长期以来，为了更好地了解和治疗癌症转移，需要可靠地检测扩散的肿瘤细胞和肿瘤靶向治疗抗体在全身的生物分布。近日，德国慕尼黑大学Ali Ertürk的研究小组，利用深度学习揭示了全身性癌症转移和治疗性抗体靶标。研究开发了一个集成策略，用于自动量化癌症转移和治疗性抗体靶标，称为DeepMACT。首先，研究人员通过将vDISCO方法应用于透明化小鼠的转移成像，将癌细胞的荧光信号增强了100倍以上。其次，研究人员开发了深度学习算法，用于自动量化转移并精确匹配人类专家手工注释。在5种不同的转移性癌症模型（包括乳腺癌、肺癌和胰腺癌，具有明显的器官倾向）中进行基于深度学习的量化，这使研究人员能够系统地在整个小鼠中分析诸如大小、形状、空间分布和哪些转移灶被治疗性单克隆抗体靶向的程度等特征。因此，DeepMACT可以在临床前阶段显著改善抗体有效疗法的发现。
亮点小结
1、DeepMACT是一个基于深度学习的策略，用于全面分析转移瘤
2、DeepMACT在全身3D扫描中识别微转移和单个癌细胞
3、DeepMACT揭示了抗体药物靶向整个身体的有效性
4、DeepMACT表明肿瘤微环境影响药物靶向效应。
                                             
Michaela Asp, Stefania Giacomello, Ludvig Larsson, et al. A Spatiotemporal Organ-Wide Gene Expression and Cell Atlas of the Developing Human Heart. Cell, 2019.
DOI: 10.1016/j.cell.2019.11.025
https://www.cell.com/cell/fulltext/S0092-8674(19)31282-6