[PSI]-CIC:一个深度学习管道,用于标注分部门的Saccharomyces cerevisiae殖民地

科学领域:

• 酵母遗传学 酵母遗传学
• 计算生物学是一种计算生物学.
• 子生物学 子生物学

背景情况:

• 酵母类现象型,如[PSI],呈现为颜色变异.
• 实验变化可能会破坏子的稳定,导致分部门的殖民地表型.
• 分析部门的大小和频率对于理解固至关重要,但目前的方法有限.

研究的目的:

• 开发第一个计算管道[PSI]-CIC,用于识别和描述分部门酵母菌群.
• 为了能够对分部门的殖民地特征进行定量分析,克服手动数据提取的局限性.
• 提供对驱动子表型治愈的分子机制的见解.

主要方法:

• 开发了一种基于合成酵母菌群图像的新型神经网络架构.
• 应用训练模型来分析[PSI]+,[PSI]和细分酵母菌群的真实图像.
• 与手工注释的实验图像对管道的性能进行了验证.

主要成果:

• [PSI]-CIC管道准确地预测了大约95%的检测到的殖民地状态.
• 它正确地确定了大约89.5%的检测到的殖民地中部门的频率.
• 该管道为分部门的酵母殖民地提供了一系列丰富的定量指标.

结论:

• [PSI]-CIC提供了一种简化的方法来分析细分酵母菌群,这对于子研究至关重要.
• 管道对部门特征的量化能力为原处理机制提供了新的见解.
• 未来的应用可能包括在各种实验条件下对殖民地进行分类,以便进行详细的比较.