用于多重免疫荧光癌组织自动化单细胞分析的 RRScell 方法
定量方法
2021-03-19 v2 图像与视频处理
组织与器官
应用统计
摘要
多重免疫荧光组织成像可同时检测细胞的分子特性，是转化研究与临床实践中刻画复杂细胞机制的重要工具。由于混合了蛋白质、DNA 与 RNA 生物标志物的组织切片带来了多种复杂性，包括因接触或重叠细胞间荧光染色伪影导致的虚假边缘，亟需新的图像分析方法。我们开发了 RRScell 方法，利用随机随机反应种子（RRS）算法与深度神经网络 U-net，准确且自动地提取百万级细胞组织切片的基因表达单细胞分辨率分析图谱。此外，借助流形学习技术 UMAP 进行细胞表型聚类分析，这一 AI 驱动的 RRScell 配备了基于标记的图像流式细胞分析工具（markerUMAP），用于量化含混合生物标志物组织图像中细胞表型的空间分布。本研究结果表明，RRScell 为从不同组织类型中提取细胞计量单细胞形态及生物标志物含量提供了足够稳健的途径，而内置的 markerUMAP 工具保障了降维效率，使其可作为高维组织图像空间分析中的通用工具。
引用
@article{arxiv.2011.01002,
title = {RRScell method for automated single-cell profiling of multiplexed immunofluorescence cancer tissue},
author = {Alvason Zhenhua Li and Karsten Eichholz and Anton Sholukh and Daniel Stone and Michelle A. Loprieno and Keith R. Jerome and Khamsone Phasouk and Kurt Diem and Jia Zhu and Lawrence Corey},
journal= {arXiv preprint arXiv:2011.01002},
year = {2021}
}
备注
8 pages, 6 figures, markerUMAP cell clustering