# Advancing algorithms for image-based profiling

> **NIH NIH R35** · BROAD INSTITUTE, INC. · 2020 · $695,400

## Abstract

Project Summary   
Most laboratories studying biological processes and human disease use microscopes to image samples. 
Whether in small­ or large­scale microscopy experiments, biologists increasingly need software to identify and 
measure cells and other biological entities in images, to improve speed, objectivity, and/or statistical power.  
The principal investigator envisions bringing transformative image analysis and machine learning algorithms 
and software to a wide swath of biomedical researchers. In a decade, researchers will tackle fundamentally 
new problems with quantitative image analysis, using seamless imaging workflows that have dramatic new 
capabilities going beyond the constraints of human vision. 
To this end, the PI will collaborate with biologists on important quantitative imaging projects that also yield 
major advancements to their open­source image analysis software, CellProfiler. This versatile, user­friendly 
software is indispensable for biomedical research. Launched 125,000+ times/year worldwide, it is cited in 
3,400+ papers from 1,000+ laboratories, impacting a huge variety of biomedical fields via assays from counting 
cells to scoring complex phenotypes by machine learning. CellProfiler evolves in an intensely collaborative and 
interdisciplinary research environment that has yielded dozens of discoveries and several potential drugs. 
Still, many biologists are missing out on the quantitative bioimaging revolution due to lack of effective 
algorithms and usable software for their needs. In addition to maintaining and supporting CellProfiler, the team 
will implement biologist­requested features, algorithms, and interoperability to cope with the changing land­ 
scape of microscopy experiments. Challenges include increases in scale (sometimes millions of images), size 
(20+ GB images), and dimensionality (time­lapse, three­dimensional, multi­spectral). Researchers also need to 
accommodate a variety of modalities (super­resolution, single­molecule, and others) and integrate image 
analysis into complex workflows with other software for microscope control, cloud computing, and data mining.  
The PI will also pioneer novel algorithms and approaches changing the way images are used in biology, 
including: (1) a fundamental redesign of the image processing workflow for biologists, leveraging revolutionary 
advancements in deep learning, (2) image analysis for more physiologically relevant systems, such as model 
organisms, human tissue samples, and patient­derived cultures, and (3) data visualization and interpretation 
software for high­dimensional single­cell morphological profiling. In profiling, subtle patterns of morphological 
changes in cells are detected to identify causes and treatments for various diseases. We will also (4) integrate 
multiple profiling data types: morphology with gene expression, epigenetics, and proteomics. Ultimately, we 
aim to make perturbations in cell morphology as computable as other l...

## Key facts

- **NIH application ID:** 9952370
- **Project number:** 5R35GM122547-04
- **Recipient organization:** BROAD INSTITUTE, INC.
- **Principal Investigator:** Anne E. Carpenter
- **Activity code:** R35 (R01, R21, SBIR, etc.)
- **Funding institute:** NIH
- **Fiscal year:** 2020
- **Award amount:** $695,400
- **Award type:** 5
- **Project period:** 2017-05-01 → 2022-04-30

## Primary source

NIH RePORTER: https://reporter.nih.gov/project-details/9952370

## Citation

> US National Institutes of Health, RePORTER application 9952370, Advancing algorithms for image-based profiling (5R35GM122547-04). Retrieved via AI Analytics 2026-05-23 from https://api.ai-analytics.org/grant/nih/9952370. Licensed CC0.

---

*[NIH grants dataset](/datasets/nih-grants) · CC0 1.0*