ya mwisho ikafanywa kwa kazi ya bwskel ndani ya MATLAB R2026a Update 4. Spur ndogo hazikuondolewa kwa pruning.

Immunohistochemistry: Mfumo wa kiotomatiki wa utiaji rangi Leica Bond Max II na paneli nyingi za kingamwili zilitumiwa; uchanganuzi wa kidijitali wa upositivu ulifanywa kwa Fiji/ImageJ.

FISH: Probe za break-apart za MYC, BCL2 na BCL6 zilitumiwa. EBER ilitathminiwa kwa RNA in situ hybridization.

Usemi wa jeni: RNA ilitolewa kutoka sehemu za 10 µm FFPE, sampuli zenye angalau %80 ya eneo la neoplastiki zikachaguliwa, na jeni 730 za imuno-onkolojia pamoja na jeni 40 za housekeeping zikatathminiwa kwa nCounter PanCancer Profiling Panel.

Mtandao wa kiutendaji: STRING v12.0; Gene Ontology biological process; ufanano ≥ 0,8; makundi manne ya K-means; minimum interaction score 0,4.

GSEA: GSEA 4.4.0 build 18; 1000 permutations; phenotype permutation; weighted enrichment statistic; signal-to-noise ranking; seti za jeni za MSigDB Hallmark.

Takwimu: Mann–Whitney U, Kruskal–Wallis H, Pearson ki-kare, Fisher exact, Pearson correlation, Kaplan–Meier, log-rank na Cox regression. Kizingiti cha umuhimu ni p < 0,05. Uchanganuzi ulifanywa kwa IBM SPSS Statistics 27.

Madokezo ya ulinganifu ndani ya chanzo: Hatua ya complement katika maandishi ya mbinu haionekani wazi katika msimbo wa MATLAB uliochapishwa. Katika Jedwali 3, thamani ya 11/81 kwa ECOG ≥2 imeandikwa kama %73,6 na hailingani kiarithmetic. Kauli “p <0,001” katika maandishi yanayozunguka uchanganuzi wa Cox wa Entropy–skeletonization hailingani na thamani za p = 0,004 na p = 0,003 katika Jedwali 9. Kichwa cha Jedwali 10 kinaeleza modeli ya EBER na skeletonization, ilhali mistari inayoonekana ni Entropy na EBER. Katika baadhi ya sehemu istilahi Ki69 inatumika, na katika nyingine Ki67. Mambo haya hayajabadilishwa kimya kimya na Verianla.

Kikomo kikuu cha kisayansi: Utafiti unaonyesha mahusiano kati ya skeletonization na sifa za klinikopatholojia, uhai wa jumla na profaili ya molekuli. Muundo wa nyuma wa uchunguzi hauthibitishi sababu. Kwa kuwa thamani ya cutoff ya skeletonization ya juu/chini haijaripotiwa wazi, mbinu haiwezi kuzalishwa upya kutoka makala hii pekee kama kanuni ya uamuzi wa kliniki.