Reconstructing cell cycle and disease progression using deep learning.
Reconstructing cell cycle and disease progression using deep learning.
复制标题
DOI：
10.1038/s41467-017-00623-3
复制
发表时间：
2017-09-06
影响因子：
16.6
通讯作者：
Wolf FA
中科院分区：
文献类型：
--
作者：
Eulenberg P;Köhler N;Blasi T;Filby A;Carpenter AE;Rees P;Theis FJ;Wolf FA
我们证明，结合非线性降维的深度卷积神经网络能够基于原始图像数据重建生物过程。我们通过重建Jurkat细胞的细胞周期和糖尿病视网膜病变的疾病进展来证明这一点。在Jurkat细胞的进一步分析中，我们以无监督的方式检测和分离死细胞的亚群，并且在对离散细胞周期阶段进行分类时，与最近基于图像特征增强的方法相比，我们的错误率降低了六倍。与以前的方法相比，基于深度学习的预测速度足够快，可以在成像流式细胞仪中进行实时分析。信息丰富，高通量的单细胞数据的解释是一个挑战，需要复杂的计算工具。在这里，作者展示了一个深度卷积神经网络，可以对细胞周期状态进行动态分类。
We show that deep convolutional neural networks combined with nonlinear dimension reduction enable reconstructing biological processes based on raw image data. We demonstrate this by reconstructing the cell cycle of Jurkat cells and disease progression in diabetic retinopathy. In further analysis of Jurkat cells, we detect and separate a subpopulation of dead cells in an unsupervised manner and, in classifying discrete cell cycle stages, we reach a sixfold reduction in error rate compared to a recent approach based on boosting on image features. In contrast to previous methods, deep learning based predictions are fast enough for on-the-fly analysis in an imaging flow cytometer. The interpretation of information-rich, high-throughput single-cell data is a challenge requiring sophisticated computational tools. Here the authors demonstrate a deep convolutional neural network that can classify cell cycle status on-the-fly.
登录
查看更多内容
DOI：
10.1016/j.ymeth.2016.08.018
发表时间：
2017-01-01
期刊：
Methods (San Diego, Calif.)
影响因子：
--
作者：
Hennig H;Rees P;Blasi T;Kamentsky L;Hung J;Dao D;Carpenter AE;Filby A
通讯作者：
Filby A
影响因子：
16.6
作者：
Blasi T;Hennig H;Summers HD;Theis FJ;Cerveira J;Patterson JO;Davies D;Filby A;Carpenter AE;Rees P
通讯作者：
Rees P
DOI：
10.1534/g3.116.033654
发表时间：
2017-05-05
期刊：
G3 (Bethesda, Md.)
影响因子：
--
作者：
Pärnamaa T;Parts L
通讯作者：
Parts L
影响因子：
1.7
作者：
Basiji, David A.;Ortyn, William E.;Morrissey, Philip
通讯作者：
Morrissey, Philip
影响因子：
4.6
作者：
Chen CL;Mahjoubfar A;Tai LC;Blaby IK;Huang A;Niazi KR;Jalali B
通讯作者：
Jalali B