Directives de soumission d'échantillons
Pourquoi le sous-typage moléculaire nécessite plus que le clustering
L'objectif n'est pas de produire la carte thermique la plus colorée. L'objectif est de trouver des groupes de recherche qui restent utiles après des tests approfondis.
Différents algorithmes peuvent diviser les mêmes échantillons de différentes manières. Les données manquantes, les effets de lot, la taille inégale des groupes, la composition tissulaire et quelques échantillons inhabituels peuvent également modifier le résultat.
Nous considérons donc le premier résultat de regroupement comme un modèle candidat, et non comme une réponse définitive. Nous répétons l'analyse sous des changements raisonnables, vérifions si les mêmes échantillons restent ensemble et recherchons des variables techniques qui pourraient expliquer les groupes.
Nous connectons ensuite les groupes stables aux programmes moléculaires, aux états cellulaires, aux régions tissulaires et aux phénotypes de recherche mesurés. Si l'étude nécessite une couche de données plus robuste, nous pouvons générer des données en vrac, unicellulaires, spatiales ou multi-omiques dans nos laboratoires.
Questions auxquelles nous vous aidons à répondre
- Combien de sous-types sont pris en charge par les données ?
- Les mêmes échantillons restent-ils regroupés après le rééchantillonnage ?
- Les lots, le site, la pureté ou la composition cellulaire influencent-ils le résultat ?
- Quelles caractéristiques et voies définissent chaque sous-type ?
- Un nouvel échantillon peut-il se voir attribuer un score de confiance ?
- Le modèle se reproduit-il dans une autre cohorte ?
Sous-typage moléculaire pour des décisions de recherche spécifiques
Nous sélectionnons les couches de données et le plan de validation en fonction de la question biologique, et non en fonction d'un algorithme préféré.
Trouver des sous-types tumoraux stables à partir de données bulk ou multi-omiques
Votre question : Ce groupe contient-il des groupes moléculaires répétables, et quelle biologie les sépare ?
Données et expériences : L'étude peut utiliser l'expression de l'ARN seule ou combiner des variantes, des changements de nombre de copies, la méthylation de l'ADN, l'accessibilité de la chromatine, des protéines ou des métabolites. Nous pouvons travailler avec des matrices existantes ou générer les données manquantes à partir de biospécimens.
Comment l'IA aide : Les méthodes assistées par l'IA comparent des motifs à travers une ou plusieurs couches moléculaires. Nous testons plusieurs nombres de groupes raisonnables et méthodes au lieu d'accepter le premier résultat.
Comment nous testons le résultat : Nous utilisons le sous-échantillonnage répété, des mesures de consensus, des vérifications de séparation, la sensibilité des caractéristiques et une révision tenant compte des lots. Nous examinons également si un petit groupe est causé par des échantillons de faible qualité ou inhabituels.
Ce que nous livrons : Vous recevez le numéro de sous-type recommandé, des exemples d'affectations, des preuves de stabilité, des caractéristiques définissantes, des résumés de parcours et des limitations importantes.
Preuves publiées : Hoadley et al. ont intégré plusieurs plateformes moléculaires à travers plus de 10 000 tumeurs et ont montré que les motifs de tissu et de cellule d'origine façonnaient fortement la classification moléculaire. Cela illustre pourquoi le contexte biologique doit être pris en compte lors de l'interprétation d'un cluster.
Résoudre les sous-types immunitaires et du microenvironnement
Votre question : Les groupes sont-ils déterminés par les cellules tumorales, les cellules immunitaires, les cellules stromales ou leur organisation spatiale ?
Données et expériences : L'ARN en vrac peut fournir une vue d'ensemble à l'échelle de la cohorte. L'ARN à cellule unique, les protéines de surface cellulaire, les récepteurs immunitaires ou les données de chromatine peuvent séparer les états cellulaires. Le profilage spatial peut montrer où ces cellules et programmes se situent à l'intérieur des tissus.
Comment l'IA aide : L'analyse assistée par l'IA relie les populations cellulaires, les états cellulaires, les voies et les quartiers tissulaires. Elle peut comparer si un sous-type en vrac reste visible après avoir pris en compte les variations des proportions cellulaires.
Comment nous testons le résultat : Nous comparons la structure des groupes à travers les échantillons et les types de données, vérifions les effets des donneurs et des lots, et confirmons des motifs importants avec un ensemble de données indépendant ou un test ciblé lorsque cela est possible.
