NIPMAP:通过社区生态学对多重组织学数据的利基类型表型映射

科学领域:

• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.
• 空间转录组学 空间转录组学
• 数字病理学数字病理学

背景情况:

• 多重组织学使得组织内的数百万个细胞和数千个表型的高分辨率分析成为可能.
• 分析细胞类型和表型的空间组织是一个重大的计算挑战.

研究的目的:

• 开发一种新的计算方法,用于汇总和分析多重组织学数据中细胞表型的空间结构.
• 将组织部分自动划分为功能,并识别与这些相关联的表型.

主要方法:

• 利基类类型映射 (NIPMAP) 结合了社区生态学和机器学习的原则.
• 尼普马普利用局部细胞组成的几何约束,将组织划分为和它们的接口.
• 该方法将细胞表型投射到已识别的利基和接口上,以揭示空间关系.

主要成果:

• 尼普马普成功地细分了组织部分,并识别了空间驱动的细胞表型,包括新的表型.
• 该方法提供了组织表型结构的简要概述.
• NIPMAP揭示了组织组织的基本特性,适用于健康和患病的组织.

结论:

• 在多重组织学中,NIPMAP提供了一种强大的方法来破译复杂的空间关系.
• 该方法增强了对组织架构和细胞相互作用的理解.
• 一个开源的R/Python包可用于在各种生物研究中实施NIPMAP.