分段错误对高度多重化的组织成像下游分析的影响

科学领域:

• 生物医学成像技术 生物医学成像技术
• 计算生物学 计算生物学
• 单细胞分析 单细胞分析

背景情况:

• 高多重化单细胞成像通过捕获空间蛋白质表达来推进组织分析.
• 精确的细胞细分对于生成可靠的单细胞表达特征至关重要.
• 对下游分析的细分不准确性的影响仍然不够量化.

研究的目的:

• 引入一个框架来模拟使用亲属转换的细分错误.
• 评估下游分析的稳定性,包括细胞聚类和表型,细分不准确性.
• 在多重复合单细胞成像数据中量化细分错误的传播.

主要方法:

• 开发了一个采用亲属转换的框架来模拟现实的细胞细分错误.
• 应用模拟细分扰动到多重复的单细胞成像数据.
• 评估了细分错误对无监督k-Means,基于图形的莱登集群和高斯混合模型表型化的影响.

主要成果:

• 适度的细分错误显著扭曲单细胞蛋白质概况和细胞邻居关系.
• 聚类分析 (k-Means,Leiden) 显示一致性降低,细分错误增加,特别是在较小的社区大小.
• 使用高斯混合模型进行细胞表型鉴定,由于细分不准确,导致类似细胞类型之间的错误分类.

结论:

• 分段质量对于多重组织成像中的可靠下游分析至关重要.
• 缓解虚假结果需要仔细处理数据,并考虑细分不准确性.
• 概率模型框架可以提高空间生物学研究中发现的可靠性和可重复性.