最近在朋友圈刷到了新鲜出炉的文章：《MRI-based Quantification of Intratumoral Heterogeneity for Predicting Treatment Response to Neoadjuvant Chemotherapy in Breast Cancer》，发表在影像学领域顶级期刊Radiology，是广东省人民医院和中山大学孙逸仙纪念医院的两个团队联合课题成果。
其实肿瘤异质性（Intratumoral Heterogeneity ）研究来说，基本上已经是没办法离开组学技术手段了，所以产生海量的ngs组学数据也就毫不稀奇了。比如肿瘤异质性研究的标准思路（多组学+多位点取样），发表在 Clin Cancer Res 2021; 的 文章：《Multiomic Analysis Reveals Comprehensive Tumor Heterogeneity and Distinct Immune Subtypes in Multifocal Intrahepatic Cholangiocarcinoma》其课题设计是如下所示的多组学：
再比如发表在 Gastroenterology 2021; 的文章：《Immunogenomics of Colorectal Cancer Response to Checkpoint Blockade: Analysis of the KEYNOTE 177 Trial and Validation Cohorts》，其探索肿瘤异质性的实验设计值得学习，涉及到的组学及其它技术之多基本上是肿瘤异质性研究的天花板。每个CRC病人都是 formalin-fixed paraffin-embedded (FFPE) 样品，被切割成为了24个区块分别去做不同的实验：
- multiregional CD3 immunohisto- chemistry (slides A, B, F, H, and J)
- IMC (slide C)
- mIF (slide D)
- WES (slides E1–E5)
- RNA-seq (slides G1–G5)
- TCR-seq (slides I1–I5)
- A-FRET detection of PD1-PDL1 interaction in situ (slides K1–K2).
但是这些多组学技术实在是太卷了，每个癌症基本上都被发好几次了，前面提到的发表在影像学领域顶级期刊Radiology就算是另辟蹊径啦。使用的是磁共振成像(MRI)来量化肿瘤异质性（Intratumoral Heterogeneity ），而我们通常是把处理磁共振成像(MRI)图片数据的技术叫做是影像组学，也算是多组学的一个补充。这个新鲜出炉的文章：《MRI-bassed Quantification of Intratumoral Heterogeneity for Predicting Treatment Response to Neoadjuvant Chemotherapy in Breast Cancer》，就很好的展现了影像组学数据分析流程啦： - 图像标注：由4名放射科医师(分别具有5年、5年、8年、10年乳腺MRI工作经验)使用ITK-SNAP 软件
- 特征提取 ： 使用PyRadiomics 从全肿瘤区域和瘤内亚区域中提取105个符合图像生物标志物标准化倡议的c -影像组学特征(18个基于直方图，14个基于形状，73个基于纹理)。
- 最后是建模环节，特征筛选与模型构建
而且分析代码可以在GitHub存储库( https://github.com/zhenweishi/QMITH ，也是公开的，有一点Python基础的小伙伴完全是可以自己学会啦。如果没有能力自学，也可以考虑北京宏盛元亨的影像组学人工智能应用培训班
这个是商业推广哈， 因为这个影像组学技术确实有用，而且是我们《生信技能树》团队不可能涉足的领域，因为我们没有临床医师也没有医学背景，但是学生物信息学的很多小伙伴恰好符合，所以这个课程是可以满足一定程度的粉丝群体，才有这次商业推广。
因为是商业推广，所以每个报名学员都有我的一份提成，但是我会以学习笔记奖励金的方式返回给大家，这个也是我们《生信技能树》团队的理念，做知识的整理，如果是我们不擅长的领域就只能说是广泛合作啦！
学习笔记奖励就需要私聊我了哈，所以报名就添加我微信吧，我帮你对接到公司，这样的话就很清楚追踪我的提成！报名方式详见：发医学影像学领域顶级期刊Radiology的技术不了解一下吗