- 3 次围观
高内涵成像会为每个细胞产生数千个形态学测量值。对这些测量值进行解释需要通过归一化来消除板效应，根据数据分布选择统计检验方法，并在同时检验大量特征时控制假发现。MorphoStat 是一个开源的 Python 流水线，可自动执行这一系列步骤。给定来自 CellProfiler 或兼容成像平台的 CSV 文件，它会去除低质量孔，使用基于 MAD 缩放的 z 分数针对 DMSO 对照对每块板进行归一化，根据分布检验结果将每个特征分配到参数检验或非参数检验，应用 Benjamini–Hochberg 校正，并输出结果和适于发表的图形。在 BBBC021 基准数据集上（MCF-7 乳腺癌细胞，632 个孔，473 个特征），MorphoStat 在主成分空间中恢复了 13 类已知作用机制中的 12 类，证实了其归一化与统计分流按预期发挥作用。该工具以 MIT 许可证发布，可在 https://github.com/Almunthir334/morphostat 获取（DOI：10.5281/zenodo.20354069）。
在该网站上搜索此作者
摘要 信息/历史 指标 补充材料 数据/代码 预览 PDF
摘要 高内涵成像会为每个细胞生成数千个形态学测量值。对这些测量值进行解释，需要通过归一化去除板间效应，依据数据分布选择统计检验方法，并在同时检验大量特征时控制假阳性发现。MorphoStat 是一个开源的 Python 流水线，可自动执行这一系列步骤。给定来自 CellProfiler 或兼容成像平台的 CSV 文件，它会剔除低质量孔，使用基于 MAD 缩放的 z 分数相对于 DMSO 对照对每块板进行归一化，根据分布检验结果将每个特征分配至参数检验或非参数检验，应用 Benjamini-Hochberg 校正，并输出结果和可直接用于发表的图形。在 BBBC021 基准数据集上（MCF-7 乳腺癌细胞，632 个孔，473 个特征），MorphoStat 在主成分空间中恢复了 13 类已知作用机制中的 12 类，证实该归一化和统计分流按预期发挥作用。该工具可在 https://github.com/Almunthir334/morphostat 获取（DOI: 10.5281/zenodo.20354069），并采用 MIT 许可证发布。
利益冲突声明 脚注 https://github.com/Almunthir334/morphostat
版权 本预印本的。 本作品依据 CC-BY 4.0 国际许可协议 提供。
返回顶部 上一篇 下一篇 发布于 2026 年 6 月 18 日。 下载 PDF
补充材料 数据/代码 电子邮件 感谢您有兴趣传播 bioRxiv。 注意：请求您的电子邮箱地址仅用于将您标识为本文的发送者。
您的电子邮箱 * 您的姓名 * 发送至 * 可在单独的行中输入多个地址，或使用逗号分隔。
您将要发送以下内容 MorphoStat：一种面向形态学表型分析的统计感知型流水线
邮件主题 （您的姓名）已从 bioRxiv 向您转发了一个页面
邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的这个页面。
您的个性化留言
验证码 此问题用于测试您是否为人工访客，并防止自动化垃圾信息提交。
分享 MorphoStat：一种面向形态学表型分析的统计感知型流水线 Almunthir Altobi ， Danhui Heo
bioRxiv 2026.06.15.732111； doi： https://doi.org/10.64898/2026.06.15.732111
分享本文： 复制
引文工具 MorphoStat：一种面向形态学表型分析的统计感知型流水线 Almunthir Altobi ， Danhui Heo
bioRxiv 2026.06.15.732111； doi： https://doi.org/10.64898/2026.06.15.732111
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.15.732111v1?rss=1
🏷️ 形态学表型分析 高内涵成像 统计流程 数据归一化 多重检验校正 CellProfiler