深度表型-利用数据丰富性进行无监督的高含量分析

高含量分析(HCA)是近年来兴起的一种系统的细胞生物学研究方法。由于本实验本质上的高变异性和噪声水平，它主要应用于监督分析，其中表型事先已知，并提供手动标签来指导分析。此外，大多数现有的研究只使用了少数参数，未能利用原始图像的丰富性。

在这项工作中，我们开发了一个专注于无监督HCA的端到端计算框架。该框架可以从大量多参数数据中识别未知的微妙表型，因此被称为“深度表型”，并将它们与基因扰动联系起来。它由一系列模块组成:从原始图像中提取每个细胞的高维参数，使用监督和无监督方法进行多级质量控制，以最小的标记工作量，自动检索与对照不同的细胞的新颖性检测算法，以及在多参数空间中识别未知表型的无监督聚类算法。

该框架是模块化的，适用于各种HCA任务。我们在高尔基体的表型分析上证明了它的使用。除了三个已知的高尔基表型之外，还鉴定出了新的高尔基表型，并揭示了调节高尔基功能的潜在蛋白质-蛋白质相互作用。