Name: ExCYT: 높은 차원 Cytometry 데이터의 분석을 합리화 하기 위한 그래픽 사용자 인터페이스 (동영상) | JoVE Journal
Uploaded: 2019-01-16T12:30:00.000+00:00
Duration: 5 min 12 s
Description: 배우세요 고차원 유세포측정 데이터 분석을 위한 ExCYT GUI 사용법을 MATLAB 기반으로. t-SNE 차원 축소와 군집화를 통해 생물학적 세포 하위집단을 시각화하고 해석하는 방법을 익히세요.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

저자 아무 승인 있다.

1. 수집 및 Cytometry 데이터 준비
<ol><li>삽입할 모든 단일 얼룩 폴더에 자신과 레이블 채널 이름 (fluorophore, 아니라 표식)에 의해.</li>
</ol>2. 데이터 수입 및 사전 처리
<ol><li>를 일시 중지 하거나이 분석 파이프라인에 걸쳐 저장 하려면 단추 사용 하 여 작업 공간 저장 프로그램의 왼쪽 아래에 작업 영역으로 저장 하는 '. 매트 ' 나중 부하 작업 영역 단추를 통해 로드할 수 있는 파일. 한 번에 프로그램의 하나 이상의 인스턴스를 실행 하지 마십시오. 따라서, 새 작업 영역을 로드할 때 확인을 실행 하는 ExCYT의 다른 인스턴스가 있는지 확인 합니다.</li>
	<li>분석 파이프라인을 시작 하려면 먼저 cytometry (Flow Cytometry 또는 질량 Cytometry-CYTOF), 이벤트 (이 예제에서는 2000)에 대 한 파일에서 샘플의 파일 선택 매개 변수 선택 번호의 유형을 선택 합니다. 일단 데이터는 성공적으로 가져온 대화 상자 데이터가 성공적으로 수입 되었음을 사용자에 게 알리는 팝업 됩니다.</li>
	<li>배 그 웰 & 아담스9일 옵션 자동 보정 단계를 수행 하 자동 보정 단추를 누릅니다. 단일 얼룩을 포함 하는 디렉터리를 선택 합니다. 사용자 인터페이스 대화 내에서 흠 없는 샘플을 선택 합니다.<ol>
<li>이벤트 보상 매트릭스 계산를 선택 하는 데 사용 됩니다이 디렉터리에 샘플에 앞 으로/측면-분산형 게이트를 놓습니다. 이 목적을 위해 흠 없는 샘플을 사용 하는 것이 좋습니다. 이 시점에서, 알고리즘 임계값을 설정 일관 된 보상 행렬을 계산 하는 단일 얼룩의 각 긍정적인 이벤트를 정의 하는 흠 없는 샘플의 99번째 백분위 수에서 구현 되었습니다. 이 완료 되 면 대화 상자는 보상 수행 되었습니다 사용자 알릴 것 이다.</li>
	</ol>
</li>
	<li>다음, 문 인구 를 누르고 대회 흐름에서 cytometry 분석은 관심의 세포의 인구를 선택. 인구의 셀을 선택 하면 이벤트 다운스트림 분석 (이 10000 이벤트)의 비율의 번호를 입력 합니다.</li>
	<li>다음 사전 처리 상자의 맨 오른쪽에 있는 목록 상자에서 분석에 사용할 번호 채널을 선택 (를 사용 하 여 예제에 표시 된 특정 채널).</li>
</ol>3. t-SNE 분석
<ol><li>시작 시작 프로그램을가지고 t-SNE 버튼을 누르면 창 t SNE 버튼 아래에 시각화를 위한 감소 차원 데이터 세트를 계산 하. T-SNE의 이미지를 저장 하려면 TSNE 이미지 저장을 누릅니다. 8 시스템에서 CPU @ 3.4 g h z 각 및 8 GM RAM이이 단계 10, 000 건의 50000 이벤트, 10 분 및 100000 이벤트에 대 일 분 약 2 분 정도 소요 됩니다.</li>
	<li>' T-SNE heatmap 만들려고 '에서 보듯이 여러 CYTOF 간행물10,11, 선택 마커 관련 t-SNE 팝업 메뉴에서 옵션 (예제와 같이 특정 마커 CD64 또는 CD3 사용). 그림 그림 생성 저장할 수 있는 t SNE 플롯의 heatmap 표현을 보여주는 팝업 됩니다.</li>
	<li>게이트 t-SNE 버튼을 사용 하 여 추가 다운스트림 분석에 대 한 사용자 t SNE 플롯에 대 한 관심의 영역을 선택 합니다.</li>
</ol>4. 클러스터 분석
<ol><li>클러스터링 분석을 시작 하려면 (이 예에서는 우리 대화에 5의 거리 계수와 DBSCAN listbox의 오른쪽에 있는 상자)에서 클러스터링 메서드 목록 상자에서 옵션을 선택 합니다. 클러스터 버튼을 누릅니다.</li>
	<li>다음 옵션 중 하나를 사용 하 여 자동화 된 클러스터링 알고리즘 ' 자동화 된 클러스터링 매개 변수 ' 패널에서 발견.<ol>
<li>
(T-SNE)에 하드 KMEANS: 알고리즘12제공 되는 클러스터 수를 k-평균 감소 2 차원 t SNE 데이터 클러스터링을 적용 하며.</li>
		<li>
(HD 데이터)에 하드 KMEANS: k-평균 t SNE 알고리즘에 주어진 원래 높은 차원 데이터 클러스터링을 적용. 다시 한번, 클러스터 수 알고리즘을 제공 해야 합니다.</li>
		<li>
DBSCAN: 응용 프로그램의 밀도 기반 공간 클러스터링 감소 2 차원 t SNE 데이터를 클러스터의 일반적인 크기를 결정 하는 차원 비 거리 요소를 필요로 하는 잡음13 라는 클러스터링, 클러스터링 메서드를 적용 합니다 클러스터입니다. 그것은 감소 된 t-SNE 표현에는 클러스터 비 구상 클러스터 수 이러한 유형의 클러스터링 알고리즘은 클러스터 t SNE 감소에 적합 합니다. 또한, 사실은 그것은 2 차원 데이터에서 작동, 그건 빠른 클러스터링 알고리즘 중 하나.</li>
		<li>
계층적 클러스터링: 기존 계층적 클러스터링 메서드 전체 유클리드 거리 행렬은 거리 요소는 클러스터의 크기를 설정 하는 알고리즘을 제공 하기 전에 모든 이벤트 사이 계산 하는 높은 차원 데이터에 적용 됩니다.</li>
		<li>
네트워크 그래프- 기반:11,14를 검색 하는 사용자가 드문 모집단 때 흐름 cytometry 데이터 분석에 가장 최근에 도입 되어 클러스터링 방법 적용. 이 메서드는 첫 번째 데이터에서 모든 이벤트 사이 연결을 결정 하는 그래프를 만드는 방법에 의존 합니다. 이 단계 k-가장 가까운 이웃 수 그래프를 만들려면 초기 매개 변수를 제공 구성 되어 있습니다. 이 매개 변수는 일반적으로 클러스터의 크기를 제어합니다. 이 시점에서, 또 다른 대화 상자는 그래프에 적용 되는 클러스터링 알고리즘 5 중 하나를 사용 하는 사용자 팝업. 그래프, 댄 메서드와는 스펙트럼 클러스터링 알고리즘14,15,16,,1718의 모듈화를 극대화 하기 위해 3 옵션 포함 됩니다. 하나 일반적으로 빠른 클러스터링 솔루션을 원하는 경우에 스펙트럼 클러스터링 또는 빠른 욕심 모듈화 극대화 하는 것이 좋습니다. 댄 메서드 함께 모듈화 극대화 방법을 최적의 클러스터 수를 결정, 스펙트럼 클러스터링 합니다 프로그램에 주어진 수를 클러스터 수를.</li>
		<li>
자체 지도 구성: 고 차원 데이터를 클러스터링 하는 인공 신경 네트워크를 사용 합니다.</li>
		<li>
GMM-기대 극대화: 기대 극대화 (EM) 기법을 사용 하 여 높은 차원 데이터를 클러스터링 하는 가우스 혼합 모델을 만들기. 19 클러스터링 방법의이 종류는 또한 클러스터의 수를 입력 하는 사용자를 필요 합니다.</li>
		<li>
GMM 위한 변 분 베이지안 추론: 가우스 혼합 모델 만들지만 그들와 달리 그것은 자동으로 확인할 수 혼합물 구성 요소 공화국20 수 프로그램 주어질 클러스터의 수를 필요로 합니까 (보다 큰에 클러스터 수가 예상), 알고리즘 자체에 최적의 수를 결정 합니다.</li>
