深度学习可以识别乳腺癌细胞系中的异质子群
Tyler A Jost1, Andrea L Gardner1, Daylin Morgan1
1Department of Biomedical Engineering, The University of Texas at Austin.
bioRxiv : the preprint server for biology
|July 15, 2024
概括
使用计算机视觉分析的细胞形态,可以识别癌症细胞系中的转录组子群. 这一发现有助于理解细胞在疾病和治疗中的竞争和合作.
科学领域:
- 细胞生物学 细胞生物学
- 计算生物学是一种计算生物学.
- 癌症研究 癌症研究
背景情况:
- 细胞形态学为细胞类型和反应提供了洞察力.
- 了解转录组亚群对于癌症的进展和治疗至关重要.
- 计算机视觉方法可以分析细胞形态.
研究的目的:
- 为了研究细胞形态学是否可以在体外癌症细胞系内分类转录组亚群.
- 探索形态学作为底层细胞表型的反映.
- 增强对细胞竞争和疾病合作的理解.
主要方法:
- 卷积神经网络 (CNN) 用于分析细胞形态.
- 形态特征被用来分类转录组亚种群.
- 评估了邻居对细胞形态的影响.
主要成果:
- 细胞形态学有效地反映了体外转录基因的基本差异.
- 乳腺癌细胞系的化疗诱导的变化可以通过形态识别.
- 在标准条件下,细胞内线下群也可以识别.
- 包括周围的细胞图像信息改善了模型歧视.
结论:
- 细胞形态是癌症细胞系中转录组亚群的可行的标记物.
- 形态分析,加强了邻里背景,可以提高分类准确性.
- 这种方法为更好地了解癌症进展和治疗策略提供了潜力.
