オートフロー: 監督および無監督のフローサイトメトリ分析のためのインタラクティブなシャイニーアプリ

科学分野:

• 免疫学 免疫学とは
• コンピュータ生物学 コンピュータ生物学
• バイオインフォマティックス

背景:

• フローサイトメトリ (FC) は細胞分析に不可欠ですが,手動の値設定は主観的で時間がかかります.
• FC技術の進歩は,自動化された分析方法を必要とします.
• 機械学習 (ML) は解決策を提供しますが,専門的な専門知識を必要とし,アクセシブルなツールの必要性を強調します.

研究 の 目的:

• 自動フローサイトメトリー分析のための使いやすいオープンソースのR Shinyアプリケーションを開発する.
• 多様なFCデータ分析のニーズに対応するために,監督された ML ワークフローと,監督されていない ML ワークフローの両方を提供します.
• 広範なML専門知識を持たない科学者が高度なFC分析を実行できるようにするためです.

主な方法:

• FCデータのためのMLアルゴリズムを統合したR ShinyアプリケーションであるAutoFlowを開発しました.
• 実施された自動化された事前処理:光補償,破片排除,単細胞識別,マーカーゲーティング.
• MFIの定量化と下流の分類/クラスタリング機能が含まれています.
• 公開データセット (Mosmann, Nilsson Rare) と新規データセット (BM-MPS) を用いて検証した.

主要な成果:

• AutoFlowは,複数のデータセットで堅実なパフォーマンスを実証しました.
• BM-MPSでの監督された分類は97.2%の精度を達成しました.
• 稀な集団では高い感度と特異性が得られた (Mosmann Rare: 87.5%の感度; Nilsson Rare: 87.9%の感度).
• 無監督のクラスタリングにより,新しい候補を含む生物学的に重要な細胞集団が特定されました.

結論:

• AutoFlowは,自動化されたFC分析のための高速で再現可能でスケーラブルなソリューションを提供します.
• このアプリケーションは,ベンチ科学者のためのMLベースのFC分析を民主化します.
• AutoFlowは,高通量研究を容易にし,希少または予期せぬ細胞タイプの発見を強化します.