A review of computational reconstruction of interaction in superresolution microscopy: from colocalization to closing the multichannel gap
Notice bibliographique
Résumé
AbstractCellular function is defined by pathways that, in turn, are determined by distance-mediated interactions between and within subcel-lular organelles, protein complexes, and macromolecular structures. Multichannel Super Resolution Microscopy (SRM) is uniquelyplaced to quantify distance-mediated interactions at the nanometer scale with its ability to label individual biological targets withindependent markers that fluoresce in different spectra. We review novel computational methods that quantify interaction from mul-tichannel SRM data in both point-cloud and voxel form to meet the increasing adoption of multichannel SRM in life sciences. SRMspecific factors that can compromise interaction analysis are discussed in detail. Different classes of interactions are decomposedbased on distinct representative cell biology use cases, the underappreciated non-linear physics of their scale, and the developmentof specialized methods for those use case. An abstract mathematical model is introduced to facilitate the comparison and evaluationof interaction reconstruction methods and to quantify the computational bottlenecks. We discuss the different strategies for valida-tion of interaction analysis results with sparse or incomplete ground truth data. Finally, evolving trends and future directions arepresented, highlighting the ‘multichannel gap’, where interaction analysis is trailing behind the rapid increase in novel multichannelSRM acquisitions.This preprint was submitted to Cell Press Patterns 10/10/2024, it is derived in part from work published in the first author's thesis (see pdf).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».