基准测试数字PCR分区分类方法与实证和模拟双重数据

科学领域:

• 生物技术是生物技术.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 数字PCR (dPCR) 为核酸量化提供了高精度,在瘤液体活检和生物标志物验证等领域具有显著的临床潜力.
• 基于光的分区的精确分类对于dPCR中不偏的度估计至关重要.
• 现有的集群方法可能无法充分解决dPCR数据的复杂性,可能导致结果偏差.

研究的目的:

• 综合评估用于dPCR数据分析的各种聚类方法.
• 为dPCR应用制定选择适当集群方法的指导方针.
• 引入一种新的,现实的dPCR数据模拟方法和相应的R Shiny应用程序.

主要方法:

• 评估使用模拟和真实dPCR数据的通用,dPCR特定和流细胞计集群方法.
• 在各种模拟场景中对集群方法的性能评估.
• 开发一种新的dPCR数据模拟方法,该方法基于混合物分布 (Poisson点过程和skew-t分布).

主要成果:

• 确定dPCR数据的各种聚类方法的局限性.
• 制定基于证据的指导方针,以选择最佳的集群方法.
• 成功开发了一种新型模拟方法,可以生成现实的dPCR数据,但存在诸如"雨"之类的常见不规则.

结论:

• 选择集群方法显著影响dPCR量化准确性.
• 开发的模拟工具和指导方针为dPCR数据分析和方法开发提供了宝贵的资源.
• 该R Shiny应用程序促进了标记dPCR数据集的生成,用于训练和测试新的算法.