Ce que nous livrons : Vous recevez des attributions de groupes immunitaires ou de microenvironnement, des profils cellulaires et de voies, des cartes spatiales lorsqu'elles sont incluses, et des marqueurs pour des recherches de suivi.
Preuves publiées : Sivakumar et al. ont utilisé des données multi-omiques unicellulaires appariées provenant de tumeurs pancréatiques et de sang, ainsi que deux ensembles de données publiques, pour identifier des microenvironnements enrichis en myéloïdes et en adaptatifs. Wang et al. ont utilisé la transcriptomique spatiale dans 92 cas de cancer du sein triple négatif et ont identifié neuf archétypes spatiaux qui ont été examinés dans des ensembles de données externes.
Identifier des sous-types de réponse aux médicaments ou de phénotypes expérimentaux.
Votre question : Les groupes moléculairement distincts montrent-ils des schémas de réponse, des mécanismes de résistance ou des phénotypes expérimentaux différents ?
Données et expériences : Nous pouvons combiner des profils moléculaires avec des valeurs de réponse à la dose mesurées, des résultats de perturbation, des modèles résistants et sensibles, des échantillons longitudinaux ou d'autres phénotypes quantitatifs.
Comment l'IA aide : Nous pouvons d'abord découvrir des groupes sans utiliser l'étiquette de réponse, puis comparer les réponses entre les groupes. Lorsque cela est approprié, des méthodes semi-supervisées peuvent utiliser un phénotype de recherche pour guider l'analyse tout en gardant la structure moléculaire visible.
Comment nous testons le résultat : Nous vérifions si l'association demeure après avoir pris en compte la lignée, le lot et la source du modèle. Les résultats importants devraient être répétés dans des modèles, des échantillons ou une expérience ciblée supplémentaires.
Ce que nous livrons : Vous recevez des attributions de sous-types, des distributions de réponses, des programmes moléculaires spécifiques aux sous-types, des marqueurs candidats et un plan de validation.
Preuves publiées : Lehmann et al. ont combiné des données génomiques, transcriptomiques, épigénétiques, protéomiques et de dépistage pour étudier les caractéristiques spécifiques aux sous-types et rechercher des vulnérabilités dans le cancer du sein triple négatif. L'étude a également montré que les tumeurs peuvent contenir des signaux de sous-types mixtes ou continus plutôt que des frontières nettes.
Verrouiller une règle de sous-type et la tester dans un autre cohort.
Votre question : Le système de sous-types peut-il être appliqué à de nouveaux échantillons, et se reproduit-il en dehors de l'ensemble de découverte ?
Données et expériences : Nous définissons la cohorte de découverte, une cohorte de test indépendante, les caractéristiques requises, les règles d'éligibilité des échantillons et les différences de plateforme acceptables. Si une cohorte de test n'est pas disponible, nous pouvons identifier un ensemble de données publiques approprié ou planifier une étude de validation ultérieure.
Comment l'IA aide : La sélection de caractéristiques et la classification assistées par l'IA peuvent convertir les groupes de découverte en une règle d'attribution fixe. Chaque nouvel échantillon peut recevoir un score de sous-type et un indicateur d'ambiguïté plutôt qu'une étiquette imposée.
Comment nous testons le résultat : Nous mesurons le taux d'attribution, la confiance, les proportions de groupe, la concordance moléculaire et l'accord des voies. Nous testons également l'effet de la plateforme, du lot, du site et de la composition des échantillons.
Ce que nous livrons : Vous recevez un ensemble de fonctionnalités verrouillé ou une règle de centroïde, des attributions de nouveaux échantillons, des résultats de réplication externe et une déclaration claire des endroits où le système de sous-types se transfère et ne se transfère pas.
Preuves publiées : Langerud et al. ont analysé 1 093 échantillons de tumeurs colorectales provenant de 692 patients. L'échantillonnage multirégional a montré une hétérogénéité fréquente des sous-types, tandis qu'un ensemble de gènes à hétérogénéité réduite soutenait un cadre de sous-types plus congruent qui a également été illustré dans des séries de tumeurs externes.
Ajoutez la couche moléculaire qui clarifie les sous-types.
