CyGate提供了一个强大的解决方案,用于单细胞细胞计数据的自动门.
Seungjin Na1,2, Yujin Choo3, Tae Hyun Yoon4,5,6
1Institute for Artificial Intelligence Research, Hanyang University, Seoul 04763, Republic of Korea.
Analytical chemistry
|November 10, 2023
概括
CyGate提供了一种新的半自动化方法,用于使用质量细胞计数据对单细胞进行分类. 这种方法增强了免疫细胞类型识别和分析速度,提高了研究可重复性.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞蛋白质表达分析对于理解人类免疫系统至关重要.
- 质量细胞计提供了高维数据,但对分析提出了计算挑战.
- 传统的手动隔离对于复杂的免疫细胞表型是低效和不可靠的.
研究的目的:
- 开发一种半自动化方法,使用质量细胞计数据准确分类单细胞.
- 解决高维质细胞计数据集的计算挑战.
- 提高免疫细胞类型识别的可复制性和效率.
主要方法:
- CyGate,一个半自动化的细胞分类方法.
- 从参考数据集学习网关策略.
- 训练机器学习模型,用于对新数据集的自动分析.
- 包含"不加"细胞的分类.
主要成果:
- 在细胞类型分类方面,CyGate表现出高性能.
- 与最先进的方法相比,实现了最低的概括误差.
- 展示了最短的执行时间,使得可扩展性.
结论:
- CyGate为质量细胞计数据分析提供了一种高效且可重复的解决方案.
- 该方法增强了免疫细胞类型的分类,包括以前被忽视的"无化"细胞.
- CyGate是推动单细胞免疫系统研究的宝贵工具.
更多相关视频
09:57Workflow for High-content, Individual Cell Quantification of Fluorescent Markers from Universal Microscope Data, Supported by Open Source Software
Published on: December 16, 2014
13.0K
14:01Far-Red Fluorescent Senescence-Associated β-Galactosidase Probe for Identification and Enrichment of Senescent Tumor Cells by Flow Cytometry
Published on: September 13, 2022
4.7K
