Данная работа посвящена разработке алгоритма, позволяющего выделить на экспериментальных изображениях комплексы молекул РНК и применению для анализа паттернов экспрессии генов в мозге плодовой мушки. Кластеры экспрессии генов полученные по выделенным комплексам из изображений мозга связывают со склонностью к спариванию у мушек разных полов. В экспериментальных изображениях присутствуют перекрытия каналов, которые мешают детекции точек. Был изучен и применён с настройкой параметров модифицированный алгоритм детекции и удаления автофлуоресцентных объектов. У алгоритма две основные части: удаление автофлуоресценции и областей расширения. Первая часть основана на кластеризации характеристик эксцесса, стандартного отклонения и межканального коэффициента корреляции Пирсона для связных областей. Кластер с наибольшим средним значением коэффициента корреляции считается кластером автофлуоресцентных объектов. Вторая часть расширяет области выделенные на первой путём трассировки границ областей пока значение интенсивности не начнёт расти. После детекции комплексов молекул РНК на изображениях мозга были получены количественные данные. По этим данным с помощью алгоритма кластеризации построены кластеры экспрессии для отдельных пород мушки дрозофилы. Проведён сравнительный анализ кластеризации количественных данных экспрессии без удаления автофлуоресценции и с удалением. Также проводилось сравнения для каждой породы мушки.

This work is devoted to the development of an algorithm that makes it possible to isolate complexes of RNA molecules in experimental images and to use them for the analysis of gene expression patterns in the brain of a fruit fly. Gene expression clusters obtained from the isolated complexes from brain images are associated with the propensity for mating in flies of different sexes. Experimental images have channel overlaps that interfere with point detection. A modified algorithm for the detection and removal of autofluorescent objects was studied and applied with parameter adjustment. The algorithm has two main parts: removal of autofluorescence and areas of expansion. The first part is based on clustering the characteristics of kurtosis, standard deviation and Pearson's interchannel correlation coefficient for connected regions. The cluster with the highest average correlation coefficient is considered the cluster of autofluorescent objects. The second part expands the areas selected on the first by tracing the boundaries of the areas until the intensity value starts to grow. After detecting complexes of RNA molecules on images of the brain, quantitative data were obtained. Based on these data, using the clustering algorithm, expression clusters were constructed for individual breeds of the Drosophila fly. A comparative analysis of the clustering of quantitative expression data without and with removal of autofluorescence has been carried out. Comparisons were also made for each species of fly.

• Разработка метода определения экспрессии генов по изображениям мозга плодовой мушки
  • Разработка метода определения экспрессии генов по изображениям мозга плодовой мушки
    • Обозначения и сокращения
    • Введение
    • 1. Постановка задачи и описание исходных данных
    • 2. Описание используемых методов
    • 3. Применение методов
    • 4. Результаты исследования и сравнительный анализ
    • Заключение
    • Выводы
    • Список использованных источников
• 4d92c47935def621c5d0399e686526e903e84c546646fb0e37318b7e6e4a48d8.pdf
• Разработка метода определения экспрессии генов по изображениям мозга плодовой мушки
  • Разработка метода определения экспрессии генов по изображениям мозга плодовой мушки
    • Обозначения и сокращения
    • Введение
    • 1. Постановка задачи и описание исходных данных
    • 2. Описание используемых методов
    • 3. Применение методов
    • 4. Результаты исследования и сравнительный анализ
    • Заключение
    • Выводы
    • Список использованных источников