Масс-спектрометрическое изображение (MSI) как технология молекулярной визуализации с высоким пространственным разрешением имеет важное значение для локального обнаружения эндогенных и экзогенных соединений в биологических тканях. Однако при высоком пространственном разрешении из-за ограничения чувствительности в данных MSI присутствует большое количество отсутствующих сигналов, что серьезно ограничивает точность последующего анализа. Традиционные методы, основанные на улучшении аппаратного обеспечения, дорогостоящие и продолжительные по времени. Поэтому в статье предлагается метод заполнения пропущенных значений на основе искусственного интеллекта, направленный на обучение сложным распределительным характеристикам данных MSI методом, управляемым данными, для высококачественной реконструкции отсутствующих сигналов. Экспериментальные результаты на данных MALDI-MSI почек мышей и DESI-MSI рака толстой кишки человека показывают, что метод превосходит традиционные подходы в визуальном обнаружении и количественной оценке, а также демонстрирует хорошую адаптивность между платформами. Статья предлагает эффективное и экономичное решение для повышения чувствительности обнаружения MSI, что имеет важное значение для продвижения последующего биологического анализа.

Масс-спектрометрическое изображение; чувствительность; заполнение пропущенных значений; искусственный интеллект