.png){kind=icon}
返回
Cell simulation as cell segmentation
.png){kind=icon}
OA
AI
DOI：10.1038/s41592-025-02697-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单细胞空间转录组学有望提供对细胞转录状态和微环境的极高分辨率视图，但细胞分割不准确可能导致数据模糊，表现为错误地将大量转录本归因于邻近细胞或产生不存在的细胞。我们采用来自先验细胞模拟的方法，在一种称为Proseg（概率分割）的方法中，以快速推断形态学上合理的细胞边界。对由三种商业平台生成的数据集进行的基准测试表明，与现有方法相比，Proseg在性能和计算效率方面具有显著优势。我们证明，改进的细胞分割准确性在检测难以分割的肿瘤浸润免疫细胞（如中性粒细胞和T细胞）方面大有帮助。最后，通过改进区分肿瘤浸润T细胞亚群的能力，我们发现，在来自肾癌患者样本的数据中，表达CXCL13的CD8+ T细胞与肿瘤细胞的关联性比其不表达CXCL13的对应细胞更强。
Keyword:
POTTS-MODEL
T-CELLS
MULTISCALE
SIGNATURE
期刊
IF:
32.1
论文数:
7.2K
被引数:
12.7W
机构
引用论文
分享收藏From Louvain to Leiden: guaranteeing well-connected communities从鲁汶到莱顿: 保证良好连接的社区.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Association of CXCL13 and Immune Cell Infiltration Signature in Clear Cell Renal Cell CarcinomaCXCL13与肾透明细胞癌免疫细胞浸润信号的关系OAAI
OAAI分享收藏Bayesian gamma-negative binomial modeling of single-cell RNA sequencing data单细胞RNA测序数据的贝叶斯伽马负二项建模BMC GENOMICSOAAI
BMC GENOMICSIF3.7
OAAI分享收藏SCS: cell segmentation for high-resolution spatial transcriptomicsSCS: 高分辨率空间转录组学的细胞分割NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏
查看更多内容