[論文レビュー] Spatially Adaptive Colocalization Analysis in Dual-Color Fluorescence Microscopy

Shulei Wang, Ellen T. Arena+5 more|arXiv (Cornell University)|Oct 31, 2017

Cell Image Analysis Techniques参考文献 42被引用数 4

ひとこと要約

本稿では、マルチスケールの適応的プロパゲーション・セパレーション戦略と局所カーネルモデリングを活用して、空間的分解能を高めたピクセル単位のコロカル化を定量的に評価する新規フレームワーク、空間的に適応するコロカル化分析（SACA）を提案する。SACAは、空間的不均一性を考慮しつつも、複数検定の補正を施すことで、従来のROIベースの手法に比べて精度と感度に優れた、統計的に正当化されたコロカル化ピクセルの特定を可能にする。

ABSTRACT

Colocalization analysis aims to study complex spatial associations between bio-molecules via optical imaging techniques. However, existing colocalization analysis workflows only assess an average degree of colocalization within a certain region of interest and ignore the unique and valuable spatial information offered by microscopy. In the current work, we introduce a new framework for colocalization analysis that allows us to quantify colocalization levels at each individual location and automatically identify pixels or regions where colocalization occurs. The framework, referred to as spatially adaptive colocalization analysis (SACA), integrates a pixel-wise local kernel model for colocalization quantification and a multi-scale adaptive propagation-separation strategy for utilizing spatial information to detect colocalization in a spatially adaptive fashion. Applications to simulated and real biological datasets demonstrate the practical merits of SACA in what we hope to be an easily applicable and robust colocalization analysis method. In addition, theoretical properties of SACA are investigated to provide rigorous statistical justification.

研究の動機と目的

• 従来のコロカル化解析の限界、すなわち事前に定義された領域（ROI）の平均化により、空間的分解能が低下し、顕微鏡画像における空間的不均一性を反映できないことに対処する。
• 画像全体にわたりピクセル単位でコロカル化を定量化する手法を開発し、分子の関連の正確な局所化を可能にする。
• 局所信号の均質性に基づいて動的に近傍を拡大するマルチスケールの適応的プロパゲーション・セパレーション（PS）戦略を用いて、微細なコロカル化パターンの検出能を向上させる。
• 複数検定補正を適用することで、コロカル化検出における誤検出を最小限に抑えることにより、統計的信頼性を確保する。
• 重み付きケンダールタウ相関から拡張して、重み付きピアソン相関などの他のコロカル化インデックスとも互換性を持つフレームワークの一般化を図る。

提案手法

• SACAは、空間的に重み付けられた相関度量を用いて、各画像位置におけるコロカル化レベルを局所カーネルモデルで推定する。
• 局所信号の均質性に応じて動的に近傍を拡大するマルチスケールの適応的プロパゲーション・セパレーション（PS）戦略を統合し、推定精度を向上させる。
• 主なコロカル化インデックスとして重み付きケンダールタウ相関係数 $\tau_w$ を使用するが、柔軟性を高めるために重み付きピアソン相関の併用も可能である。
• 大規模な画像でも計算効率を確保するため、$\tau_w$ の高速計算アルゴリズムを実装している。
• 得られたp値に対して複数検定補正を施し、家族-wise 偽発見率を制御し、誤検出を低減する。
• フレームワークはRパッケージRKColocalとして実装されており、生物学的利用の広がりを考慮してImageJとの互換性を備えている。

実験結果

リサーチクエスチョン

• RQ1 コロカル化解析手法は、集約されたROIではなく、ピクセル単位で蛍光標識されたバイオマolecule間の空間的関連を検出できるか？
• RQ2 蛍光強度の空間的不均一性は、どのように効果的にモデリングされ、コロカル化検出の精度向上に活用できるか？
• RQ3 マルチスケールの適応的プロパゲーション・セパレーション戦略は、微細なコロカル化パターンの検出能をどの程度向上させるか？
• RQ4 本手法はノイズや空間的変動に対して頑健であり、複数検定のもとでも統計的妥当性を維持できるか？
• RQ5 このフレームワークは他のコロカル化インデックスへ一般化可能であり、3次元以上の高次元画像データへも拡張可能か？

主な発見

• SACAはピクセル単位でコロカル化領域を的確に同定し、従来のROIベースの解析では見えにくくなる空間的関連を明らかにする。例えば、ウイルス成分が集合する細胞膜境界部でのコロカル化も特定可能である。
• HIV-1 Gag/MS2モデルでは、3段階手順で得られた結果は有意でない（ピアソン相関係数 $r = -0.016$, $p = 99.4\%$）が、SACAはそのROI内で顕著なコロカル化パターンを検出できた。
• 理論的解析により、領域間のコロカル化レベルに十分な差がある場合（$|Q(F^{(1)}) - Q(F^{(2)})| > C_Q \sqrt{\log n / N^{(T^L)}}$）、SACAは高い確率（$\geq 1 - 2T^L/n$）でコロカル化領域と非コロカル化領域を完全に分離できることが示された。
• SACAは、2次元および3次元共焦点顕微鏡画像を含む、シミュレートデータおよび生物学的実データの両方で頑健な性能を示し、不均一な領域におけるコロカル化の信頼性ある検出を可能にした。
• 複数検定補正により高い統計的パワーと誤検出の制御を維持することで、生物学的解釈の再現性と信頼性を確保した。
• SACAフレームワークは計算的にも効率的であり、RパッケージRKColocalとして利用可能であり、生命科学分野の研究者による広範な活用を想定してImageJへの統合を計画している。