cytomining/pycytominer

基于图像的分析数据处理工具

https://github.com/cytomining/pycytominer/actions/workflows/integration-test.yml/badge.svg?branch=main](https://github.com/cytomining/pycytominer/actions/workflows/integration-test.yml?query=branch%3Amain) https://img.shields.io/badge/python-3.10--3.14-blue](https://pypi.org/project/pycytominer/) https://codecov.io/gh/cytomining/pycytominer/graph/badge.svg](https://codecov.io/gh/cytomining/pycytominer) https://img.shields.io/endpoint?url=https://raw.githubusercontent.com/astral-sh/ruff/main/assets/badge/v2.json](https://github.com/astral-sh/ruff) https://readthedocs.org/projects/pycytominer/badge/?version=latest&style=flat](https://pycytominer.readthedocs.io/) https://img.shields.io/badge/DOI-10.1038/s41592--025--02611--8-blue](https://www.nature.com/articles/s41592-025-02611-8)

Pycytominer是一个用于处理高通量基于图像的分析实验中高维数据的工具包。该工具通常用于通过以下管道处理数据：

图1. 标准基于图像的分析实验及Pycytominer的作用。(A) 实验阶段：科学家培养细胞，用化学或遗传试剂扰动后进行显微镜成像；图像分析阶段：使用CellProfiler等工具生成图像分析数据，或用DeepProfiler等深度学习模型生成数据。(B) Pycytominer处理形态学特征，使其适用于下游分析。(C) Pycytominer提供五个核心功能，每个功能通过简单直观的API实现。

https://github.com/cytomining/pycytominer/blob/main/media/pipeline.png

镜像概述

Pycytominer是生物医学领域的图像数据分析工具，支持从CellProfiler、DeepProfiler等工具生成的图像数据中提取、处理和分析形态学特征，为机器学习和统计测试提供标准化输入。

核心功能

1. 聚合（Aggregate）：基于元数据（如孔位）平均单细胞数据。
2. 注释（Annotate）：将元数据（如板图信息）附加到特征数据中。
3. 归一化（Normalize）：将输入特征转换为一致的分布。
4. 特征选择（Feature Select）：排除非信息或冗余特征。
5. 共识分析（Consensus）：通过重复样本平均生成共识特征。

使用场景

• 细胞成像实验的数据预处理。
• 高通量药物筛选中的图像数据分析。
• 生物标志物发现中的形态学特征提取。

配置说明

安装方式

pip安装

bash
pip install pycytominer

conda安装

bash
conda install -c conda-forge pycytominer

Docker部署示例

bash
# 拉取最新镜像并运行模块
docker run --platform=linux/amd64 docker.xuanyuan.run/cytomining/pycytominer:latest python -m pycytominer.<模块名称>

# 拉取指定版本镜像并启动交互式bash
docker run -it --platform=linux/amd64 docker.xuanyuan.run/cytomining/pycytominer:pycytominer-1.1.0.post16.dev0_b1bb292 bash

# 映射本地目录并运行脚本
docker run -v $PWD:/opt --platform=linux/amd64 docker.xuanyuan.run/cytomining/pycytominer:pycytominer-1.1.0.post16.dev0_b1bb292_240417 python /opt/script.py

API使用示例

python
import pandas as pd
import pycytominer

# 加载示例数据
commit = "da8ae6a3bc103346095d61b4ee02f08fc85a5d98"
url = f"https://media.githubusercontent.com/media/broadinstitute/lincs-cell-painting/{commit}/profiles/2016_04_01_a549_48hr_batch1/SQ00014812/SQ00014812_augmented.csv.gz"
df = pd.read_csv(url)

# 归一化处理
normalized_df = pycytominer.normalize(
    profiles=df,
    method="standardize",
    samples="Metadata_broad_sample == 'DMSO'"
)

CLI使用示例

bash
# 聚合数据
pycytominer aggregate \
  --profiles path/to/profiles.csv.gz \
  --output_file path/to/profiles_aggregated.parquet \
  --output_type parquet \
  --strata Metadata_Plate,Metadata_Well \
  --features Cells_AreaShape_Area,Cytoplasm_AreaShape_Area

引用

如果您在研究中使用Pycytominer，请参考GitHub仓库的CITATION.cff文件进行引用。