超 cyt: 一种用于简化高维细胞学数据分析的图形用户界面

Summary

excyt 是一种基于 matlab 的图形用户界面 (gui), 允许用户通过常用的高维数据分析技术分析他们的流式细胞术数据, 包括通过 t-SNE 降低维数, 各种自动化和手动聚类分析方法、热图和新颖的高维流图。

Abstract

随着流式细胞仪的出现, 能够测量越来越多的参数, 科学家们继续开发更大的面板, 以表型地探索其细胞样本的特征。然而, 这些技术进步产生了高维数据集, 而在传统的基于手动的门控程序中, 这些数据集变得越来越难以客观地进行分析。为了更好地分析和呈现数据, 科学家们与具有分析高维数据专业知识的生物信息学家合作, 分析他们的流式细胞仪数据。虽然这些方法已被证明是非常有价值的研究流式细胞术, 他们尚未纳入一个简单和易于使用的包, 为缺乏计算或编程专业知识的科学家。为了满足这一需求, 我们开发了 excyt, 这是一种基于 matlab 的图形用户界面 (gui), 通过实施常用的高维数据分析技术, 简化了对高维流式细胞术数据的分析, 包括通过 t-SNE、各种自动和手动聚类分析方法、热图和新颖的高维流图来减小维数。此外, excyt 还为选定感兴趣的人群提供了传统的门控选项, 以便进一步进行 t-SNE 和聚类分析, 并能够直接在 t-SNE 图上应用门。该软件提供了处理已补偿或未补偿的 fcs 文件的额外优势。在需要采集后补偿的情况下, 用户可以选择为程序提供一个单一污渍的目录和一个未染色的样本。该程序检测所有通道中的正事件, 并使用此选择数据更客观地计算补偿矩阵。总之, excyt 提供了一个全面的分析管道, 以 fcs 文件的形式获取流式细胞仪数据, 并允许任何个人, 无论计算培训如何, 使用最新的算法方法来了解他们的数据。

Introduction

流式细胞术的进步以及大量细胞学的出现, 使临床医生和科学家能够快速识别出具有新分辨率的生物和临床上有趣的样品, 并对其进行表型表征, 从而产生较大的分辨率。信息丰富的高维数据集 1^,2,3。虽然传统的流式细胞仪数据分析方法 (如手动门控) 对于那些标记很少且这些标记具有视觉可识别的数量的实验来说更为简单, 但这种方法可能无法生成分析高维数据集或在光谱上使用标记染色的数据集时可重现的结果。例如, 在一项多机构研究中, 正在进行细胞内染色 (ics) 检测, 以评估量化抗原特异性细胞反应的重现性, 尽管实验室间的精度和分析都很好, 特别是门控, 引入了一个重要的变异性^{来源 4}。此外, 手工门控人口的过程, 除了高度主观, 是高度耗时和劳动密集型。然而, 以稳健、高效、及时的方式分析高维数据集的问题, 并不是研究科学的一个新问题。基因表达研究往往产生极高维的数据集 (往往按上百个基因的顺序), 在这些数据集中, 人工形式的分析根本不可行。为了解决这些数据集的分析问题, 在开发生物信息工具来分析基因表达数据^方面做了大量的工作。这些算法方法最近刚刚被用于细胞学数据的分析, 因为参数的数量增加了, 并已被证明是非常宝贵的, 在分析这些高维数据集

Protocol

1. 收集和准备细胞术数据

1. 将所有单一污渍单独放置在文件夹中, 并按通道名称 (按荧光, 而不是标记) 标记。

2. 数据输入 & 预处理

1. 若要暂停或保存整个分析管道, 请使用程序左下角的"保存工作区" 按钮将工作区另存为 ""。以后可以通过"加载工作区" 按钮加载的 mat ' 文件。不要一次运行该程序的多个实例。因此, 在加载新工作区时, 请确保检查没有其他正在运行的 excyt 实例。
2. 要开始分析管道, 请首先选择类型的细胞学 (流式细胞仪或质量细胞仪–cytof), 在"文件选择参数"下, 从文件中选择要采样的事件数 (在本例中使用 2, 000)。成功导入数据后, 将弹出一个对话框, 通知用户数据已成功导入。
3. 按"自动补偿" 按钮执行可选的自动补偿步骤, 如 bagwell & adams⁹所做的那样。选择包含单个污渍的目录。在用户界面对话中选择未染色的示例。
   1. 在此目录中的任何示例上放置一个向前散射门, 这些示例将用于选择事件来计算补偿矩阵。建议将未染色的样品用于此目的。此时, 已经实现了一种算法, 在未染色样本的99% 处设置一致的阈值, 以定义每个单一污....

Results

为了测试 excyt 的可用性, 我们分析了 chevrier等人发布的一个程序数据集, 该数据集的标题是 "透明细胞肾癌的免疫图集", 该小组在该数据集中对73例肿瘤样本进行了广泛的免疫面板分析。病人¹¹。两个独立的面板, 一个髓质和淋巴板, 被用来表型表征肿瘤的微环境。我们的研究目的是总结他们的 t-SNE 和聚类分析的结果, 表明 excyt 可以用来得出相同的结论, 并显示其他的可视化和聚类分析方法。

在原稿中, 该小组描述了22个由淋巴面板识别的 t 细胞团和由骨髓状体面板识别的17个细胞团簇。在出版物的图 3 &图 4中, 该组显示了群集的热图、带有颜色编码群集解决方案的 t-SNE 图以及子面板 a、b、& c 中的 t-SNE 热图。为了.......

Discussion

在这里, 我们提出了 excyt, 这是一个新的图形用户界面, 运行基于 matlab 的算法, 简化了对高维细胞术数据的分析, 允许没有编程背景的个人实现最新的高维数据分析算法。这种软件提供给更广泛的科学界将使科学家能够在直观和直接的工作流程中探索他们的流式细胞仪数据。通过进行 t-SNE 维数约简, 应用聚类方法, 能够快速通过这些聚类进行 s何种过滤, 并制作灵活、可定制的热图和高维流箱图, 科学家们将不仅能够实现灵活、可定制的热图和高维流箱图。了解其样本中唯一定义的子群, 但能够创建直观且易于同事理解的可视化。

虽然该程序可以灵活地处理各种数据类型 (传统的流式细胞术与质量细胞学), 但对于程序的最佳效用, 有几个考虑因素。首先是关于数据质量, 特别是流式细胞术数据。适当的补偿和重叠发射光谱的解析是至关重要的。补偿不足的数据会无意中导致标记的错误协联和不具有真正生物意义的集群的形成。因此, 在进行 t-SNE 分析和进一步的下游分析之前, 输入数据具有良好的质量是非常可取的。此外, 使用 excyt 中实现的自动补偿算法需要所有通道都有清晰的单色污渍, 以便准确计算补偿参数.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
运行分析	的桌面	SuperMicro	定制计算机
MATLAB	Mathworks	N/A	用于开发 ExCYT 的软件