CellprofilerおよびCellprofilerアナリストの機械学習を使用した細胞表現型の自動分類

細胞画像は、多数の表現型情報を提供します。それは、人間の目全体がほとんど認識できません。自動化された画像分析と機械学習アプローチにより、細胞メカニズムと関連する病理学的効果の偏りのない識別と分析が可能になります。このプロトコルは、CellprofilerとCellprofiler Analystの機械学習機能によって生成された画像ベースの測定を使用して、E-カドヘリンの局在と接着接合部の形態の変化を検出および定量化するカスタマイズされた画像分析パイプラインについて説明します。

Cell images provide a multitude of phenotypic information, which in its entirety the human eye can hardly perceive. Automated image analysis and machine learning approaches enable the unbiased identification and analysis of cellular mechanisms and associated pathological effects. This protocol describes a customized image analysis pipeline that detects and quantifies changes in the localization of E-Cadherin and the morphology of adherens junctions using image-based measurements generated by CellProfiler and the machine learning functionality of CellProfiler Analyst.