	</ol>
</li>
	<li>T SNE 음모의 특정 영역 연구, 사용자 정의 클러스터 집합을 그리는 수동으로 클러스터 선택 단추를 누릅니다. 메모의 클러스터 구성원 (즉, 각 이벤트 1 클러스터에만 속할 수 있습니다)를 공유할 수 없습니다.</li>
</ol>5. 클러스터 여과
<ol><li>클러스터의 집합 중 하나를 수동으로 식별 또는 위에서 설명한 자동 방법 중 하나를 통해 통해 다음과 같이 필터링 수 있습니다.<ol>
<li>마커는 실험에서 측정에 의해 ( 클러스터 필터 패널)에서 클러스터를 정렬 하려면 정렬 팝업 메뉴에서 옵션을 선택 합니다. 순서 오름차순 또는 내림차순으로 여부를 설정 하려면 정렬 팝업 메뉴의 오른쪽에 오름차순/내림차순 버튼을 누릅니다. 이 '클러스터 (여과)' 목록 상자에서 클러스터의 목록을 업데이트 하 고 해당 표시의 평균 클러스터 표현의 내림차순 순서 그들. '클러스터 (여과)' 목록 상자에 표시 하는 백분율 인구가이 클러스터를 나타내는 비율을 나타냅니다.</li>
		<li>특정 채널을 통해 특정된 클러스터에 대 한 최소 임계값 값을 설정 하려면 임계값 팝업 메뉴에서 옵션을 선택 (이 예에서는 우리 마커 CD65 및 0.75에서 임계값 설정). 그래프 아래의 숫자 상자에 값을 입력 하거나 슬라이드 막대를 사용 하 여 임계값을 설정 합니다. 임계값을 설정 임계값의 방향을 지정 하는 임계값 위에 추가 또는 임계값 아래 추가 누릅니다. 이 임계값을 설정 어디 마커, 임계값 값 및 방향 표시 됩니다 사용자가 알고 있는 임계값 현재 적용 되 고 그래서 ' 클러스터 필터 ' 패널 옆 임계값 상자에 나열 됩니다. 마지막으로, t-SNE 줄거리 여과의 요구 사항을 충족 하지 않는 클러스터 밖으로 흐리게 하 여 업데이 트 됩니다 그리고 '클러스터 (여과)' 목록 상자 여과 요구 사항을 충족 하는 클러스터를 표시 하려면 업데이트 됩니다.</li>
		<li>클러스터의 주파수에 대 한 최소 임계값을 설정 하려면 입력 숫자 마감 클러스터 주파수 임계값 (%) (이 예제에서는 사용 하 여 1%)에서 클러스터 필터 패널에서 상자.</li>
	</ol>
</li>
</ol>6. 클러스터 분석 및 시각화
<ol><li>추가 분석 및 시각화에 대 한 클러스터를 선택 하려면 클러스터 (여과) 목록 상자에서 클러스터를 선택 하 고 클러스터 분석 listbox 이동 선택 à 단추를 누릅니다.</li>
	<li>Heatmaps 클러스터를 만들려면 클러스터 분석 listbox의 클러스터를 선택 하 고 클러스터 HeatMap 단추를 누릅니다. 이 버튼을 누르면 그림 포함 하는 클러스터 및 매개 변수 축에 dendrograms 함께 열 지도 팝업 됩니다. 세로 축에서 dendrogram는 그 가로에 dendrogram 동안 밀접 하 게 관련 된 클러스터 그룹 축 마커 공동 연결을 그룹화 합니다. Heatmap 저장을 눌러 파일 | 설정 내보내기 | 수출.
</li>
	<li>' 높은 차원 상자 그림 ' 또는 ' 높은 차원 흐름 플롯 '을 만들려면 클러스터 분석 listbox의 클러스터를 선택 하 고 높은 차원 상자 그림 단추 또는 높은 차원 흐름 플롯 버튼을 누릅니다. 이 플롯 시각의 분포를 평가 하기 위해 사용할 수 있는 모든 차원에 걸쳐 다양 한 클러스터의 채널을 주어진.</li>
	<li>전통적인 2D 흐름 플롯에 클러스터를 표시 하려면 변환 (선형, log10, arcsinh)을 선택 하 고 기존의 흐름 플롯 패널 및 보도 채널 기존의 흐름 플롯.
