[論文レビュー] Reproducible image-based profiling with Pycytominer

Erik Serrano, Srinivas Niranj Chandrasekaran+26 more|PubMed|Nov 22, 2023

Cell Image Analysis Techniques参考文献 36被引用数 18

ひとこと要約

Pycytominer は高内容顕微鏡の画像ベースのプロファイリングを実装するオープンソースの Python パッケージであり、望ましくない細胞損傷を引き起こす厄介な化合物を予測することで実証された。

ABSTRACT

Advances in high-throughput microscopy have enabled the rapid acquisition of large numbers of high-content microscopy images. Whether by deep learning or classical algorithms, image analysis pipelines then produce single-cell features. To process these single-cells for downstream applications, we present Pycytominer, a user-friendly, open-source python package that implements the bioinformatics steps, known as "image-based profiling". We demonstrate Pycytominer's usefulness in a machine learning project to predict nuisance compounds that cause undesirable cell injuries.

研究の動機と目的

• 単一細胞の特徴の再現性があり共有可能なプロファイリングを実現することで、高スループット顕微鏡画像解析を促進する。
• Python で確立された画像ベースのプロファイリング手順を実装する、アクセス可能なソフトウェアツールを提供する。
• 化合物誘発細胞損傷を対象とした機械学習タスクで Pycytominer の有用性を実証する。
• 研究者を導くために、画像ベースのプロファイリングソフトウェアの限界と実用的な考慮事項を強調する。

提案手法

• 画像ベースのプロファイリング手順をオープンソースの Python パッケージ（Pycytominer）として実装する。
• ハイコンテンツ顕微鏡画像から導出される単一細胞特徴を処理する。
• プロファイリングワークフローを適用して、厄介な化合物を予測する機械学習モデルを構築する。
• 再現性と使いやすさを示す分析と比較を含める。
• ソフトウェアの限界と実用的な考慮事項を強調する表を提供する。

実験結果

リサーチクエスチョン

• RQ1 Pycytominer はデータセットやユーザーを跨いで画像ベースのプロファイリングワークフローを再現可能にできるか？
• RQ2 画像由来の単一細胞特徴は、望ましくない細胞損傷を引き起こす化合物をどの程度予測できるか？
• RQ3 画像ベースのプロファイリングソフトウェアの限界は何であり、それらは再現性と解釈にどう影響するか？

主な発見

• Pycytominer は再利用可能な Python パッケージとして再現可能な画像ベースのプロファイリングを実現します。
• このワークフローは、細胞を損傷させる厄介な化合物を予測する機械学習タスクをサポートします。
• 本論文には、画像ベースのプロファイリングソフトウェアの限界を示す分析が含まれています。
• 望ましくない細胞損傷を引き起こす化合物を特定して予測するための新しい分析が追加されました。
• 原稿はセクションを統合し、明確さを向上させるために図を更新します。