相关实验视频
Updated: Jun 3, 2025
09:04
Measurement of T Cell Alloreactivity Using Imaging Flow Cytometry
Published on: April 19, 2017
13.4K
集群算法驱动的TRBC1受限制的克隆T细胞种群的检测产生了比手动沟分析更好的结果
Simon Buček1,2, Andreja Brožič1,2, Simona Miceska1,2
1Department of Cytopathology, Institute of Oncology, Zaloška Cesta 2, 1000 Ljubljana, Slovenia.
International journal of molecular sciences
|January 11, 2025
概括
使用Phenograph和t-SNE的算法驱动流细胞计 (FC),与TRBC1抗体相结合,与手动门和PCR相比,可以更好地检测单克隆T细胞群. 这有助于表征T细胞淋巴瘤.
科学领域:
- 血液学 血液学 血液学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 流细胞计 (FC) 免疫类型和T细胞受体 (TCR) 基因重排研究对于T细胞淋巴瘤的特征是至关重要的.
- 传统的方法,如手动关门和PCR是劳动密集型,操作者依赖,并具有灵敏度/特异性限制.
研究的目的:
- 评估Phenograph和t-SNE算法与TRBC1抗体的有效性,以识别单克隆T细胞群.
- 在T细胞淋巴瘤样本中比较算法驱动的分析与手动关门和PCR方法.
主要方法:
- 基于FC和PCR的克隆性分析对275个样本进行,包括T细胞淋巴瘤,B细胞淋巴瘤和反应性增殖.
- 与TRBC1抗体染色一起,Phenograph和t-SNE算法被用于自动化T细胞群体识别.
主要成果:
- 算法驱动的分析在72.4%的样本中确定了单克隆T细胞种群,超过了手动门 (65.1%) 和PCR (68.0%).
- 算法驱动的门检测检测出了手动门检或PCR遗漏的单型种群.
- 46.6%的确定的单型群被归类为T细胞淋巴瘤,53.4%被归类为不确定的意义T细胞群 (T-CUS).
结论:
- 算法驱动的分析,特别是使用Phenograph,t-SNE和TRBC1,可以提高单克隆T细胞群的检测.
- 区分T细胞淋巴瘤和不确定意义的T细胞种群仍然具有挑战性.
- 需要进行进一步的研究,以完善T细胞恶性瘤的FC分析中改善诊断准确性的标准.
