Automated analysis of human protein atlas immunofluorescence images

QC 20141009
The Human Protein Atlas is a rich source of location proteomics data. In this work, we present an automated approach for processing and classifying major subcellular patterns in the Atlas images. We demonstrate that two different classification frameworks (support vector machine and random forest) are effective at determining subcellular locations; we can analyze over 3500 Atlas images with a high degree of accuracy, up to 87.5% for all of the samples and 98.5% when only considering samples in whose classification assignments we are most confident. Moreover, the features obtained in both of these frameworks are observed to be highly consistent and generalizable. Additionally, we observe that the features relating the proteins to cell markers are especially important in automated learning approaches.

Li, J. (författare)
Rao, A. (författare)
Pontén, FredrikUppsala universitet,Institutionen för genetik och patologi(Swepub:uu)fredpont (författare)
Uhlén, MathiasKTH,Proteomik(Swepub:kth)u1dulvmw (författare)
Lundberg, EmmaKTH,Proteomik(Swepub:kth)u12bylj1 (författare)
Murphy, R. F. (författare)
Uppsala universitetInstitutionen för genetik och patologi (creator_code:org_t)

Ingår i:Proceedings - 2009 IEEE International Symposium on Biomedical ImagingBoston : IEEE, s. 1023-1026, s. 1023-10269781424439324
Ingår i:2009 IEEE International Symposium on Biomedical ImagingBoston : IEEE, s. 1023-1026, s. 1023-10269781424439317

Av författaren/redakt...: Newberg, J. Y.; Li, J.; Rao, A.; Pontén, Fredrik; Uhlén, Mathias; Lundberg, Emma; visa fler...; Murphy, R. F.; visa färre...

Om ämnet

MEDICIN OCH HÄLSOVETENSKAP: MEDICIN OCH HÄLS ...; och Klinisk medicin; och Radiologi och bi ...

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.