基于批次相关核和自适应抽样的细胞涂色批量校正

细胞涂色是一种基于显微镜的高内容成像 assay，能够产生细胞的丰富形态轮廓，并可通过量化细胞对化学扰动的反应来支持药物发现。然而，规模化的细胞涂色数据受到来自实验室、仪器和程序差异导致的批次效应的强大影响，这些效应可能遮蔽生物信号。我们提出了 BALANS（Batch Alignment via Local Affinities and Subsampling，批次通过局部亲和力和抽样对齐），这是一种可扩展的批次校正方法，通过构建来自成对距离的平滑亲和矩阵来对齐不同批次中的样本。给定 n 个数据点，BALANS 使用两种思想构建稀疏亲和矩阵 $A \in \mathbb{R}^{n \times n}$：(i) 对于点 i 和 j，它们使用点 i 到其在批次 j 中 k 最近邻居距离所设置的局部尺度，然后通过这些批次感知的局部尺度校准来计算 $A_{ij}$。(ii) 而不是形成所有 $n^2$ 个条目，BALANS 使用自适应抽样程序优先处理累计邻居覆盖率较低的行，并仅保留每行的最强亲和力，产生稀疏但信息丰富的 $A$ 矩阵。我们证明了这种抽样策略在样本复杂度上是阶最优的，并提供了近似保证；我们还展示 BALANS 在 nearly 线性时间内运行。针对多样化的真实世界细胞涂色数据集和受控的大规模人工基准，实验表明 BALANS 能够扩展到大型数据集合，同时在广泛使用的批次校正方法的本机实现之上提高了运行速度，且不牺牲校正质量。