使用新型多样深度架构集成的单细胞亚细胞蛋白质定位
计算机视觉与模式识别
2022-09-20 v3
摘要
解析蛋白质在单个细胞内的分布是理解其功能与状态的关键，也是开发新疗法所不可或缺的。本文提出混合亚细胞蛋白质定位器（HCPL），它从弱标注数据中学习，以鲁棒地定位单细胞亚细胞蛋白质模式。其包含创新的DNN架构，利用小波滤波器和学习的参数化激活，成功应对了剧烈的细胞变异性。HCPL采用基于相关性的新型架构集成，提升了性能并有助于泛化。我们的“AI训练AI”方法使大规模数据标注成为可能，该方法判定细胞的视觉完整性并强调可靠标签以实现高效训练。在人类蛋白质图谱（Human Protein Atlas）背景下，我们证明HCPL在蛋白质定位模式的单细胞分类上确立了最先进水平（SOTA）。为更好地理解HCPL的内部机制并评估其生物学相关性，我们分析了各系统组件的贡献，并剖析了推导定位预测所依据的新兴特征。
引用
@article{arxiv.2205.09841,
title = {Single-cell Subcellular Protein Localisation Using Novel Ensembles of Diverse Deep Architectures},
author = {Syed Sameed Husain and Eng-Jon Ong and Dmitry Minskiy and Mikel Bober-Irizar and Amaia Irizar and Miroslaw Bober},
journal= {arXiv preprint arXiv:2205.09841},
year = {2022}
}