insideOutside:用于分类内部和外部点的可访问算法,在胚胎学中具有应用.
Stanley E Strawbridge1,2, Agata Kurowski3, Elena Corujo-Simon1,2,4
1Wellcome-MRC Cambridge Stem Cell Institute, University of Cambridge, Cambridge, UK.
Biology open
|August 25, 2023
概括
一种名为insideOutside的新方法使用空间数据对早期小鼠胚胎中的细胞进行分类. 这种无监督的机器学习方法准确地区分了细胞内部和外部,有助于发育生物学研究.
科学领域:
- 发育生物学 发展生物学
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 将细胞位置与胚胎的整体几何关系是胚胎学的关键.
- 在小鼠胚胎中的第一个细胞命运决定区分了内部 (内部细胞质量) 和外部 (体) 细胞.
- 目前的方法依赖于蛋白质标记物,这些标记物并不总是可用或可靠的.
研究的目的:
- 开发一种简单,强大的方法,仅使用空间信息来对内部和外部细胞进行分类.
- 为了解决早期小鼠胚胎学中现有的基于标记物的方法的局限性.
主要方法:
- 开发了一个数学框架和无监督的机器学习方法,命名为insideOutside.
- 应用该方法从早期小鼠胚胎的3D点云数据对内部和外部点进行分类.
- 在内部对现有方法进行比较.
主要成果:
- 内部外部方法准确地分类了植入前小鼠胚胎中的细胞核.
- 与其他方法相比,证明了更高的准确性,特别是在复杂的几何形状,如表面度.
- 提供免费可用的 MATLAB 和 Python 实现.
结论:
- insideOutside方法提供了一种可靠的,基于空间的方法,用于胚胎学的细胞分类.
- 这种工具对于分析早期小鼠胚胎发育非常有价值,并且在生命科学中具有更广泛的应用.
- 在传统标记器不足的地方促进研究.


