用GPU加速,自我优化处理3D多重重复的代RNA-FISH实验
Rory Kruithoff1,2,3, Mauri D Spendlove3, Steven J Sheppard1,2
1Center for Biological Physics, Arizona State University, Tempe, AZ, USA.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
我们开发了merfish3d-analysis,一个GPU加速的框架来加快空间转录学. 这种计算工具量化了轴向采样中的信息损失,并改善了在现场成像实验中的数据处理.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 显微镜的使用方法
背景情况:
- 基于成像的空间转录学需要高分辨率光学和计算处理.
- 当前的方法往往通过增加轴向采样距离,以更快,更大规模的成像来交易本地信息.
研究的目的:
- 引入一个GPU加速的计算框架,merfish3d-analysis,以加快空间转录学数据处理.
- 在基于成像的空间转录学中,量化与轴向采样相关的信息损失.
- 提高实验数据的质量和空间转录学的可访问性.
主要方法:
- 开发和实施了一个GPU加速的计算框架 (海3d分析).
- 基于成像的模拟空间转录组实验,以评估轴向采样信息丢失.
- 重新处理的公开可用的多重复合错误稳固光在现场杂交 (MERFISH) 数据集.
- 在死后的人类嗅球样本上进行了新的MERFISH实验.
- 设计并应用了一种多步骤的自光火协议.
主要成果:
- 海洋鱼3d分析框架显著加快了空间转录组数据的计算处理.
- 在模拟实验中由于不同的轴向采样分辨率而导致量化信息丢失.
- 成功地重新处理了现有的MERFISH数据集,并分析了来自人类嗅觉球的新数据.
- 开发的自光灭协议提高了实验数据的质量.
结论:
- 海洋鱼3d分析框架加速了基于成像的空间转录学的计算处理.
- 了解轴向抽样权衡对于优化数据采集至关重要.
- 改进的样本准备和可访问的计算工具可以使空间转录学民主化.
