新算法可识别多路复用原位图像中的细胞类型

美国斯坦福大学Sylvia K. Plevritis团队开发出新算法CELESTA，可识别多路复用原位图像中的细胞类型。该研究成果近日在线发表于《自然—方法学》。

研究人员开发了一种无监督的机器学习算法CELESTA，该算法利用细胞的标记物表达谱和必要时的空间信息，单独识别每个细胞的类型。研究人员在结直肠癌和头颈部鳞状细胞癌（HNSCC）的多重免疫荧光图像上展示了CELESTA的性能。利用CELESTA识别的细胞类型，研究人员确定了与HNSCC的淋巴结转移相关的组织结构，并在一个独立的队列中验证了这个发现。

通过将空间分析与同一标本的近端切片的单细胞RNA测序数据相结合，研究人员确定了与淋巴结转移相关的细胞—细胞互动，从而证明了CELESTA促进识别临床相关互动的能力。

据了解，多重原位成像的进展正在揭示空间生物学的重要见解。然而，细胞类型识别仍然是成像分析中的一个主要挑战，大多数现有的方法涉及大量的人工评估和对数千个细胞的主观决定。