A imagem por espectrometria de massas (MSI), como uma técnica de imagem molecular de alta resolução espacial, possui valor significativo na detecção in situ de compostos endógenos e exógenos em tecidos biológicos. No entanto, em alta resolução espacial, devido a limitações de sensibilidade, os dados MSI apresentam uma grande quantidade de sinais ausentes, o que limita severamente a precisão das análises subsequentes. Os métodos tradicionais baseados em atualização de hardware são caros e demorados. Portanto, este artigo propõe um método de imputação de valores ausentes baseado em inteligência artificial, com o objetivo de aprender as complexas características de distribuição dos dados MSI de forma orientada por dados, para realizar a reconstrução de alta qualidade dos sinais ausentes. Os resultados experimentais em dados MALDI-MSI de rins de camundongos e dados DESI-MSI de câncer colorretal humano mostram que este método supera os métodos tradicionais na detecção visual e na avaliação quantitativa, demonstrando boa adaptabilidade multiplataforma. Este artigo oferece uma solução eficiente e de baixo custo para melhorar a sensibilidade da detecção MSI, sendo importante para promover análises biológicas futuras.

imagem por espectrometria de massas;sensibilidade;imputação de valores ausentes;inteligência artificial