[论文解读] Metadata-guided Consistency Learning for High Content Images

Johan Fredin Haslum, C. Matsoukas+3 more|arXiv (Cornell University)|Dec 22, 2022

Cell Image Analysis Techniques被引用 6

一句话总结

本文提出跨域一致性学习（CDCL），一种自监督方法，利用元数据对齐高内涵筛选（HCS）图像中不同批次的表征，从而抑制批次效应的主导影响。CDCL通过在治疗匹配的跨批次图像对上强制实施一致性，提升特征质量，生成优于标准自监督学习（SSL）在下游任务（如治疗分类和作用机制预测）中的生物意义表征。

ABSTRACT

High content imaging assays can capture rich phenotypic response data for large sets of compound treatments, aiding in the characterization and discovery of novel drugs. However, extracting representative features from high content images that can capture subtle nuances in phenotypes remains challenging. The lack of high-quality labels makes it difficult to achieve satisfactory results with supervised deep learning. Self-Supervised learning methods have shown great success on natural images, and offer an attractive alternative also to microscopy images. However, we find that self-supervised learning techniques underperform on high content imaging assays. One challenge is the undesirable domain shifts present in the data known as batch effects, which are caused by biological noise or uncontrolled experimental conditions. To this end, we introduce Cross-Domain Consistency Learning (CDCL), a self-supervised approach that is able to learn in the presence of batch effects. CDCL enforces the learning of biological similarities while disregarding undesirable batch-specific signals, leading to more useful and versatile representations. These features are organised according to their morphological changes and are more useful for downstream tasks -- such as distinguishing treatments and mechanism of action.

研究动机与目标

• 解决标准自监督学习（SSL）在高内涵筛选（HCS）中因批次效应而失效的问题。
• 开发一种方法，通过将治疗信号与混杂的批次特异性变化解耦，学习生物相关的表征。
• 利用弱标注的HCS数据，提升化合物分类和作用机制预测等下游任务的性能。
• 证明元数据引导的一致性学习可生成比标准SSL更具鲁棒性和泛化能力的特征，适用于HCS。

提出的方法

• CDCL利用治疗元数据从不同批次中采样具有相同化合物处理的图像对。
• 通过对比学习目标，在这些跨批次、同治疗的图像对之间强制实施特征一致性。
• 该方法通过用元数据引导的正样本选择替代随机增强，修改标准SSL框架（如DINO、BYOL）。
• 应用一致性损失，以最小化跨批次、同治疗图像之间的表征差异，同时最大化不同治疗之间的分离度。
• 对特征进行归一化处理，以提升泛化能力和度量学习性能。
• 该方法在两个荧光显微镜数据集（包括RXRX1-HUVEC）上进行评估，使用准确率、k-BET和grit分数等指标。

实验结果

研究问题

• RQ1 自监督学习方法能否在高内涵筛选数据中对批次效应具有鲁棒性？
• RQ2 与标准SSL相比，利用元数据引导正样本选择是否能提升HCS中的表征学习？
• RQ3 CDCL在多大程度上减少了学习表征中批次特异性信号的主导影响？
• RQ4 在下游分类和聚类任务中，CDCL与监督方法及标准SSL基线相比表现如何？

主要发现

• 与仅达1.51–2.91 grit分数的标准SSL方法相比，CDCL在测试集上的准确率显著提升（最高达10.04 grit分数）。
• DINO和BYOL等SSL方法的k-BET分数接近零（0.0），表明存在完美的批次分离；而CDCL在测试集上实现了52.89的k-BET分数，表明治疗表征的有效混合。
• SSL-BYOL-CB在测试集上达到最高的grit分数（10.04）和k-BET分数（52.89），在样本混合和分类性能方面优于所有其他方法。
• CDCL的归一化特征在测试集上获得6.14的grit分数，显著优于SSL-BYOL（2.55）和SSL-DINO（3.55）。
• 该方法成功降低了批次效应的影响，表现为非零的k-BET和grit分数，同时保持高准确率和表征多样性。
• CDCL生成的特征在每种治疗下具有唯一性，且在批次间具有鲁棒性，因此非常适用于下游药物发现任务。