空间蛋白质组学（12）—QuPath教程（三）对象分类器

作者：一只小羊

审核：peacestore

上一期我们了解了像素分类器，主要作用就是对整张图做区域划分，比如划分肿瘤区域、圈选组织块区域，大大提升了圈选区域的速度和准确性。本期，我们来看一下如何将分割好的细胞分类到不同的细胞类型里，快速的完成一次细胞注释。

从Classify ‣ Object classification 进入对象分类器，一共有四种用法：

❐  Train object classifier  ❐

在使用对象分类器前，一定先做好细胞分割。对于这种全片都是圆形的细胞，可以采用QuPath自带的细胞分割方法：Analysis ‣ Cell detection ‣ Cell detection

做分类第一步，要先标记出来你要分类的几种细胞。

标记方法有很多种，比如像素分类器中介绍的使用多边形工具（其他工具也都可以）画一个区域，或者像下图中一样使用points工具精准的将细胞一个一个标记出来。

标记的种类至少是两种，比如CD8阳性和其他，也可以同时标记CD8阳性、CK阳性、FoxP3阳性、CD68阳性等（这里需要彼此不重复出现在同一个细胞中，否则会增加标记难度，降低结果准确性）

具体步骤和选项如下图：

其中4 Features选择对应marker的特征（Filter中搜索CD8，然后Select all就会把CD8所有特征值都勾选上）：

然后再筛选一些细胞形态学的信息（搜Cell，滑动页面到最后）：

选中所有细胞，通过File ‣ Export objects as GeoJSON导出文件，name为细胞类型，color则记录了颜色。该文件可以用于后续的各种空间蛋白分析：

❐ Create single measurement classifier  ❐

单测量值分类 可以通过 Threshold 实时展示分类效果，使用这个方法可以快速保存多个分类器：

❐  Create composite classifier  ❐

复合分类器得到的结果更加多样，比如PDL1分类器和CD68分类器会得到：PDL1+CD68-、PDL1+CD68+、PDL1-CD68-、PDL1-CD68+，以此类推，如果是4个分类器复合使用则情况多达16种。这种方法其实有助于发现稀有细胞。

❐  Set cell intensity classifications  ❐

荧光值强度分类会在Classification标记为1+，2+，3+

👉 关于亿科羲和 👈 

南京亿科羲和基因数据科技有限公司（XHGeneData），成立于2023年，是一家以数据科学与人工智能为核心驱动力的前沿生物科技企业。公司深度融合生物信息学与软件工程的跨学科技术，专注为生命科学研究和医疗健康领域提供创新的组学数据分析解决方案，致力推动精准医疗和生物医药研发的智能化进程。我们以“解码生命数据，赋能健康未来”为使命，通过技术革新持续探索生命数据的价值边界，引领行业智能化变革。

官网链接：https://www.xhgenedata.cn