Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Accuracy and Variability of Spatial Localization of Infarct Core Predicted by CT Perfusion.

Journal of computer assisted tomography·2026
Same author

Evaluating integrative strategies for incorporating phenotypic features in spatial transcriptomics.

Journal of microscopy·2026
Same author

Identifying and targeting abnormal mitochondrial localization associated with psychosis.

bioRxiv : the preprint server for biology·2026
Same author

In vivo imaging of central nervous system fluid spaces using synchrotron radiation-based micro computed tomography.

Nature communications·2026
Same author

GloBIAS: strengthening the foundations of bioimage analysis.

Nature methods·2026
Same author

Cell Painting for cytotoxicity and mode-of-action analysis in primary human hepatocytes.

Cell systems·2026

相关实验视频

Updated: Sep 12, 2025

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection
09:19

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection

Published on: July 6, 2022

5.0K

评估整合性策略,将表型特征纳入空间转录学中的空间转录学.

Levin M Moser1,2, Ahmad Kamal Hamid1, Esteban Miglietta1

  • 1Imaging Platform, Broad Institute of MIT and Harvard, Cambridge MA, USA.

ArXiv
|August 6, 2025
PubMed
概括

变化自编码器 (VAE) 能够有效地提取空间转录组学数据,即使数据集有限. 这些学习的表征可以改善细胞类型的识别,并比传统方法更好地整合成像数据.

科学领域:

  • 空间转录组学 空间转录组学
  • 生物信息学是一种生物信息学.
  • 计算生物学是一种计算生物学.

背景情况:

  • 空间转录学 (ST) 能够对生物样本进行空间知情分析.
  • 整合ST与成像模式进行形态洞察是具有挑战性的.
  • 现实世界的约束包括有限的数据,阶级不平衡和细分问题.

研究的目的:

  • 评估变化自编码器 (VAE) 来从ST数据中提取有信息的低维表示.
  • 在实验约束下评估VAE性能.
  • 将VAE衍生的潜空间 (LSs) 与传统的基于图像的特征进行比较.

主要方法:

  • 使用了一种小鼠皮质的MERFISH数据集.
  • 从细胞作物中提取的VAE LSs (点位计数,斑点或组合).
  • 评估了使用PERMANOVA,交叉验证分类和莱登集群的嵌入.
  • 将VAE LS与CellProfiler功能进行比较.

主要成果:

  • 转录数量通常优于其他特征空间.
  • VAE LSs捕获了生物变异,并改善了细胞类型标签的恢复.
  • 经过形态学训练的LS显示了基因表达的预测能力.
关键词:
空间转录组学 空间转录组学细胞类型的解解.形态特征 形态特征 形态特征多式联运集成多式联运集成变量自动编码器变量自动编码器

更多相关视频

Author Spotlight: Integrating Organoid Models with Single-Cell and Spatial Transcriptomics Technologies
05:45

Author Spotlight: Integrating Organoid Models with Single-Cell and Spatial Transcriptomics Technologies

Published on: March 29, 2024

2.6K
Spatially Compact Arrangement of Larval Zebrafish Sections for Spatial Transcriptomic Analysis
07:40

Spatially Compact Arrangement of Larval Zebrafish Sections for Spatial Transcriptomic Analysis

Published on: May 16, 2025

460

相关实验视频

Last Updated: Sep 12, 2025

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection
09:19

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection

Published on: July 6, 2022

5.0K
Author Spotlight: Integrating Organoid Models with Single-Cell and Spatial Transcriptomics Technologies
05:45

Author Spotlight: Integrating Organoid Models with Single-Cell and Spatial Transcriptomics Technologies

Published on: March 29, 2024

2.6K
Spatially Compact Arrangement of Larval Zebrafish Sections for Spatial Transcriptomic Analysis
07:40

Spatially Compact Arrangement of Larval Zebrafish Sections for Spatial Transcriptomic Analysis

Published on: May 16, 2025

460
  • 将转录数和VAE LSs的结合增强了集群同质性.
  • VAE LSs的性能超过了CellProfiler的功能.

    • 结论:

    • 在有限的条件下,VAE从成像数据中提取生物学上有意义的信号.
    • 在空间转录学中,VAE为多模式集成提供了一个有前途的战略.
    • 从VAE中学习到的表示比手工制作的特征具有优势.