空间蛋白质组学中细胞分割算法的基准评估：Cellpose在黑色素瘤与乳腺癌样本中的优异表现

《Scientific Reports》：Benchmarking cell segmentation in two Spatialomics platforms with open-source software

　　

摘要

原位组织微环境是由不同细胞类型、微观解剖结构和非细胞基质材料组成的复杂混合物。此外，疾病会显著改变这些特征的形态。空间蛋白质组学利用光学成像或质谱成像技术，同时检测多种蛋白质的表达水平及亚细胞定位。准确识别异质性、不规则且紧密交错的细胞边界是包括细胞表型鉴定和细胞-细胞相互作用网络在内的所有下游分析的关键步骤。我们提出了一种基准评估方法，用于在黑色素瘤和乳腺癌背景下，利用质谱成像和光学空间组学成像平台快速评估细胞分割算法的性能。通过Jaccard像素指数和F1对象度量，将十四种方法的细胞分割结果与病理学家的真值标注进行比较，结果表明Cellpose模型在不同肿瘤样本和数据源上均表现优异，且仅需少量微调即可达到良好效果。利用细胞膜和细胞核特征的算法在两种肿瘤样本中均表现出更优的性能。该基准评估方法是一种快速有效的方法，可用于评估不同场景下细胞分割方法的性能，从而高效地选择算法并进行迭代模型训练。