优化:一个优化成像质量细胞计分析框架,用于对比细分和数据探索

科学领域:

• 生物医学成像技术 生物医学成像技术
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 多复合组织成像,包括成像质细胞计 (IMC),在单细胞细分和数据分析方面面临挑战.
• 与单细胞悬浮数据相比,低于最佳的分析可能导致不准确的细胞表型,状态和空间关系识别.

研究的目的:

• 开发和验证"优化成像质量细胞计分析 (OPTIMAL) "框架.
• 为了对IMC数据分析的各种方法进行基准测试,包括细分,参数转换,批次校正,可视化,聚类和空间邻近分析.

主要方法:

• 测试了多个细胞细分模型,arcsinh辅因子值,缩小维度算法 (如PacMap) 和聚类方法 (如FLOWSOM).
• 使用了FFPE人类桃体组织微阵列,在12个批次中染色了27个金属标记抗体.
• 评估了邻近分析技术,包括"磁盘"像素扩展与"边界盒"方法.

主要成果:

• 来自Ilastik的概率图改进了单细胞细分,尽管聚类后的问题更明显.
• 一个1的arcsinh辅因子和Z-score规范化有效地转换了参数,并纠正了批量效应.
• 在缩小维度方面,PacMap表现出色,而在细胞类型识别方面,FLOWSOM的表现优于Phenograph.
• "磁盘"像素扩展在邻近分析中优越,对象过至关重要.

结论:

• OPTIMAL框架提供了一种标准化的方法来评估和整合IMC数据分析管道.
• 它在多重组织成像中促进了准确的细胞识别,状态确定和空间分析.
• 生成的 .FCS 文件可以使用熟悉的流细胞计软件和算法进行单细胞探索.