</li>
</ol>

<ol><li>Benoist, C., Hacohen, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Flow+cytometry%2C+amped+up%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Flow cytometry, amped up.</a> Science. 332 (6030), 677-678 (2011).</li>
<li>Ornatsky, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Highly+multiparametric+analysis+by+mass+cytometry%5BTitle%5D)+AND+%22Journal+of+immunological+methods%22%5BJournal%5D)">Highly multiparametric analysis by mass cytometry.</a> Journal of immunological methods. 361 (1), 1-20 (2010).</li>
<li>Tanner, S. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Flow+cytometer+with+mass+spectrometer+detection+for+massively+multiplexed+single-cell+biomarker+assay%5BTitle%5D)+AND+%22Pure+and+Applied+Chemistry%22%5BJournal%5D)">Flow cytometer with mass spectrometer detection for massively multiplexed single-cell biomarker assay.</a> Pure and Applied Chemistry. 80 (12), 2627-2641 (2008).</li>
<li>Maecker, H. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Standardization+of+cytokine+flow+cytometry+assays%5BTitle%5D)+AND+%22BMC+immunology%22%5BJournal%5D)">Standardization of cytokine flow cytometry assays.</a> BMC immunology. 6 (1), 13(2005).</li>
<li>Brazma, A., Vilo, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+expression+data+analysis%5BTitle%5D)+AND+%22FEBS+letters%22%5BJournal%5D)">Gene expression data analysis.</a> FEBS letters. 480 (1), 17-24 (2000).</li>
<li>Pyne, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+high-dimensional+flow+cytometric+data+analysis%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences%22%5BJournal%5D)">Automated high-dimensional flow cytometric data analysis.</a> Proceedings of the National Academy of Sciences. 106 (21), 8519-8524 (2009).</li>
<li>Ge, Y., Sealfon, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((flowPeaks%3A+a+fast+unsupervised+clustering+for+flow+cytometry+data+via+K-means+and+density+peak+finding%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">flowPeaks: a fast unsupervised clustering for flow cytometry data via K-means and density peak finding.</a> Bioinformatics. 28 (15), 2052-2058 (2012).</li>
<li>Venkatesh, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Determinants+of+perceived+ease+of+use%3A+Integrating+control%2C+intrinsic+motivation%2C+and+emotion+into+the+technology+acceptance+model%5BTitle%5D)+AND+%22Information+systems+research%22%5BJournal%5D)">Determinants of perceived ease of use: Integrating control, intrinsic motivation, and emotion into the technology acceptance model.</a> Information systems research. 11 (4), 342-365 (2000).</li>
<li>Bagwell, C. B., Adams, E. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fluorescence+spectral+overlap+compensation+for+any+number+of+flow+cytometry+parameters%5BTitle%5D)+AND+%22Annals+of+the+New+York+Academy+of+Sciences%22%5BJournal%5D)">Fluorescence spectral overlap compensation for any number of flow cytometry parameters.</a> Annals of the New York Academy of Sciences. 677 (1), 167-184 (1993).</li>
<li>Lavin, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Innate+immune+landscape+in+early+lung+adenocarcinoma+by+paired+single-cell+analyses%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Innate immune landscape in early lung adenocarcinoma by paired single-cell analyses.</a> Cell. 169 (4), 750-765 (2017).</li>
<li>Chevrier, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+immune+atlas+of+clear+cell+renal+cell+carcinoma%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">An immune atlas of clear cell renal cell carcinoma.</a> Cell. 169 (4), 736-749 (2017).</li>
