La imagen por espectrometría de masas (MSI), como una técnica de imagen molecular con alta resolución espacial, tiene un valor importante en la detección in situ de compuestos endógenos y exógenos en tejidos biológicos. Sin embargo, a alta resolución espacial, debido a limitaciones de sensibilidad, existe una gran cantidad de señales faltantes en los datos de MSI, lo que limita seriamente la precisión del análisis posterior. Los métodos tradicionales que dependen de actualizaciones de hardware son costosos y toman mucho tiempo. Por lo tanto, este artículo propone un método de imputación de valores faltantes basado en inteligencia artificial, que tiene como objetivo aprender las complejas características de distribución de los datos MSI de manera impulsada por datos para lograr una reconstrucción de alta calidad de las señales faltantes. Los resultados experimentales en datos MALDI-MSI de riñón de ratón y DESI-MSI de cáncer colorrectal humano demuestran que este método supera a los métodos tradicionales en la detección visual y la evaluación cuantitativa, y muestra una buena adaptabilidad multiplataforma. Este artículo proporciona una solución eficiente y de bajo costo para mejorar la sensibilidad de detección de MSI, lo que es importante para promover análisis biológicos posteriores.

Imagen por espectrometría de masas; sensibilidad; imputación de valores faltantes; inteligencia artificial