病理学基础模型图集中的信号是什么？乳腺癌患者水平的控制基准

据报道，病理学基础模型可以编码组织形态学中的分子程序，但证据通常是队列范围内排名的基因列表，而不是对坚持患者的预测。我们以患者为证据单位重建这样的分析，并询问哪个管道组件携带信号。在 11 个冷冻骨架、4 个预先指定的基因程序和 285 名 TCGA-BRCA 患者中，使用配对载玻片和 RNA-seq（44 个细胞；按患者进行 GroupKFold，所有预处理都安装在折叠内），平均池嵌入的岭回归预测保留的程序分数为 Spearman rho = 0.25-0.56，UNI2 在所有四个中最强（免疫 0.556）。匹配的排列空值为每个单元格提供 10,000 种排列的原始 p ~ 1e-4；霍尔姆调整 p = 0.0044。信号是真实的，但形态不统一。与相同患者和相同折叠的竞争模型相比，嵌入在 ER/管腔、增殖和免疫方面优于组织成分（+0.280、+0.284、+0.479；p <= 0.003），但在基础方面则不然，仅隔室分数就达到 0.469，而嵌入则为 0.493（p = 0.77）。每个程序有 54 个可解释的细胞计数特征，范围在 0.043-0.085 之间。几何机制没有任何可测量的贡献，我们确定了原因：测地线图通过欧几里德最近邻搜索选择邻居，并且仅重新加权已经选择的边，因此拓扑结构是欧几里德构造（黎曼减去欧几里德 = +0.0010，95％CI [-0.0007，+0.0029]）。持续应用几何形状会更差（-0.0117）。岭回归以 +0.097 的优势击败了图形和度量解码器（CI [+0.069，+0.127]）。该文献中常见的驾驶员计数指标在这里几乎没有提供任何信息：91.8% 的随机六基因面板恢复了 >=5/6 的驾驶员。