[논문 초록 읽기 4] BIDCell: Biologically-informed self-supervised learning for segmentation of subcellular spatial transcriptomics data

BIDCell : 생물학적 정보를 활용한 자기지도학습을 통한, subcellular 공간 전사체 데이터의 세분화

 

---

Subcellular imaging transcriptomics platforms의 최근 발전은, 고해상도의 유전자 mapping이 가능하게 했으며 동시에 정확하게 세포를 식별하고 transcripts를 할당하는 것에 대한 중요한 분석적 도전을 만들어냈다.

기존의 메소드들은 cell fragmentation과 관련된 어려움인데, 주로 조각난 세포 혹은 오염된 발현을 포함하는 oversized된 세포들이 해당된다.

 

이 논문에서는 BIDCell을 소개하는데, 이는 공간적으로 resolved 된 유전자 발현과 cell morphology 간의 관계를 학습하는 생물학적으로 유의미한 손실함수를 갖춘 self-supervised된 deep learning 기반의 framework이다.

BIDCEll은 public 저장소의 single cell transcriptomics 데이터를 포함한 cell type 데이터와, 세포 형태 정보를 통합한다.

 

세포 세분화 성능 (cell segmentation performance)를 평가하기 위한 다섯 가지 보완적인 범주의 matrics로 이루어진 포괄적인 평가 framework를 이용하여, BIDCell이 다양한 조직 유형과 기술 플랫폼에 걸쳐 많은 matrics에서 다른 최첨단 방법을 능가하는 것을 보여준다. 이 연구 결과는 BIDCell이 single-cell spatial expression 분석을 크게 향상시킬 수 있는 잠재력을 강조한다.