面板尺寸,色选择和脱算法的影响对超高参数流量细胞计分析的影响
Debajit Bhowmick1, Timothy P Bushnell2
1Flow Cytometry and Cell Sorting Shared Resource (FCCSSR), St. Jude Children's Research Hospital, Memphis, Tennessee, USA.
概括
全谱流细胞计提供了深度免疫型定型,但也带来了分析挑战. 这项研究表明,不混合算法对生物数据解释有影响,突出显示了在高参数细胞计量中需要优化策略的需要.
科学领域:
- 免疫学 免疫学 免疫学
- 生物技术是生物技术.
- 数据科学数据科学数据科学
背景情况:
- 全光谱流细胞计允许使用多达50个色素进行超高维的免疫型定型.
- 这一进步在分离精度,人口分布和面板设计方面带来了重大分析挑战.
研究的目的:
- 用OMIP数据集评估各种不混合算法的对生物解释的影响.
- 确定当前工具的局限性,并提出在高参数细胞计中准确解释数据的策略.
主要方法:
- 在OMIP数据集上对不同不混合算法的比较分析.
- 使用了诸如中位数不匹配指数 (MMI),溢出差矩阵 (SSM) 和强大的标准偏差 (rSD) 等指标.
主要成果:
- 算法差异可能导致分辨率丧失,种群错误识别和错误的生物学解释.
- 目前的工具,包括SSM,可能不适合预测超大面板中的溢出传播.
- 突出了当前工具的局限性,并提出了针对优化单次染色使用和不混合精度预测的战略.
结论:
- 不混合算法选择极大地影响了高参数流细胞计中的生物解释.
- 针对单次染色的优化策略和准确的脱对于可靠的数据解释至关重要.
- 对于能够准确预测超大光谱流量细胞计面板中的溢出传播的工具,需要进一步开发.
