CellProfiler
PulseAugur coverage of CellProfiler — every cluster mentioning CellProfiler across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的MoCoP v2通过深度学习形态学特征增强分子嵌入
研究人员通过集成一个用于细胞图像编码的深度学习流程，改进了一个名为分子-形态对比预训练（MoCoP）的分子嵌入模型。这种更新的方法MoCoP v2提取了更丰富的形态学特征，通过对比学习更好地与分子嵌入对齐。改进后的嵌入在预测分子对细胞形态的影响方面表现出更高的准确性，从而在定量构效关系（QSAR）预测、毒性评估以及ADME和活性基准测试中取得更好的性能。
-
新框架揭示细胞绘画编码器评估中存在的系统性差异
研究人员开发了一个名为 CP-BG-Bench 的新框架，用于评估细胞绘画分析中使用的视觉编码器。该框架采用配对视图方法，固定中心细胞，同时在四个匹配的视图中操纵周围像素。通过在各种协议下将此方法应用于三个数据集和三个编码器，研究发现不同的评估指标会系统性地产生不同的编码器排名。这些分歧可归因于细胞与背景、形态与上下文、以及研究内与跨批次比较等因素，凸显了编码器评估对所选协议和实验设计的敏感性。
-
新的JUMP-lite数据集和Nahual框架简化了细胞表示的基准测试
研究人员开发了JUMP-lite，这是JUMP Cell Painting数据集的一个显著更小的子集，旨在促进细胞表示方法的可复现基准测试。这个精心策划的116 GB数据集比原始数据集小1000倍，保留了表型多样性并使用了JPEG XL压缩。与JUMP-lite一起，开源框架Nahual支持可复现的模型部署。这些工具共同通过证明压缩不会降低下游信号并揭示不同技术之间的性能差异，从而能够有效地比较各种表示方法，包括经典特征和深度学习模型。