La meilleure technologie est celle qui sépare l'hétérogénéité biologique du bruit technique et influence la prochaine décision de recherche.
| Technologie de service | Question à laquelle il peut répondre | Rôle commun dans le sous-typage |
|---|---|---|
| Séquençage de l'ARN | Quelles expressions de programmes séparent les échantillons ? | Découverte de sous-types à l'échelle de la cohorte, analyse des voies et signatures d'attribution |
| Séquençage de l'exome entier | Quelles variantes de codage et quels motifs de nombre de copies diffèrent selon les groupes ? | Contexte génomique, altérations définissant les sous-types et comparaison de modèles |
| ATAC-Seq | Quels programmes réglementaires et quelles régions accessibles diffèrent selon les groupes ? | Interprétation des sous-types réglementaires et analyse des moteurs en amont |
| Séquençage d'ARN à cellule unique | Quels types de cellules ou états cellulaires créent le signal principal ? | États rares, sous-types mixtes, programmes de lignée et hétérogénéité au sein de l'échantillon |
| Services de séquençage multi-omiques spatiaux | Où se produisent les programmes de sous-type à l'intérieur des tissus ? | Archétypes spatiaux, quartiers de cellules, frontières et niches résistantes |
| Services Multi-Omics | Plusieurs couches moléculaires soutiennent-elles le même sous-type ? | Sous-typage intégré, accord inter-couches et raffinement des mécanismes |
| Services de bioinformatique | Les données existantes peuvent-elles être traitées et comparées de manière cohérente ? | Révision de la qualité, harmonisation, analyse de cohortes publiques et reporting reproductible |
Le profilage spatial est particulièrement utile lorsque les échantillons partagent un sous-type de masse mais diffèrent par les régions tumorales, les quartiers immunitaires ou l'organisation stromale. La conception spatiale est choisie en fonction du type de tissu, de la méthode de conservation, des besoins en résolution et de la question de recherche.
Commencez par des échantillons, des données existantes ou les deux.
| Type de projet | Ce que vous fournissez | Comment nous soutenons l'étude |
|---|---|---|
| Échantillon à Insight | Biospécimens, groupes d'étude, métadonnées et la décision de recherche | Nous concevons et réalisons les expériences omiques, traitons les données, développons le système de sous-types et planifions la réplication. |
| Données en Insight | Matrices omiques brutes ou traitées, métadonnées d'échantillons et ensembles de données publiques optionnels. | Nous examinons la qualité des données, découvrons et testons des sous-types, interprétons la biologie et développons une approche d'attribution. |
| Étude hybride | Données existantes plus échantillons pour une couche moléculaire ou de validation manquante. | Nous identifions l'écart de preuves, générons de nouvelles données ciblées et mettons à jour le modèle de sous-type. |
Comment nous décidons si un sous-type est crédible
Aucun score unique ne prouve qu'un sous-type est réel. Nous examinons plusieurs formes de preuves ensemble.
- Stabilité de rééchantillonnage : Les mêmes échantillons restent-ils ensemble lorsque la cohorte est rééchantillonnée plusieurs fois ?
- Sensibilité de la méthode : La structure principale reste-t-elle visible avec d'autres algorithmes raisonnables, distances ou ensembles de caractéristiques ?
- Séparation de groupe : Les groupes sont-ils suffisamment distincts pour être interprétés sans cacher des échantillons ambigus ?
- Sensibilité technique : Les lots, les sites, les plateformes, la qualité des échantillons ou la date de traitement sont-ils liés aux groupes ?
- Accord biologique : Les gènes, les voies, les protéines, les cellules ou les régions tissulaires racontent-ils une histoire cohérente ?
- Association phénotypique : Les phénotypes de recherche mesurés sont-ils distribués différemment entre les groupes ?
- Confiance dans la mission : Les nouveaux échantillons peuvent-ils être étiquetés sans forcer les cas limites ?
- Réplicaton externe : Les groupes et leur biologie ont-ils été récupérés dans une cohorte indépendante ?
Nous rapportons des résultats contradictoires ainsi que des résultats de soutien. Si les données soutiennent un gradient continu plutôt que des groupes distincts, nous le montrerons au lieu d'imposer des sous-types discrets.
Des échantillons hétérogènes à un système de sous-types de recherche réutilisables
Un flux de travail connecté maintient la génération de données, la découverte de sous-types, les tests de qualité, l'interprétation, l'attribution et la réplication concentrés sur la même question.
Étape 1 - Définir la décision de recherche : Nous clarifions la cohorte, la question biologique, les sources d'hétérogénéité attendues et comment le résultat du sous-type sera utilisé.
