Xác định quần thể tế bào nhanh chóng trong dữ liệu phân tích dòng chảy
Tóm tắt
Chúng tôi đã phát triển flowMeans, một phương pháp hiệu quả về thời gian và chính xác để tự động xác định các quần thể tế bào trong dữ liệu phân tích dòng chảy (FCM) dựa trên phân cụm K-means. Khác với K-means truyền thống, flowMeans có thể xác định các quần thể tế bào lõm bằng cách mô hình hóa một quần thể duy nhất với nhiều cụm. flowMeans sử dụng một thuật toán phát hiện điểm thay đổi để xác định số lượng tiểu quần thể, cho phép phương pháp này được sử dụng trong các quy trình phân tích dữ liệu FCM với quy mô lớn. Cách tiếp cận của chúng tôi cho kết quả so với phân tích thủ công của các chuyên gia con người và các thuật toán phân loại tự động tiên tiến hiện tại. flowMeans được cung cấp miễn phí dưới dạng gói mã nguồn mở R thông qua Bioconductor. © 2010 Hiệp hội Quốc tế Phát triển Phân tích tế bào.
Từ khóa
#phân tích dòng chảy #K-means #quần thể tế bào #thuật toán tự động #mã nguồn mởTài liệu tham khảo
Hahne F, 2009, Per‐channel basis normalization methods for flow cytometry data, Cytometry Part A, 77, 121
Bashashati A, 2009, A Survey of Flow Cytometry Data Analysis Methods, Adv Bioinformatics, 584603
Finak G, 2009, Merging mixture model components for improved cell population identification in high throughput flow cytometry data, Advances in Bioinformatics, 100
BaudryJ RafteryA CeleuxG LoK GottardoR.Combining mixture components for clustering. Journal of Computational and Graphical Statistics 2010;19:332–353.
Murphy R, 2005, Automated identification of subpopulations in flow cytometric list mode data using cluster analysis, Cytometry Part A, 6, 302, 10.1002/cyto.990060405
Pelleg D, 2000, Proceedings of the Seventeenth International Conference on Machine Learning table of contents, 727
Hamerly G, 2004, Learning the K in k‐means, Advances in Neural Information Processing Systems, 17, 281
RosenbergA HirschbergJ.V‐measure: A conditional entropy‐based external cluster evaluation measure. In Proceedings of the 2007 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning (EMNLP‐CoNLL); Prague Czech Republic.2007. p410–420.
AghaeepourN KhodabakhshiAH BrinkmanRR. An empirical study of cluster evaluation metrics using flow cytometry data. Clustering Theory Workshop Neural Information Processing Systems (NIPS). Whistler British Columbia Canada December 2009.http://clusteringtheory.org/papers/empiricalmetrics.pdf.
IgelC SuttorpT HansenN.A computational efficient covariance matrix update and a (1+ 1)‐CMA for evolution strategies. In Proceedings of the 8th annual conference on Genetic and Evolutionary Computation GECCO ’︁06. New York: ACM. ISBN 1‐59593‐186‐4; 2006: p 453–460.
AghaeepourN. FlowMeans package at Bioconductor Available at:http://www.bioconductor.org/packages/devel/bioc/html/flowMeans.html.2010.