灵活和坚固的细胞类型注释,用于高度多重化的组织图像.

科学领域:

• 计算生物学是一种计算生物学.
• 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:

• 准确的细胞类型识别对于理解组织结构至关重要.
• 现有的单元格注释方法通常需要大量的手工工作和参考数据集.
• 当前工具的局限性阻碍了对多重成像数据的大规模分析.

研究的目的:

• 开发一种自动化,公正和准确的工具,用于在高度多重化的图像中进行细胞类型注释.
• 为了在各种抗体面板中实现细粒度细胞分类,而无需重新训练.
• 为了促进人类组织空间组织的分析.

主要方法:

• 开发了强大的基于图像的细胞注释器 (RIBCA) 工具.
• 应用RIBCA在多重成像数据中注释细胞类型.
• 采用模块化设计,可扩展到新的细胞类型和抗体板.

主要成果:

• 在40多种人体组织类型中成功注释了300多万个细胞.
• 证明了RIBCA工具的准确性,自动化和公正性能.
• 揭示了组织内各种细胞类型的复杂的空间组织模式.

结论:

• 在复杂的成像数据集中,RIBCA为自动化细胞类型注释提供了强大的解决方案.
• 该工具的开源性质和模块化设计促进了更广泛的采用和进一步开发.
• RIBCA显著推进了组织空间组织和细胞异质性的研究.