Normalizing for Individual Cell Population Context in the Analysis of High-Content Cellular Screens

Varování

Publikace nespadá pod Filozofickou fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	KNAPP Bettina REBHAN Ilka KUMAR Anil MATULA Petr KIANI Narsis A BINDER Marco ERFLE Hoger ROHR Karl EILS Roland BARTENSCHLAGER Ralf KADERALI Lars
Rok publikování	2011
Druh	Článek v odborném periodiku
Časopis / Zdroj	BMC Bioinformatics
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3259109/pdf/1471-2105-12-485.pdf
Obor	Aplikovaná statistika, operační výzkum
Klíčová slova	high-content screening; normalization; cell-based analysis
Popis	We present a method that normalizes and statistically scores microscopy based RNAi screens, exploiting individual cell information of hundreds of cells per knockdown. Each cell’s individual population context is employed in normalization. We present results on two infection screens for hepatitis C and dengue virus, both showing considerable effects on observed phenotypes due to population context. In addition, we show on a nonvirus screen that these effects can be found also in RNAi data in the absence of any virus. Using our approach to normalize against these effects we achieve improved performance in comparison to an analysis without this normalization and hit scoring strategy. Furthermore, our approach results in the identification of considerably more significantly enriched pathways in hepatitis C virus replication than using a standard analysis approach.
Související projekty:	Vysoce paralelní a distribuované výpočetní systémy Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů