用UniFORM进行多重组织成像的通用免疫光规范化
Kunlun Wang1, Kaoutar Ait-Ahmad1, Sam Kupp1
1Cancer Early Detection Advanced Research (CEDAR), Knight Cancer Institute, Oregon Health & Science University (OHSU), Portland, OR, USA.
Cell reports methods
|September 9, 2025
概括
UniFORM 是一个新的 Python 管道,它规范化了多重组织成像数据. 它有效地减少了技术变异,保留了生物信号,以便进行更准确的分析.
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.
- 图像分析 图像分析
背景情况:
- 多重组织成像 (MTI) 生成复杂的数据集,需要强大的规范化.
- 现有的MTI规范化方法难以平衡批量效应去除与生物信号保存.
研究的目的:
- 引入UniFORM,一个用于MTI数据规范化的新型非参数Python管道.
- 在MTI数据中解决特征和像素级别的技术变化.
- 提高MTI分析的准确性和生物解释性.
主要方法:
- UniFORM使用自动化的刚性地标注册方法,适合MTI数据特征.
- 管道运行没有先前的分配假设,容纳单模和双模模式.
- 它调整负数种群以消除技术变异,同时保持正数种群表达模式.
主要成果:
- 与现有方法相比,UniFORM在三个MTI平台上表现出卓越的性能.
- 观察到改善的标志物分布对齐和积极的种群保存.
- 增强的k-最近邻方批量效应测试 (kBET) 和轮得分表明数据质量更好.
结论:
- UniFORM有效地减轻了MTI数据中的批量效应,同时保持了生物信号的真实性.
- 该管道支持更连贯的下游分析,包括UMAP和Leiden集群.
- UniFORM的可扩展设计和可选的微调模式为MTI数据规范化提供了广泛的适用性.
更多相关视频
09:12High-Throughput Automated Multiplex Immunofluorescence Assays for Translational Research
Published on: June 10, 2025
1.0K
06:05Author Spotlight: Multiplex Immunofluorescence Combined with Spatial Image Analysis for the Clinical and Biological Assessment of the Tumor Microenvironment
Published on: June 2, 2023
9.8K
