CytoNormPy permite una eliminación rápida y escalable de los efectos de lote en conjuntos de datos de citometría

Área de la Ciencia:

• Análisis de datos biomédicos
• Biología computacional
• Inmunología

Sus antecedentes:

• La citometría es vital para el diagnóstico clínico, los estudios y la investigación.
• Los efectos de los lotes derivados de variaciones técnicas complican el análisis de los datos citométricos.
• La contabilización de los efectos por lotes es esencial para obtener resultados fiables.

Objetivo del estudio:

• Para presentar una implementación en Python del algoritmo CytoNorm para la eliminación del efecto por lotes.
• Proporcionar una alternativa más rápida y compatible a las implementaciones existentes.
• Para extender la funcionalidad con algoritmos de agrupación y visualizaciones.

Principales métodos:

• Desarrollado CytoNormPy, una implementación de Python de CytoNorm 2.0.
• Algoritmos de agrupación comunes integrados.
• Incluye visualizaciones clave para la evaluación de algoritmos.

Principales resultados:

• CytoNormPy logró un rendimiento hasta un 85% más rápido en comparación con su contraparte R.
• La implementación es compatible con las estructuras de datos de una sola celda comunes de Python.
• Se agregaron nuevas características, incluido el agrupamiento y la visualización.

Conclusiones:

• CytoNormPy ofrece una solución eficiente y versátil para la corrección del efecto por lotes en los datos citométricos.
• La herramienta facilita un análisis más sólido en la investigación clínica y fundamental.
• La implementación de libre acceso promueve una adopción y reproducibilidad más amplias.