MARC

 008250123s2024        us                              c    eng  d
■001000017162950
■00520250211152116
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384344797
■035    ▼a(MiAaPQ)AAI31460299
■035    ▼a(MiAaPQ)Stanfordbk454qz3465
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a571.6
■1001  ▼aDe  Los  Reyes  Labitigan,  Ramon  Lorenzo.
■24510▼aMapping  Variation  in  the  Morphological  Landscape  of  Human  Cells  With  Optical  Pooled  Crispri  Screening
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a105  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aIncludes  supplementary  digital  materials.
■500    ▼aAdvisor:  Spudich,  James.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThe  contributions  of  individual  genes  to  cell-scale  morphology  and  cytoskeletal  organization  are  challenging  to  define  due  to  the  wide  intercellular  variation  of  these  complex  phenotypes.  We  leveraged  the  controlled  nature  of  image-based  pooled  screening  to  assess  the  impact  of  CRISPRi  knockdown  of  366  genes  on  cell  and  nuclear  morphology  in  human  U2OS  osteosarcoma  cells.  Screen  scale-up  was  facilitated  by  a  new,  efficient  barcode  readout  method  that  successfully  genotyped  85%  of  cells.  Phenotype  analysis  using  a  deep  learning  algorithm,  the  β-variational  autoencoder,  produced  a  feature  embedding  space  distinct  from  one  derived  from  conventional  morphological  profiling,  but  detected  similar  gene  hits  while  requiring  minimal  design  decisions.  We  found  45  gene  hits  and  visualized  their  effect  by  rationally  constrained  sampling  of  cells  along  the  direction  of  phenotypic  shift.  By  relating  these  phenotypic  shifts  to  each  other,  we  construct  a  quantitative  and  interpretable  space  of  morphological  variation  in  human  cells.
■590    ▼aSchool  code:  0212.
■650  4▼aCells
■650  4▼aCRISPR
■650  4▼aBone  cancer
■650  4▼aMicroscopy
■650  4▼aMedical  research
■650  4▼aData  processing
■650  4▼aDesign
■650  4▼aGenotype  &  phenotype
■650  4▼aGenes
■650  4▼aVisualization
■650  4▼aMedical  schools
■650  4▼aBioengineering
■650  4▼aBioinformatics
■650  4▼aGenetics
■650  4▼aHealth  education
■650  4▼aMedicine
■650  4▼aOncology
■650  4▼aEducation
■690    ▼a0389
■690    ▼a0202
■690    ▼a0715
■690    ▼a0369
■690    ▼a0680
■690    ▼a0564
■690    ▼a0992
■690    ▼a0515
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162950▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서