利用 Wasserstein 距离校正干扰变异

从显微成像中分析细胞表型可提供由影响细胞的各种因素产生的有意义生物学信息。一个 motivating 应用是药物开发：可从图像中捕获形态学细胞特征，并据此量化在不同剂量下施加的不同药物化合物之间的相似性。一般方法是寻找一个将图像映射到具有可控维数的嵌入空间的函数，该空间的几何捕获输入图像的相关特征。此类方法的一个重要已知问题是将相关生物学信号与干扰变异分离。例如，对于在同一周培养并成像的细胞，其嵌入向量往往比来自不同周的细胞更具相关性，尽管两种情况施加了相同的药物化合物。在此情形下，一组实验所进行的特定批次构成了数据的域；理想的影像嵌入集合应仅包含相关的生物学信息（例如药物效应）。我们开发了一个通用框架来调整图像嵌入，以‘遗忘’域特定信息同时保留相关生物学信息。为此，我们最小化基于跨域的每个重复处理的嵌入边缘分布之间距离（如 Wasserstein 距离）的损失函数。对于我们呈现结果的数据集，唯一的重复处理恰好为负对照处理，我们不期望其引起任何处理诱导的细胞形态变化。我们发现对于变换后的嵌入：(i) 底层几何结构不仅被保留，且嵌入还携带了改进的生物学信号；(ii) 存在的域特定信息更少。