超 cyt: 一种用于简化高维细胞学数据分析的图形用户界面

这种方法可以帮助回答生物医学领域的关键问题，如了解生物相关子种群的表型。这种技术的主要优点是，它允许没有编程经验的个人使用最新的高维技术分析他们的细胞仪数据。要开始分析管道，请先选择细胞学的类型以及要从文件中采样的事件数。

接下来，单击"门总体"，选择感兴趣的单元格总体，并输入下游分析的事件百分比。然后在列表框中选择要用于分析的通道数。对于 T 分布式随机邻域嵌入或 t-SNE 分析，请单击 t-SNE 开始计算缩小的维数数据集。

计算集后，单击"保存 TSNE 图像"，并在"特定于标记的 t-SNE"弹出式菜单中选择感兴趣的特定标记。将显示一个图形，显示 t-SNE 图的热图表示形式，该图可用于生成图形。若要开始聚类分析，请在"聚类方法"列表框中选择一个选项，然后单击"群集"。

若要按感兴趣的标记对群集进行排序，请从"排序"弹出式菜单中选择相应的相应选项，然后单击"升序"，降序，以更新"群集"列表中的群集列表。若要在特定通道上为给定群集设置最小阈值，请从"阈值"弹出式菜单中选择一个选项，并设置适当的阈值。设置阈值后，单击"添加高于阈值"或"添加低于阈值"以指定阈值的方向，并在群集频率"筛选器"面板中的"群集频率阈值"框中输入数字截止，以设置群集频率的最小阈值。

要选择群集以进一步分析个性化，请在"群集"列表框中选择感兴趣的群集。然后使用"选择"按钮将选项移动到"群集分析"列表框。若要创建群集的热图，请在"群集分析"列表框中选择感兴趣的群集，然后单击"群集热图"按钮。

若要创建高维框图或高维流图，请在"聚类分析"列表框中选择感兴趣的聚类，然后单击"高维框图"或"高维流图"，以直观地评估不同聚类在所有维度的给定通道的分布。若要在传统的 2D 流图中显示聚类，请在"常规流图"面板中选择适当的变换和通道，然后单击"常规流图"。此处显示了对骨髓面板分析管道中各种标记的热图的代表性 t-SNE 分析。

使用 ExCYT 中的快速贪婪实现将数据与 100，000 个最近邻域进行聚类，揭示了 19 个子单元格群。将原始热图与 ExCYT 创建的聚类进行比较，允许在两个数据组之间识别类似的骨髓细胞组。通过更传统、更快的分层聚类方法对淋巴板进行分析，通过 t-SNE 热图得出类似的标记分布。

此外，通过分层聚类对数据进行聚类表明类似的淋巴细胞聚类。值得注意的是，通过高维流图也确定了独特的调节T细胞群体。为了快速定量地评估标记之间的关联，首先使用硬 K-means 聚类算法在二维 t-SNE 数据上放置 5000 个聚类。

然后使用所有群集中所有标记的中位数表达式，从这些群集创建热图，从而可以轻松识别关联，例如 Tim-3、PD-1、CD38 和 4-1BB 的关联。在尝试此过程时，重要的是要记住探索不同的参数，如不同的聚类方法，以完全探索您正在研究的数据。