清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A robust unsupervised machine-learning method to quantify the morphological heterogeneity of cells and nuclei

人工智能 计算机科学 模式识别(心理学) 无监督学习 生物系统 机器学习 计算生物学 生物
作者
Jude M. Phillip,Kyu Sang Han,Wei Chiang Chen,Denis Wirtz,Pei Hsun Wu
出处
期刊:Nature Protocols [Springer Nature]
卷期号:16 (2): 754-774 被引量:58
标识
DOI:10.1038/s41596-020-00432-x
摘要

Cell morphology encodes essential information on many underlying biological processes. It is commonly used by clinicians and researchers in the study, diagnosis, prognosis, and treatment of human diseases. Quantification of cell morphology has seen tremendous advances in recent years. However, effectively defining morphological shapes and evaluating the extent of morphological heterogeneity within cell populations remain challenging. Here we present a protocol and software for the analysis of cell and nuclear morphology from fluorescence or bright-field images using the VAMPIRE algorithm ( https://github.com/kukionfr/VAMPIRE_open ). This algorithm enables the profiling and classification of cells into shape modes based on equidistant points along cell and nuclear contours. Examining the distributions of cell morphologies across automatically identified shape modes provides an effective visualization scheme that relates cell shapes to cellular subtypes based on endogenous and exogenous cellular conditions. In addition, these shape mode distributions offer a direct and quantitative way to measure the extent of morphological heterogeneity within cell populations. This protocol is highly automated and fast, with the ability to quantify the morphologies from 2D projections of cells seeded both on 2D substrates or embedded within 3D microenvironments, such as hydrogels and tissues. The complete analysis pipeline can be completed within 60 minutes for a dataset of ~20,000 cells/2,400 images. This protocol describes VAMPIRE, an unsupervised machine-learning approach that can be used to quantify and categorize cellular morphology from fluorescence or bright-field images of cells grown in 2D, 3D and tissue slices.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
guojingjing完成签到 ,获得积分20
7秒前
枫林摇曳完成签到 ,获得积分10
19秒前
Rosaline完成签到 ,获得积分10
30秒前
lielizabeth完成签到 ,获得积分10
39秒前
48秒前
hebing完成签到 ,获得积分10
1分钟前
scarlet完成签到 ,获得积分10
1分钟前
1分钟前
游01发布了新的文献求助20
1分钟前
上善若水完成签到 ,获得积分10
1分钟前
1分钟前
huvy完成签到 ,获得积分10
1分钟前
怕黑凤妖完成签到 ,获得积分10
1分钟前
百里盼夏完成签到,获得积分10
1分钟前
杨天天完成签到 ,获得积分10
2分钟前
volvoamg发布了新的文献求助10
2分钟前
飞翔完成签到,获得积分10
2分钟前
amar完成签到 ,获得积分10
2分钟前
鬼笔环肽完成签到,获得积分10
2分钟前
纳若w应助一个小胖子采纳,获得10
3分钟前
纳若w应助一个小胖子采纳,获得10
3分钟前
纳若w应助一个小胖子采纳,获得10
3分钟前
纳若w应助一个小胖子采纳,获得10
3分钟前
纳若w应助一个小胖子采纳,获得10
4分钟前
4分钟前
刘玲完成签到 ,获得积分10
4分钟前
野鸽儿完成签到 ,获得积分10
4分钟前
ycw7777完成签到,获得积分10
5分钟前
小王完成签到 ,获得积分10
5分钟前
脑洞疼应助daidai采纳,获得10
5分钟前
5分钟前
gggg完成签到 ,获得积分10
5分钟前
5分钟前
大猩猩WW完成签到 ,获得积分10
5分钟前
daidai发布了新的文献求助10
5分钟前
wx1完成签到 ,获得积分0
5分钟前
一个小胖子完成签到,获得积分10
5分钟前
Cici的新长征完成签到 ,获得积分10
5分钟前
daidai完成签到,获得积分10
5分钟前
Sunny完成签到 ,获得积分10
6分钟前
高分求助中
Manual of Clinical Microbiology, 4 Volume Set (ASM Books) 13th Edition 1000
Sport in der Antike 800
Aspect and Predication: The Semantics of Argument Structure 666
De arte gymnastica. The art of gymnastics 600
少脉山油柑叶的化学成分研究 530
Electronic Structure Calculations and Structure-Property Relationships on Aromatic Nitro Compounds 500
Berns Ziesemer - Maos deutscher Topagent: Wie China die Bundesrepublik eroberte 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2412881
求助须知:如何正确求助?哪些是违规求助? 2106947
关于积分的说明 5324431
捐赠科研通 1834469
什么是DOI,文献DOI怎么找? 913963
版权声明 560950
科研通“疑难数据库(出版商)”最低求助积分说明 488751