Étape 2 - Examiner les données et le plan d'étude : Nous examinons l'échantillon de balance, les métadonnées, la structure des lots, les valeurs manquantes, les couches moléculaires disponibles et les cohortes de validation possibles.
Étape 3 - Générer ou traiter des données omiques : Lorsque des échantillons sont inclus, nous réalisons les expériences convenues. Tous les projets incluent un contrôle de qualité et un traitement spécifiques aux données.
Étape 4 - Découvrez les structures de sous-types de candidats : Nous comparons des ensembles de fonctionnalités raisonnables, des stratégies d'intégration, des nombres de groupes et des approches de clustering.
Étape 5 - Tester la stabilité et les facteurs de confusion : Nous utilisons le rééchantillonnage, l'analyse de sensibilité, les vérifications de séparation de groupes et la révision des variables techniques.
Étape 6 - Expliquer la biologie : Nous identifions des caractéristiques définissantes, des voies, des états cellulaires, des motifs spatiaux et des associations de phénotypes de recherche.
Étape 7 - Créer la règle d'attribution : Nous sélectionnons un ensemble de caractéristiques pratiques ou un centroïde de sous-type et rapportons la confiance ou l'ambiguïté pour chaque échantillon.
Étape 8 - Tester la réplication externe : Nous appliquons l'approche verrouillée à une cohorte indépendante et rapportons l'accord, les différences et les limites.
Ce dont nous avons besoin pour planifier l'étude
Une révision précoce des métadonnées aide à éviter qu'une variable technique ne soit confondue avec un sous-type biologique.
- Question de recherche et comment le résultat du sous-type guidera la prochaine étude.
- Type d'échantillon, source tissulaire, méthode de conservation et site de collecte
- Données omiques simples ou multi-omiques brutes ou traitées
- Phénotype expérimental, traitement, point temporel et variables de résultat lorsque disponibles.
- Lot, plateforme, date de traitement, site d'étude et informations sur la qualité des échantillons.
- Biospécimens disponibles pour de nouvelles expériences en vrac, à cellule unique ou spatiales.
- Cohortes publiques ou indépendantes candidates pour la réplication
Livrables pour la découverte, la révision et la réutilisation
- Conception de l'étude et révision de la qualité des données
- Données omiques contrôlées en qualité lorsque des expériences sont incluses
- Numéro de sous-type recommandé et preuves de sélection
- Résultats de consensus et de stabilité de rééchantillonnage
- Attribution de sous-type pour chaque échantillon éligible
- Confiance, ambiguïté et indicateurs de valeurs aberrantes
- Caractéristiques définissant le sous-type et marqueurs candidats
- Voie, état cellulaire et interprétation spatiale selon le cas
- Résultats de sensibilité par lot, site, plateforme et fonctionnalité
- Ensemble de fonctionnalités verrouillées, centroïde ou modèle d'attribution
- Rapport de réplication de cohorte indépendante
- Tables, figures, méthodes, limitations et plan de suivi reproductibles
Passer d'un modèle dans un ensemble de données à un système d'étude testable
Un fournisseur d'analyse uniquement peut travailler avec les données qui existent déjà. Cela peut laisser la question la plus importante sans réponse lorsque la cohorte manque de la couche moléculaire, de la résolution cellulaire ou du contexte tissulaire nécessaires pour expliquer les groupes.
CD Genomics combine l'omics en laboratoire, la bioinformatique, l'analyse unicellulaire, le profilage spatial et la révision de motifs assistée par l'IA. Nous pouvons donc identifier les preuves manquantes, les générer et les relier à la même question de sous-type.
Le résultat final est conçu pour être utilisé dans la prochaine étude de recherche : un système de sous-types transparent, une règle pour de nouveaux échantillons, une évaluation de réplication externe et un plan ciblé pour des tests supplémentaires.
Limite de recherche
Les sous-types moléculaires dépendent de la composition de la cohorte, de la qualité des échantillons, de la conception des essais et du contexte biologique. Nous ne garantissons pas que des groupes distincts seront trouvés ou qu'un sous-type de recherche se transférera à chaque population, tissu, modèle ou plateforme.
Références
- Monti S, Tamayo P, Mesirov J, Golub T. Clustering par consensus : une méthode basée sur le rééchantillonnage pour la découverte de classes et la visualisation des données d'expression génique des microarrays. Apprentissage automatique2003.
