ExCYT: 높은 차원 Cytometry 데이터의 분석을 합리화 하기 위한 그래픽 사용자 인터페이스

이 방법은 생물학적으로 관련 하위 인구의 표현형을 이해하는 것과 같은 생물 의학 분야의 주요 질문에 대답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 프로그래밍 경험이 없는 개인이 최신 고차원 기술로 세포 측정 데이터를 분석할 수 있다는 것입니다. 분석 파이프라인을 시작하려면 먼저 세포 측정 유형과 파일에서 샘플링할 이벤트 수를 선택합니다.

다음으로 게이트 채우기를 클릭하고 관심 있는 셀 모집단을 선택하고 다운스트림 분석을 위한 이벤트 백분율을 입력합니다. 그런 다음 목록 상자에서 분석에 사용할 채널 수를 선택합니다. T 분산 스토샤스틱 이웃 포함 또는 t-SNE 분석을 보려면 t-SNE를 클릭하여 감소된 치수 데이터 집합을 계산합니다.

집합이 계산되면 TSNE 이미지 저장을 클릭하고 마커별 t-SNE 팝업 메뉴에서 관심 있는 특정 마커를 선택합니다. 그림 생성을 위해 저장할 수 있는 t-SNE 플롯의 열 맵 표현이 표시됩니다. 클러스터링 분석을 시작하려면 클러스터링 방법 목록 상자에서 옵션을 선택하고 클러스터를 클릭합니다.

관심 있는 마커로 클러스터를 정렬하려면 정렬 팝업 메뉴에서 적절한 해당 옵션을 선택하고 Ascending, 내림차순을 클릭하여 클러스터 목록 상자의 클러스터 목록을 업데이트합니다. 특정 채널에서 지정된 클러스터에 대한 최소 임계값값을 설정하려면 임계값 팝업 메뉴에서 옵션을 선택하고 적절한 임계값을 설정합니다. 임계값이 설정되면 임계값 위에 추가하거나 임계값 아래에 추가를 클릭하여 임계값의 방향을 지정하고 클러스터 필터 패널의 클러스터 주파수 임계값 상자에 숫자 컷오프를 입력하여 클러스터 빈도에 대한 최소 임계값을 설정합니다.

추가 분석 개별화를 위해 클러스터를 선택하려면 클러스터 목록 상자에서 관심 있는 클러스터를 선택합니다. 그리고 선택 버튼을 사용하여 옵션을 클러스터 분석 목록 상자로 이동합니다. 클러스터의 히트 맵을 만들려면 클러스터 분석 목록 상자에 관심 있는 클러스터를 선택하고 클러스터의 히트맵 단추를 클릭합니다.

고차원 상자 플롯 또는 고차원 흐름 플롯을 만들려면 클러스터 분석 목록 상자에 대한 관심 있는 클러스터를 선택하고 고차원 상자 플롯 또는 고차원 흐름 플롯을 클릭하여 모든 차원에 걸쳐 다양한 클러스터의 지정된 채널의 분포를 시각적으로 평가합니다. 기존 2D 흐름 플롯에 클러스터를 표시하려면 기존 흐름 플롯 패널에서 적절한 변환 및 채널을 선택하고 기존 흐름 플롯을 클릭합니다. 여기서, 골수성 패널 분석 파이프라인 내의 다양한 마커에 대한 히트 맵의 대표적인 t-SNE 분석이 도시된다.

ExCYT 내에서 빠른 탐욕 구현을 사용하여 가장 가까운 이웃의 100, 000으로 데이터를 클러스터, 세포의 하위 인구가 19 밝혀졌다. ExCYT에 의해 생성된 클러스터에 원래 열 맵을 비교하면 두 데이터 그룹 간에 유사한 마일로이드 셀 클러스터를 식별할 수 있었습니다. 보다 더 재래식과 더 빠른 계층 적 클러스터링 접근 방식을 가진 림프구 패널의 분석은 t-SNE 히트 맵을 통해 유사한 마커 분포를 산출했습니다.

또한 계층 적 클러스터링을 통해 데이터를 클러스터링하면 림프구 세포의 유사한 클러스터가 입증되었습니다. 특히, 독특한 조절T 세포 집단도 고차원 흐름 플롯을 통해 확인되었다. 마커 간의 공동 연결을 신속하고 정량적으로 평가하기 위해 먼저 하드 K-means 클러스터링 알고리즘을 사용하여 2차원 t-SNE 데이터에 5000개의 클러스터를 배치했습니다.

그런 다음 모든 클러스터의 모든 마커의 중간 표현이 사용되어 이러한 클러스터에서 열맵을 생성하여 Tim-3, PD-1, CD38 및 4-1BB의 공동 연결과 같은 공동 연결을 쉽게 식별할 수 있도록 했습니다. 이 절차를 시도하는 동안 다른 클러스터링 방법과 같은 다양한 매개 변수를 탐색하여 공부하는 데이터를 완전히 탐색하는 것이 중요합니다.