基于人在回路的机器学习方法预测SLC蛋白的亚细胞定位

《Digital Discovery》：SLC localization in HEK 293 Cells - A Human-in-the-loop machine learning approachOpen Access

　　

本研究旨在评估将人工智能（AI）应用于预测溶质载体转运蛋白（SLC 蛋白）亚细胞定位的可行性。我们开发了一种迭代方法，协调人工注释与基于 AI 的模型输出。两者之间的差异通过全面审查得以解决，该审查揭示了成像伪影、数据质量问题以及模糊的评估，从而提高了预测准确性。我们提出两种主要应用：首先，作为现有成像数据集的数据准备和质量控制框架，用于识别异常和错误标签；其次，作为"人在回路"系统，通过专家反馈对新数据集进行迭代训练。我们的方法提供干净、适合机器学习的数据集、训练好的模型以及亚细胞区室的定位概率，对理解 SLC 蛋白在细胞生理中的功能有重大贡献。这种精化的定位信息支持识别亚细胞域内的功能冗余，并在有足够成像数据的情况下，便于预测未注释的亚细胞定位。

此内容仅通过 PDF 提供。

打开 PDF HEK 293 细胞中的 SLC 定位 - 一种人在回路机器学习方法，在新窗口中

? 2026 作者(s)。由皇家化学会出版

2026

作者(s)

本文根据 知识共享署名 4.0 未移植许可协议 授权。您可以将本文材料用于其他出版物，无需向皇家化学会另行申请权限，前提是给出正确的致谢。

本作品根据 知识共享署名 4.0 国际许可协议 授权。