深層学習を用いた組織学のトランスクリプトーム相関の同定【JST・京大機械翻訳】

Badea, L.; Stanescu, E.

プレプリント

J-GLOBAL ID：202202203057834008 整理番号：22P0244361

深層学習を用いた組織学のトランスクリプトーム相関の同定【JST・京大機械翻訳】

Identifying Transcriptomic Correlates of Histology using Deep Learning

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 (2件)： ,
資料名：
発行年： 2020年11月14日プレプリントサーバーでの情報更新日： 2020年11月14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。

特異的遺伝子発現プロファイルへの表現型の連結は生物学において非常に重要な問題であり,主に相関法あるいはより基本的には遺伝子摂動の影響を研究することによりアプローチされている。しかし,ゲノムワイド摂動は広範な実験的努力を含み,それはある種の生物にとって禁止されている可能性がある。一方,様々な表現型の特性化は,複雑な視覚特徴(例えば,腺房構造)に関して組織スライド画像の組織病理医記述のような専門家の主観的解釈を必要とする。本論文では,これらの視覚組織学的特徴の固有の主観的性質を除去し,それらをゲノムデータにリンクするために,深い学習を用いて,トランスクリプトームと表現型の間のより正確な定量化可能な相関を確立した。39の正常組織型から遺伝子発現データに整合する全スライド画像のデータセットを用いて,まず,94%の精度で深学習組織分類器を開発した。次に,その発現が分類器によって推論された特徴と相関する遺伝子を検索し,深い学習が,トランスクリプトームと良く相関し,従って生物学的に解釈できる視覚(表現型)特徴を自動的に誘導できることを示した。推定組織学的モデルの解釈性と説明可能性について特に関係するので,著者らはまた,推論された特徴の可視化を開発し,それらを免疫組織化学によって決定された遺伝子発現パターンと比較する。これは,遺伝子のレベルと組織の細胞組織の間のギャップを橋渡しするための第一段階として見ることができる。【JST・京大機械翻訳】

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

遺伝子発現 , 遺伝学研究法

, , , ,

前のページに戻る