多患者流细胞计数据集的低维表示,使用最佳运输来测量白血病中可测量的残留疾病检测

科学领域:

• 血液学 血液学 血液学
• 计算生物学 计算生物学
• 统计学学习 统计学学习

背景情况:

• 精确量化可测量的残留疾病 (MRD) 对急性髓性白血病 (AML) 患者的预后和随访至关重要.
• 传统方法对于低白血病细胞检测缺乏灵敏度;流细胞计数据集提供了更好的可靠性.
• 从多个患者的高维流细胞计测量 (FCM) 对统计分析提出了挑战.

研究的目的:

• 探索基于最佳传输 (OT) 的统计学习方法,用于多患者FCM数据集的低维表示.
• 为了使FCM数据能够有效地可视化和集群,用于AML中的MRD评估.
• 展示基于OT的方法在分析复杂FCM数据的现有技术上的优势.

主要方法:

• 利用了最佳运输 (OT) 框架,通过K-平均量度量化来减少大规模FCM点云的维度.
• 应用瓦瑟斯坦主要组件分析 (PCA) 和日志比率PCA用于嵌入低维量化概率测量.
• 使用公共和医院的FCM数据集验证了该方法,与内核平均嵌入进行比较.

主要成果:

• 证明了基于OT的方法优于内核平均嵌入的优势,用于从多患者的FCM数据中进行统计学习.
• 展示了低维投影和基于MRD水平的患者聚类方法的实用性.
• 在AML中检测MRD时,获得了FlowSom算法结果的相关和有信息的二维表示.

结论:

• 最佳运输提供了一个强大的框架,用于在AML中分析和可视化高维FCM数据.
• 提出的基于OT的维度减小和可视化方法提高了对患者内和患者间变量的理解.
• 这种方法为MRD量化和AML管理中的患者分层提供了显著的好处.