- Hoadley KA, Yau C, Hinoue T, et al. Les motifs d'origine cellulaire dominent la classification moléculaire de 10 000 tumeurs provenant de 33 types de cancer. Cellule. 2018.
- Lehmann BD, Colaprico A, Silva TC, et al. L'analyse multi-omique identifie des vulnérabilités thérapeutiques dans les sous-types de cancer du sein triple négatif. Communications Nature. 2021.
- Langerud J, Eilertsen IA, Moosavi SH, et al. La transcriptomique multirégionale identifie des sous-types de consensus congruents avec une valeur pronostique au-delà de l'hétérogénéité tumorale du cancer colorectal. Communications Nature. 2024.
- Wang X, Venet D, Lifrange F, et al. La transcriptomique spatiale révèle une hétérogénéité substantielle dans le cancer du sein triple négatif avec des implications cliniques potentielles. Communications Nature. 2024.
- Sivakumar S, Jainarayanan A, Arbe-Barnes E, et al. Des motifs d'infiltration cellulaire immunitaire distincts dans l'adénocarcinome canalaire pancréatique présentent une sélection divergente des cellules immunitaires et des mécanismes d'immunosuppression. Communications Nature. 2025.
Exemple de rapport de sous-typage moléculaire
Le rapport est conçu pour montrer à la fois le système de sous-types proposé et les preuves qui le soutiennent ou le limitent.
Le rapport peut inclure une matrice de consensus, des courbes de stabilité, des affectations d'échantillons, des indicateurs de confiance ou d'ambiguïté, des cartes thermiques des caractéristiques de sous-types, des profils de voies, des vérifications de variables techniques et des résultats de cohortes indépendantes. Les panneaux exacts dépendent du projet.
FAQ sur le sous-typage moléculaire assisté par IA
1. Combien d'échantillons sont nécessaires pour le sous-typage moléculaire ?
Il n'y a pas de minimum unique pour chaque étude. La réponse dépend du nombre attendu de groupes, de l'équilibre des groupes, du type de données, des valeurs manquantes et de la nécessité d'un groupe témoin séparé. Nous examinons ces facteurs avant de recommander un design.
2. Le projet peut-il commencer avec des données existantes ?
Oui. Nous pouvons examiner des matrices brutes ou traitées, des métadonnées et des cohortes publiques. Si une couche moléculaire importante est manquante, nous pouvons concevoir une expérience ciblée en utilisant des biospécimens disponibles.
3. Pouvez-vous combiner plusieurs couches omiques ?
Oui. Nous pouvons comparer les sous-types trouvés dans chaque couche, construire un modèle intégré ou utiliser une couche pour expliquer les groupes trouvés dans une autre. Le choix dépend du chevauchement des échantillons, de la qualité des données et de la question de recherche.
4. Que fait l'IA dans l'étude ?
Les méthodes assistées par l'IA aident à trouver des motifs complexes, à comparer des couches moléculaires, à sélectionner des caractéristiques informatives et à attribuer de nouveaux échantillons. Nos scientifiques choisissent le design de l'étude, testent la stabilité et les facteurs de confusion, interprètent la biologie et examinent le résultat final.
5. Comment empêchez-vous les effets de lot de devenir des sous-types ?
Nous examinons la structure des lots et des sites avant la modélisation, utilisons une normalisation ou une harmonisation appropriée, et testons l'association entre les sous-types proposés et les variables techniques. Nous répétons également l'analyse sous des choix de traitement raisonnables.
6. La multi-omique spatiale peut-elle être incluse ?
Oui. Les données spatiales peuvent montrer si un sous-type de masse contient différentes régions tumorales, des quartiers immunitaires ou des motifs stromaux. Elles peuvent également définir des archétypes spatiaux qui ne sont pas visibles après avoir moyenné l'ensemble du tissu.
7. Pouvez-vous attribuer un nouvel échantillon après la découverte du sous-type ?
Lorsque les données de découverte le permettent, nous pouvons verrouiller un ensemble de fonctionnalités, un centroïde ou un classificateur et l'appliquer à de nouveaux échantillons. Les échantillons en bordure reçoivent un indicateur de confiance ou d'ambiguïté plutôt qu'une étiquette forcée.
8. Que se passe-t-il si les données soutiennent un gradient au lieu de groupes clairs ?
Nous rapportons le gradient. Certains systèmes biologiques contiennent des états continus ou des programmes mixtes. Les forcer à entrer dans des groupes discrets peut cacher des informations importantes.
