2026年6月16日，斯坦福大學(xué)Ruijiang Li團(tuán)隊(duì)在Cell期刊發(fā)表了文章Cellular architecture and neighborhood-informed virtual spatial tumor profiling from histopathology，開發(fā)了CANVAS（Cellular Architecture and Neighborhood-informed Virtual AI-driven Spatial Profiling）框架，旨在連接高維空間蛋白組學(xué)與常規(guī)組織病理學(xué)，為腫瘤微環(huán)境的空間解析和臨床轉(zhuǎn)化提供新的人工智能方案。

腫瘤并不是由癌細(xì)胞孤立構(gòu)成的簡(jiǎn)單組織，而是一個(gè)由腫瘤細(xì)胞、免疫細(xì)胞、基質(zhì)細(xì)胞和血管等多種成分共同組成的復(fù)雜生態(tài)系統(tǒng)。越來(lái)越多的研究表明，腫瘤微環(huán)境不僅取決于“有哪些細(xì)胞”，更取決于這些細(xì)胞在空間中如何排列、如何相互接近、如何形成局部生態(tài)位。對(duì)于實(shí)體腫瘤而言，解析這種多細(xì)胞空間結(jié)構(gòu)，有望為理解疾病進(jìn)展、治療反應(yīng)和精準(zhǔn)分層提供新的視角。然而，如何在大規(guī)模臨床樣本中系統(tǒng)刻畫這些空間生態(tài)結(jié)構(gòu)，仍然是腫瘤空間生物學(xué)和計(jì)算病理學(xué)面臨的重要挑戰(zhàn)。

圖一：CANVAS圖形摘要

空間蛋白組學(xué)技術(shù)為觀察腫瘤組織中的細(xì)胞狀態(tài)、空間層級(jí)和功能程序提供了強(qiáng)有力的工具，但其成本、技術(shù)復(fù)雜度和樣本規(guī)模限制了其在常規(guī)臨床場(chǎng)景中的推廣。相比之下，蘇木精-伊紅染色病理切片是腫瘤診斷中最廣泛使用、最容易獲得的組織圖像資源。H&E 圖像保留了豐富的組織形態(tài)和空間結(jié)構(gòu)信息，卻無(wú)法直接測(cè)量蛋白表達(dá)或精細(xì)分子狀態(tài)。因此，一個(gè)關(guān)鍵問(wèn)題是：能否將高維空間蛋白組學(xué)中獲得的生物學(xué)知識(shí)轉(zhuǎn)化到常規(guī)H&E病理圖像中，從而讓傳統(tǒng)病理切片具備“虛擬空間組學(xué)”解讀和人群轉(zhuǎn)化能力，推動(dòng)空間生物學(xué)走向精準(zhǔn)醫(yī)學(xué)應(yīng)用？

圖二: CANVAS 基于 H&E 病理圖像預(yù)測(cè)腫瘤空間棲息地的工作流程

針對(duì)這一挑戰(zhàn)，CANVAS 以空間定義的細(xì)胞鄰域作為生物學(xué)錨點(diǎn)，結(jié)合多模態(tài)圖像配準(zhǔn)、空間建模和病理基礎(chǔ)模型，從 H&E 圖像中推斷腫瘤生態(tài)棲息地。該框架不僅為理解腫瘤微環(huán)境的空間組織方式提供了新的研究方案，也為將空間生物學(xué)發(fā)現(xiàn)擴(kuò)展到更大規(guī)模的臨床病理隊(duì)列提供了可推廣路徑。通過(guò)把空間信息轉(zhuǎn)譯為可在常規(guī)病理圖像中讀取的空間特征，CANVAS 有望推動(dòng)空間組學(xué)、人工智能病理和精準(zhǔn)腫瘤學(xué)之間的深度融合。

https://www.cell.com/cell/fulltext/S0092-8674(26)00590-8

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

點(diǎn)擊主頁(yè)推薦活動(dòng)

關(guān)注更多最新活動(dòng)！