RxRx1：一个用于评估实验批次校正方法的数据集
计算机视觉与模式识别
2023-01-18 v1
摘要
高通量筛选技术常用于在许多生物学领域获取大量数据。众所周知，此类筛选中不同实验批次在技术执行上的变异性所产生的伪影会混淆这些观测，并可能导致无效的生物学结论。因此，在分析其结果时有必要考虑这些批次效应。在本文中，我们描述了 RxRx1，一个专为系统研究批次效应校正方法而设计的生物学数据集。该数据集包含 125,510 张高分辨率荧光显微镜图像，涉及 4 种细胞类型下 1,138 种遗传扰动中的 51 个实验批次。仅通过图像的目视检查即可清晰显示出显著的批次效应。我们提出了一种分类任务，用于评估实验批次校正方法在这些图像上的有效性，并考察了若干校正方法在该任务上的性能。我们发布 RxRx1 的目标是鼓励开发对未见实验批次具有良好泛化能力的有效实验批次校正方法。该数据集可在 https://rxrx.ai 下载。
引用
@article{arxiv.2301.05768,
title = {RxRx1: A Dataset for Evaluating Experimental Batch Correction Methods},
author = {Maciej Sypetkowski and Morteza Rezanejad and Saber Saberian and Oren Kraus and John Urbanik and James Taylor and Ben Mabey and Mason Victors and Jason Yosinski and Alborz Rezazadeh Sereshkeh and Imran Haque and Berton Earnshaw},
journal= {arXiv preprint arXiv:2301.05768},
year = {2023}
}