GammaGateR:用于单细胞多重成像的半自动标记门
Jiangmei Xiong1, Harsimran Kaur2,3, Cody N Heiser2,3,4
1Department of Biostatistics, Vanderbilt University, 2525 West End Avenue, Suite 1100, Nashville, TN 37203-1741, United States.
Bioinformatics (Oxford, England)
|June 4, 2024
概括
我们开发了GammaGateR,这是用于多重免疫光 (mIF) 分析的R包. 该工具提供可复制的标记物隔离,提高一致性,减少细胞表型化中的手工工作,以获得生物学见解.
科学领域:
- 计算生物学 计算生物学
- 生物技术是生物技术.
- 生物信息学是一种生物信息学.
背景情况:
- 多复合免疫光学 (mIF) 能够实现多通道蛋白质成像,用于组织中细胞水平的空间分析.
- 目前用于mIF数据的自动化细胞表型化方法缺乏一致性,并且经常需要主观的手动评估.
- 在mIF分析中手动设置标记门的门是耗时的,容易变化.
研究的目的:
- 开发一种可评估的,半自动化的算法,用于在mIF数据中进行一致和可重复的标记器关口.
- 介绍GammaGateR,这是一个R包,旨在对分段细胞级mIF数据进行交互式标记门.
- 提供一个强大的工具,克服现有的自动化和手动MIF分析方法的局限性.
主要方法:
- 开发了GammaGateR,一个R包,使用封闭形式的玛混合模型进行标记门.
- 实现了用户指定的约束,以实现一致的,特定于幻灯片的模型,适合于mIF分析.
- 将GammaGateR与使用结肠和卵巢癌数据集的无监督方法进行比较.
主要成果:
- GammaGateR显示的结果与手动注释基准 (银标准) 非常相似.
- 该包有效地识别了生物信号,例如CD68和MUC5AC细胞之间的空间相互作用.
- 当与机器学习一起使用时,GammaGateR的表型概率准确地预测了卵巢癌患者的生存率.
结论:
- GammaGateR是一种高效的R包,可以提高mIF研究中的标记器门的可复制性.
- 该工具大大减少了手动细分和分析mIF数据所需的时间.
- GammaGateR 能够从复杂的成像数据中实现更可靠的细胞表型和生物发现.
