细胞自身

cytoself 是我们开发的一个自我监督平台，用于从显微镜图像中学习蛋白质亚细胞定位的特征。该模型在我们最近的预印本[2]中有详细描述。来自细胞自身的表征封装了高度特异性的特征，这些特征可以仅根据蛋白质的定位来获得蛋白质的功能见解。

将 cytoself 应用于最近发布的 OpenCell数据库中的内源性标记蛋白质的图像，创建了一个高分辨率的蛋白质定位图谱 [1]。

[1] Cho，Nathan H.，等人。“OpenCell：蛋白质组规模的内源性标记使人类细胞组织的制图成为可能。” bioRxiv (2021)。 https://www.biorxiv.org/content/10.1101/2021.03.29.437595v1
[2] 小林、博文等人。“自我监督的深度学习编码蛋白质亚细胞定位的高分辨率特征。” bioRxiv (2021)。 https://www.biorxiv.org/content/10.1101/2021.03.29.437595v1

细胞自身如何工作

cytoself 使用图像及其身份信息作为标签来学习蛋白质的定位模式。我们使用标记单个蛋白质的细胞图像和标记蛋白质的 ID 作为身份信息。

这个存储库中有什么

此存储库提供三个主要组件： DataManager、 cytoself.models和 Analytics.

DataManager 是一个处理训练、验证和测试数据的简单模块。您可能需要修改它以适应您自己的数据结构。该模块位于 cytoself.data_loader.data_manager.

cytoself.models 包含用于 cytoself 模型的三种不同变体的模块：没有拆分量化的模型、没有借口任务的模型和“完整”模型（有关这些变体的详细信息，请参阅我们的预印本）。每个模型变体都有一个子模块，提供构建、编译和训练模型的方法（使用 tensorflow 构建）。

Analytics是一个简单的模块，用于执行降维和绘图等分析过程。您可能也想修改它以执行您自己的分析。该模块位于 cytoself.analysis.analytics.

安装

推荐：从pypi新建一个环境，在环境上安装cytoself

conda create -y -n cytoself python=3.7
conda activate cytoself
pip install cytoself

（可选）安装 TensorFlow GPU

如果您的计算机配备了支持 Tensorflow 1.15 的 GPU，您可以安装 Tensorflow-gpu 以利用 GPU。在 cytoself 之前安装以下软件包，或者卸载现有的 CPU 版本并使用 conda 重新安装 GPU 版本。

conda install -y h5py=2.10.0 tensorflow-gpu=1.15

对于开发者

您还可以从此 GitHub 存储库安装 cytoself。

git clone https://github.com/royerlab/cytoself.git
pip install .

故障排除

如果安装时出错，请在 cytoself 文件夹中运行以下代码以手动安装依赖项。

pip install -r requirements.txt

作为完整依赖项的参考，工作环境的快照可以在 environment.yml

示例脚本

一个最小的示例脚本位于 example/simple_training.py.

使用命令测试此包是否在您的计算机中运行

python examples/simple_example.py

计算资源

强烈建议使用 GPU 运行 cytoself。具有图像形状（100、100、2）和批量大小为 64 的完整模型可能需要约 9GB 的 GPU 内存。

测试环境

谷歌 Colab (CPU/GPU/TPU)

macOS 11.6.1，内存 32GB (CPU)

Windows10 专业版 64 位，内存 32GB (CPU)

Ubuntu 18.04.6 LTS、RTX 2080Ti、CUDA 11.2（CPU/GPU）