SingletSeeker:一种无监督的集群方法,用于在细胞计量中进行自动化单片区分
Mark Colasurdo1, Laura Ferrer-Font1, Aaron Middlebrook1
1BD Biosciences, Becton, Dickinson and Company, Ashland, OR, WA, USA.
Cytometry. Part B, Clinical cytometry
|November 25, 2024
概括
本研究引入了一种自动化算法,用于在流细胞计数据中进行单点歧视,提高准确性和效率. 开发的算法客观地将单个细胞从多重细胞和碎片中分离出来,增强下游分析.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 细胞生物学 细胞生物学
背景情况:
- 流细胞计产生高维单细胞数据,需要精确的事件区分.
- 手动单元区分是主观的,耗时的,和专业知识的依赖,影响数据可靠性.
- 排除诸如多细胞等非单细胞事件对于下游分析至关重要.
研究的目的:
- 开发和验证一个自动化算法,用于客观的单片区分在流细胞计.
- 在复杂的数据集中提高单点识别的效率和可重复性.
- 为了解决手动单片门在流细胞计分析中的局限性.
主要方法:
- 使用成像衍生参数和基于密度的集群方法开发了一个算法.
- 该算法识别和分类事件集群,在两个步骤中从多重和碎片中区分单个事件.
- 在使用各种成像功能和可调节参数的22个不同数据集上进行了验证.
主要成果:
- 该算法表现出高精度 (>97%) 和灵敏度 (>88%) 的单个歧视.
- 在多种细胞类型和实验地点观察到一致的性能.
- 以默认密度系数设置的LightLoss功能为最佳结果.
结论:
- 开发的算法提供了客观的,自动化的,高性能的单元区分.
- 该工具提高了流细胞计数据分析的可靠性和效率.
- 一个FlowJoTM软件插件可以在现有工作流中实现可重复的实现.
