部落:从多重成像和蛋白质组数据中半自动发现细胞身份和表型

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:

• 多复合成像和单细胞分析对于研究癌症等疾病中的组织生态系统至关重要.
• 精确的单细胞表型是具有挑战性的,因为手工值的可重现性差,以及机器学习方法专家注释的劳动密集性.

研究的目的:

• 在多重成像和蛋白质组数据中开发一种自动化和准确的单细胞表型化方法.
• 在复杂的生物数据集中克服手动值和专家注释的局限性.

主要方法:

• 开发Tribes,这是一个互动的,基于知识的分类器,用于多重图像和蛋白质组数据.
• 部落避免了硬设置的门和手动标签,从而实现了自动化的细胞类型识别.

主要成果:

• 部落精确地恢复细粒度细胞类型,与专家注释相匹配.
• 分类器可以识别模两可的细胞群体,并发现新的亚型.
• 基准测试表明,Tribus在准确性和计算效率方面优于现有方法,显著减少了运行时间.
• 在大规模全幻灯片成像数据集上表现出有效性.

结论:

• 在复杂的生物样本中,Tribes为单细胞表型化提供了强大,高效和准确的解决方案.
• 部落的开源可用性促进了其在癌症和其他疾病研究中的采用.