MC-MSTLoc:使用免疫光图像进行不平衡多标签蛋白质细胞下定位预测的自我监督预训

科学领域:

• 生物技术是生物技术.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 高分辨率显微镜产生了大量的蛋白质成像数据,导致不平衡,长尾分布的挑战.
• 现有的蛋白质细胞下定位方法与数据不平衡作斗争,影响预测准确度.

研究的目的:

• 提出MC-MSTLoc,一种自我监督的预训练方法,以克服蛋白质亚细胞定位中的数据不平衡.
• 为了提高从显微镜成像数据中学到的特征表示的质量.

主要方法:

• 开发了MC-MSTLoc,这是一个自主监督的预培训计划,利用规模和视图层面的对比学习.
• 专注于最大限度地提高显微镜成像数据中的特征一致性和不一致性.

主要成果:

• 在基准数据集上,MC-MSTLoc显著优于现有的自我监督的预培训方法.
• 废弃性研究和有效性分析证实了该方法的强大性能.
• 可视化和可解释性实验突出了该方法捕获亚细胞位置模式的能力.

结论:

• MC-MSTLoc为蛋白质亚细胞局部化预测提供了一个强大的解决方案,特别是在不平衡的数据集.
• 该方法在学习不同亚细胞位置的歧视性特征方面表现出有效性.