SoRC —— 质谱图像中计算分子共定位分析的评价
计算机视觉与模式识别
2020-10-01 v1 图像与视频处理
定量方法
应用统计
统计计算
摘要
质谱成像(MSI)数据的计算分析旨在识别有趣的质谱共定位并可视化其在样品(通常为组织横截面)中的横向分布。但由于组织的形态结构以及各类质谱共定位天然呈现巨大多样性,计算方法的选择与调参是一项耗时的工程。本工作关注根据横向分布模式的相似性对质谱通道图像进行分组这一特殊计算问题。此类分析基于这样一种想法:具有相似分布模式的分子群组可能具有功能关联。但相似性函数及其他参数的选择常通过耗时且不令人满意的试错完成。我们提出了一种称为 SoRC(排序簇指数之和)的灵活工作流方案,用于自动化这一调参步骤并使其更高效。我们使用实验室获取的三种不同样品(大麦种子、小鼠膀胱组织、人 PXE 皮肤)数据集测试 SoRC。我们表明,SoRC 可应用于在短时间内以较小代价对所用方法所得结果进行评分与可视化。在我们的应用示例中,三个数据集的 SoRC 结果显示:a)一些众所周知的相似性函数适用于在所有三个数据集上取得良好结果;b)对于具有较高不规则度的 MSI 数据,应用非标准相似性函数可取得改进结果。我们通过该方法计算的 SoRC 分数表明,对质谱通道图像分组的不同方法进行自动化测试与评分,可通过最终选择得分最高的方法改进研究的最终结果。
引用
@article{arxiv.2009.14677,
title = {SoRC -- Evaluation of Computational Molecular Co-Localization Analysis in Mass Spectrometry Images},
author = {Karsten Wüllems and Tim W. Nattkemper},
journal= {arXiv preprint arXiv:2009.14677},
year = {2020}
}