9. La réplication externe garantit-elle que le système de sous-types fonctionnera partout ?
Non. La réplication renforce les preuves au sein des populations testées, des essais et des types d'échantillons. Le transfert vers un autre contexte doit être testé séparément.
Étude de cas publiée
Mise en lumière de la recherche indépendante
Tester un système de sous-types de cancer colorectal face à l'hétérogénéité intra-tumorale.
Cette publication est un exemple de recherche indépendante. Ce n'est pas un projet client de CD Genomics.
Contexte
Un sous-type attribué à une région tissulaire peut ne pas représenter le reste de la tumeur. Les chercheurs se sont demandé si la transcriptomique multirégionale pouvait identifier des classifications moins sensibles à l'hétérogénéité intra-tumorale.
Méthodes
Langerud et al. ont analysé 1 093 échantillons de tumeurs colorectales provenant de 692 patients. L'étude comprenait des échantillons multirégionaux de 98 tumeurs primaires et de 35 ensembles appariés primaire-métastase. La figure 1 montre l'accord et le désaccord des sous-types à travers les régions échantillonnées.
Résultats
L'étude a révélé une hétérogénéité fréquente dans les attributions de sous-types moléculaires de consensus. Les chercheurs se sont ensuite concentrés sur des signaux d'expression intrinsèques aux cellules cancéreuses avec une hétérogénéité plus faible. La figure 4 compare ces classifications entre les tumeurs primaires et les métastases. La figure 5 présente le cadre proposé des quatre groupes de sous-types congruents et ses associations de recherche.
Pourquoi c'est important
L'étude montre pourquoi un système de sous-types devrait être testé en fonction du lieu d'échantillonnage, des signaux mixtes et des changements biologiques. Elle démontre également qu'un meilleur accord au sein des tumeurs primaires ne supprime pas toutes les limitations : des métastases appariées pourraient encore montrer un changement de sous-type.
Conclusion
Un projet de sous-type crédible nécessite plus qu'un simple regroupement de découvertes. La conception de l'échantillonnage, la stabilité, l'interprétation biologique, l'attribution de nouveaux échantillons, les tests externes et le rapport honnête des discordances sont tous importants. Les résultats de cette publication ne prédisent pas l'issue d'un autre projet de recherche.
Note en libre accès : L'article est sous licence Creative Commons Attribution 4.0 International.
Référence
- Langerud J, Eilertsen IA, Moosavi SH, et al. La transcriptomique multirégionale identifie des sous-types consensuels congruents avec une valeur pronostique au-delà de l'hétérogénéité tumorale du cancer colorectal. Nature Communications. 2024.
Publications Sélectionnées
Ces publications indépendantes fournissent des bases de recherche pour les tests de stabilité, le sous-typage multi-omique, la biologie spécifique aux sous-types, l'hétérogénéité spatiale et la réplication externe. Elles ne sont pas présentées comme des projets clients de CD Genomics.
- Monti S, Tamayo P, Mesirov J, Golub T. Clustering par consensus : Une méthode basée sur le rééchantillonnage pour la découverte de classes et la visualisation des données d'expression génique par microarray. Apprentissage automatique. 2003.
- Hoadley KA, Yau C, Hinoue T, et al. Les motifs d'origine cellulaire dominent la classification moléculaire de 10 000 tumeurs provenant de 33 types de cancer. Cellule. 2018.
- Lehmann BD, Colaprico A, Silva TC, et al. L'analyse multi-omique identifie des vulnérabilités thérapeutiques dans les sous-types de cancer du sein triple négatif. Nature Communications. 2021.
- Langerud J, Eilertsen IA, Moosavi SH, et al. La transcriptomique multirégionale identifie des sous-types de consensus congruents avec une valeur pronostique au-delà de l'hétérogénéité tumorale du cancer colorectal. Communications Nature. 2024.
- Wang X, Venet D, Lifrange F, et al. La transcriptomique spatiale révèle une hétérogénéité substantielle dans le cancer du sein triple négatif avec des implications cliniques potentielles. Nature Communications. 2024.
- Sivakumar S, Jainarayanan A, Arbe-Barnes E, et al. Des motifs d'infiltration cellulaire immunitaire distincts dans l'adénocarcinome canalaire pancréatique présentent une sélection divergente des cellules immunitaires et des mécanismes immunosuppresseurs. Communications Nature. 2025.
