评估血性恶性瘤流细胞计中的维度减小算法的临床适用性

科学领域:

• 血液学 血液学 血液学
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 多参数流细胞计 (MFC) 对于诊断血液恶性瘤至关重要.
• 手动解释复杂的MFC数据耗时且容易出现错误.
• 缩小尺寸 (DR) 为自动化数据分析提供了潜力.

研究的目的:

• 评估t分布式随机邻置嵌入 (t-SNE) 和统一的多元体近似和投影 (UMAP) 对于MFC数据分析的适用性.
• 为了比较基于DR的门与传统的手动门在血液恶性瘤诊断.
• 评估DR算法的效率和准确性,以识别细胞群和最小残留疾病 (MRD).

主要方法:

• 使用t-SNE和UMAP算法对237个MFC样本进行数据分析.
• 应用了基于DR的门对各种血液恶性瘤面板,包括急性白血病,B细胞淋巴瘤 (BCL),多发性骨髓瘤 (MM) 和可测量的残留疾病 (MRD) 面板.
• 基于DR的关门结果与手动关门结果进行了比较,评估了灵敏度和精度.

主要成果:

• 在所有MFC面板中,基于DR的门达到了超过95.0%的协议与手动门.
• 定量相关性 (ρ) 超过了0.94,表明了很强的一致性.
• t-SNE和UMAP都显示了100%的灵敏度和负预测值,识别了以前错过的种群,并准确地检测了MRD到10−5.30.

结论:

• 基于DR的网关显著简化了血液恶性瘤的MFC数据解释.
• 这种方法最大限度地减少了被忽视的细胞群,提高了诊断准确度.
• t-SNE和UMAP显示出作为常规MFC分析的有价值工具的巨大潜力.