返回
CellMate─A Deep Learning-Assisted Single-Cell Data Processing Platform
DOI:10.1021/acs.analchem.5c07205.png)
摘要
En 中文
基于质谱的单细胞代谢组学(SCM)揭示了看似相同细胞类型中个体细胞的固有异质性。快速扫描和高分辨率的质谱仪提供了探测微小生物材料所需的灵敏度和特异性。然而,从数百个单个细胞获取数据以实现统计功效会导致复杂数据集。这一挑战因单细胞代谢组学专用数据分析工具的有限可用性而加剧,因为许多技术依赖于专用采样和离子化探针的使用。这导致与常规代谢组学数据处理工具不兼容。在此,我们介绍CellMate,一个基于MATLAB的数据处理平台,专为使用直接注入技术的单细胞代谢组学设计。CellMate包含在直观图形用户界面中检测到的代谢物的鉴定和峰对齐。CellMate支持可定制的定量、靶向和非靶向代谢组学工作流程。非靶向工作流程由一种新颖的基于深度学习的图像分类算法实现,该算法可有效区分内源性代谢物与背景物种。源代码以及编译后的安装程序可在github.com/LanekoffLab/CellMate获取。我们相信,CellMate代表了单细胞代谢组学工具箱的重大进步,能够从单个细胞中全面提取珍贵的代谢物信息。
Keyword:
Filtration
Mass spectrometry
Metabolism
Metabolomics
Proteomics
期刊
IF:
6.7
论文数:
4.7W
被引数:
15.9W
机构
引用论文
Microfluidics Coupled Mass Spectrometry for Single Cell Multi-Omics用于单细胞多组学的微流控耦合质谱
SMALL METHODS
IF9.1
Inception-v4, Inception-ResNet and the Impact of Residual Connections on LearningInception-v4、Inception-ResNet和剩余连接对学习的影响
MassLite: An integrated python platform for single cell mass spectrometry metabolomics data pretreatment with graphical user interface and advanced peak alignment methodMassLite: 用于单细胞质谱代谢组学数据预处理的集成python平台,具有图形用户界面和高级峰比对方法
Single cell analysis identified a basal cell transition state associated with the development and progression of bladder cancer单细胞分析确定了与膀胱癌发生和发展相关的基底细胞过渡态

