PXPermute揭示了多通道成像流细胞计中的重要意义
Sayedali Shetab Boushehri1, Aleksandra Kornivetc2, Domink J E Winter3
1Institute of AI for Health, Helmholtz Zentrum München - German Research Center for Environmental Health, 85764 Neuherberg, Germany; Institute of Computational Biology, Helmholtz Zentrum MünchenMunich - Helmholtz Munich - German Research Center for Environmental Health, 85764 Neuherberg, Germany; Technical University of Munich, Department of Mathematics, 85748 Munich, Germany; Data & Analytics (D&A), Roche Pharma Research and Early Development (pRED), Roche Innovation Center Munich, 82377 Penzberg, Germany.
Cell reports methods
|February 27, 2024
概括
PXPermute有效地识别了用于细胞分析的关键成像流细胞计通道. 这种方法通过精确确定最有信息的光通道来减少实验成本和时间,有助于生物标志物发现.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 细胞生物学 细胞生物学
背景情况:
- 图像流细胞计 (IFC) 能够通过多个光通道获得高通量单细胞图像.
- 传统的IFC染色协议资源密集,耗时,并可能影响细胞活力.
- 优化道选择对于有效的下游分析和IFC实验中的成本降低至关重要.
研究的目的:
- 引入PXPermute,一种用于评估IFC数据中个别频道的意义的新方法.
- 提供一个用户友好的工具,用于优化实验设计和在细胞分析研究中道选择.
- 为了减少与IFC数据分析相关的成本和复杂性.
主要方法:
- PXPermute通过在每个频道内系统地调整像素值来评估频道的重要性.
- 分析了像素变换对机器学习和深度学习模型的影响,以确定道意义.
- 该方法使用三个不同的多通道IFC图像数据集进行了验证.
主要成果:
- 在各种IFC数据集中,PXPermute准确地确定了最具信息性的道.
- 鉴定出的道与现有的生物知识一致,证实了该方法的可靠性.
- 该研究表明PXPermute有潜力简化实验工作流程.
结论:
- 在IFC分析中,PXPermute提供了一种强大而高效的道选择方法.
- 该方法促进了系统的道分析,帮助生物学家在实验设计和优化.
- PXPermute支持生物标记物识别,并增强IFC在细胞分析中的整体实用性.
