SPAC:一个可扩展的,集成的企业平台,用于对多重组织成像的端到端单细胞空间分析

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 蛋白质组学是指蛋白质组学.

背景情况:

• 多重复合组织成像产生大,高维数据集.
• 现有的分析方法是分散的,缺乏可扩展性,并且不易于使用.
• 显著的计算挑战阻碍了对空间单细胞数据的有效分析.

研究的目的:

• 开发一个可扩展的,基于Web的生态系统,用于端到端的空间单细胞分析.
• 民主化细胞定位数据和蛋白质表达水平的分析.
• 克服高通量空间蛋白质组学的计算和方法挑战.

主要方法:

• 开发了SPAC,一个模块化,分层的架构,集成社区和新的工具.
• 利用一个专门的Python包用于定制分析程序和软件工程.
• 实现了一个交互式分析层,具有网络托管管道和GPU启用集群支持.
• 集成了一个实时可视化层,用于动态数据探索和共享.

主要成果:

• SPAC简化了高通量数据处理和空间分析.
• 使用4T1乳腺癌模型 (260万个细胞) 证明了可扩展性和效率.
• GPU 加速将集群从几个小时减少到不到十分钟,从而实现了详细的空间特征.

结论:

• 在空间单细胞分析方面,SPAC克服了关键挑战.
• 为复杂的成像数据提供了一个可访问,可扩展的框架.
• 通过产生可操作的见解,加速生物医学研究和临床应用.