用TRACERx-PHLEX进行多重成像的深度细胞表型和空间分析

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 数字病理学数字病理学

背景情况:

• 多重复合成像产生大,高维的数据集.
• 现有的计算管道可能很复杂,需要专门的专业知识.
• 需要可重复的,用户友好的工具来分析高度多重化的数据.

研究的目的:

• 开发和验证TRACERx-PHLEX,这是一个用于多重成像数据分析的自动计算管道.
• 为细胞细分,细胞类型注释和空间分析提供端到端解决方案.
• 从复杂的成像数据集中获得临床相关的见解.

主要方法:

• TRACERx-PHLEX集成了基于深度学习的细胞细分 (deep-imcyto),自动化的细胞类型注释 (TYPEx) 和可解释的空间分析 (Spatial-PHLEX).
• 该管道以自动化和容器化Nextflow工作流的方式实现.
• 验证使用成像质量细胞计 (IMC),通过索引共检测 (CODEX) 和在各种实验条件下的直角数据进行.

主要成果:

• PHLEX生成单细胞身份,细胞密度,标志物阳性和空间指标.
• 该管道在各种组织类型,固定条件,图像大小和抗体面板上展示了强大的性能.
• 基准测试证实了它的竞争力与最先进的方法相比.

结论:

• TRACERx-PHLEX提供了一种全面的,自动化的,可互操作的解决方案,用于分析高度多重化的成像数据.
• 该管道简化了复杂的分析,使它们可以在没有手动评估或病理学专业知识的情况下访问.
• PHLEX促进从大型空间生物学研究中产生临床相关的见解.