可扩展的基于图像的可视化和空间转录组学数据集的对齐
Stephan Preibisch1, Michael Innerberger1, Daniel León-Periñán2
1Janelia Research Campus, Howard Hughes Medical Institute, Ashburn, VA, USA.
Cell systems
|April 23, 2025
概括
我们介绍了空间转录学成像框架 (STIM),用于可视化和对齐空间测序数据. 在对齐复杂的生物数据集时,STIM实现了人类水平的准确性.
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.
- 图像科学科学成像科学
背景情况:
- 空间转录学产生高通量数据,间距和分辨率不规则.
- 现有的计算工具很难有效地可视化和调整这些复杂的数据集.
- 需要基于先进的成像框架来处理空间测序数据.
研究的目的:
- 介绍空间转录学成像框架 (STIM).
- 为了使高通量空间测序数据的可视化,对齐和分析.
- 为了利用计算机视觉技术进行空间转录学.
主要方法:
- STIM是一个基于图像的计算框架,建立在ImgLib2和BigDataViewer (BDV) 上.
- 它支持计算机视觉技术的新型开发和转让.
- 方法包括交互式可视化,3D染,自动注册和细分.
主要成果:
- STIM成功地处理和可视化了来自小鼠大脑和人类淋巴结组织的空间测序数据.
- 该框架展示了在表示,注册和细分序列截面数据方面的能力.
- 最简单的STIM对齐模式实现了人类水平的准确性.
结论:
- STIM为空间转录学数据分析提供了强大且可扩展的解决方案.
- 该框架可促进复杂的生物成像数据的高级可视化和对齐.
- STIM为将计算机视觉应用于空间测序技术开辟了新的途径.
更多相关视频
12:59Three and Four-Dimensional Visualization and Analysis Approaches to Study Vertebrate Axial Elongation and Segmentation
Published on: February 28, 2021
3.6K
09:19Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection
Published on: July 6, 2022
4.8K
