太厉害了，利用TCGA数据发了12分的SCI / 开普饭

有的人利用TCGA数据发了1-2分的SCI；有的人利用TCGA数据发了3-5分的SCI；现在有人利用TCGA数据发了12的SCI。这篇文章发表在Nat Commun上，该期刊属于Nature子刊，影响因子：12.121，中科院分区：1区。文章作者分别来自于马萨诸塞州波士顿大学、杰克逊基因医学实验室、耶鲁大学医学院，文章出处：PMID: 33311458，DOI: 10.1038/s41467-020-20030-5。

研究背景：

组织病理学图像普遍用于研究癌症但尚未完全探索数据的类型。手动检查非常耗时，因此很难用于图像数据挖掘。在这里，我们表明卷积神经网络（CNN）可以系统地应用于各种癌症类型，从而能够进行比较以揭示共享的空间行为。

研究方法和结果：

我们开发了CNN架构，以分析来自癌症基因组图谱（TCGA数据库）的27,815苏木精和曙红扫描图像的肿瘤/正常，癌症亚型和突变分类。我们的CNN能够对TCGA病理学家注释的19种完整幻灯片图像(WSIs)的肿瘤/正常状态进行分类，并且AUC一致性较高(0.995 ± 0.008)，虽然肿瘤亚型较低但也具有明显的准确性(AUC 0.87 ± 0.1)。值得注意的是，在一种组织上训练的肿瘤/正常CNN在其他组织上有效（AUC 0.88±0.11），并且分类器关系也概括了已知的腺癌，癌和发育生物学。此外，分类器比较揭示了幻灯片内的空间相似性，分类器对之间的平均图块级相关性为0.45±0.16。乳腺癌，膀胱癌和子宫癌的空间分布特别容易检测，表明这些癌症可能是图像分析的典型类型。还可以检测到TP53突变的模式，WSI自组织和交叉组织AUC的范围为0.65-0.80。最后，我们用病理学家标注的核对170个乳腺癌和结肠癌图像上的CNN进行了比较评估，发现细胞和细胞间区域都有助于CNN准确性。

研究结论：

这些结果表明，CNN不仅对组织病理学分类具有强大的功能，而且还具有交叉比较的能力，可以揭示整个肿瘤的保守空间行为。

分析内容：

1、进行适用于肿瘤/正常组织的泛癌卷积神经网络分类