CyAnno:質量分析データセットの細胞型アノテーションのための半自動アプローチ【JST・京大機械翻訳】

Kaushik, A.; Dunham, D.; He, Z.; Manohar, M.; Desai, M.; Nadeau, K. C.; Andorf, S.

プレプリント

J-GLOBAL ID：202202202771735300 整理番号：22P0246322

CyAnno:質量分析データセットの細胞型アノテーションのための半自動アプローチ【JST・京大機械翻訳】

CyAnno: A semi-automated approach for cell type annotation of mass cytometry datasets

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年08月31日プレプリントサーバーでの情報更新日： 2020年08月31日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

CyTOFを用いた単一細胞解像度での大規模研究における免疫システムモニタリングのために,混合細胞型の生細胞を注釈するために,(半)自動化計算法を適用した。ここでは,生きている細胞プールが,未定義の異種細胞,すなわち,非ゲート化細胞により高度に濃縮され,電流(半)自動化手法が,誤分類アノテーションを生じるそれらのモデリングを無視することを示した。したがって,著者らは,ゲート型細胞タイプと非ゲート化細胞の統合的モデリングを可能にする手動ゲート訓練データを利用する機械学習フレームワークに基づく非ラベル化細胞計測データセットをデコンボリューションするための新規半自動アプローチであるCyAnnoを導入した。この枠組みをいくつかのCyTOFデータセットに適用することにより,非ゲート化細胞を含むことがゲート型細胞タイプの予測精度の著しい増加をもたらすことを実証した。CyAnnoは,現在の最先端の半自動化アプローチよりも高い有効性で,まれな細胞を含む単一細胞型の同定に使用できる。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る