<li>Hartigan, J. A., Wong, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Algorithm+AS+136%3A+A+k-means+clustering+algorithm%5BTitle%5D)+AND+%22Journal+of+the+Royal+Statistical+Society.+Series+C+%28Applied+Statistics%29%22%5BJournal%5D)">Algorithm AS 136: A k-means clustering algorithm.</a> Journal of the Royal Statistical Society. Series C (Applied Statistics). 28 (1), 100-108 (1979).</li>
<li>Ester, M., Kriegel, H. P., Sander, J., Xu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Density-based+spatial+clustering+of+applications+with+noise%5BTitle%5D)+AND+%22International+Conference+Knowledge+Discovery+and+Data+Mining%22%5BJournal%5D)">Density-based spatial clustering of applications with noise.</a> International Conference Knowledge Discovery and Data Mining. 240, (1996).</li>
<li>Levine, J. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data-driven+phenotypic+dissection+of+AML+reveals+progenitor-like+cells+that+correlate+with+prognosis%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Data-driven phenotypic dissection of AML reveals progenitor-like cells that correlate with prognosis.</a> Cell. 162 (1), 184-197 (2015).</li>
<li>Blondel, V. D., Guillaume, J. L., Lambiotte, R., Lefebvre, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+unfolding+of+communities+in+large+networks%5BTitle%5D)+AND+%22Journal+of+statistical+mechanics%3A+theory+and+experiment%22%5BJournal%5D)">Fast unfolding of communities in large networks.</a> Journal of statistical mechanics: theory and experiment. 2008 (10), P10008(2008).</li>
<li>Le Martelot, E., Hankin, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+multi-scale+detection+of+relevant+communities+in+large-scale+networks%5BTitle%5D)+AND+%22The+Computer+Journal%22%5BJournal%5D)">Fast multi-scale detection of relevant communities in large-scale networks.</a> The Computer Journal. 56 (9), 1136-1150 (2013).</li>
<li>Newman, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+algorithm+for+detecting+community+structure+in+networks%5BTitle%5D)+AND+%22Physical+review+E%22%5BJournal%5D)">Fast algorithm for detecting community structure in networks.</a> Physical review E. 69 (6), 066133(2004).</li>
<li>Hespanha, J. P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHespanha%2C+JP+%22An+efficient+matlab+algorithm+for+graph+partitioning%22">An efficient matlab algorithm for graph partitioning</a>. , University of California. 1-8 (2004).</li>
<li>Moon, T. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+expectation-maximization+algorithm%5BTitle%5D)+AND+%22IEEE+Signal+processing%22%5BJournal%5D)">The expectation-maximization algorithm.</a> IEEE Signal processing. 13 (6), 47-60 (1996).</li>
<li>Bishop, C. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBishop%2C+CM+%22Pattern+recognition+and+machine+learning%22">Pattern recognition and machine learning</a>. , Springer. (2006).</li>
</ol>

저자는 공개 없다.

여기에 우리가 ExCYT, 새로운 그래픽 사용자 인터페이스를 간소화 높은 차원 cytometry 데이터의 분석을 MATLAB 기반의 알고리즘을 실행 높은 차원 데이터에 최신을 구현 프로그래밍 백그라운드 없이 개인 수 있도록 제시 분석 알고리즘입니다. 광범위 한 과학 사회에이 소프트웨어의 가용성 과학자는 간단 하 고 직관적인 워크플로에 그들의 흐름 cytometry 데이터를 탐색할 수 있습니다. 통해 t SNE 차원 감소를 실시, 클러스터링 방법을 적용, 수 있는 정렬/필터가이 클러스터를 통해 신속 하 고 유연 하 고, 사용자 정의 heatmaps 및 높은 차원 흐름/상자 플롯, 과학자 수 뿐만 아니라 그들의 견본에서 고유 하 게 정의 된 모집단을 이해 하지만 직관적이 고 그들의 동료에 의해 쉽게 이해는 시각화를 만들 수 있을 것입니다.
프로그램은 다양 한 데이터 형식 (기존의 cytometry vs 대량 cytometry) 처리에 유연, 프로그램의 최적의 유틸리티에 대 한 몇 가...

임상의 학자 및 과학자를 빠르게 식별 하 여 phenotypically 만드는 큰 해상도의 새로운 수준의 생물학 및 임상적으로 흥미로운 샘플을 특성화 cytometry 대량 cytometry의 출현에 있는 발전 수 있다 정보 풍부한1,2,3높은 차원 데이터 세트. 이 방법은 생성에 실패할 수 있습니다 동안 수동 게이팅 등 교류 cytometry 데이터를 분석 하기 위한 기존의 방법 실험 몇 마커 고 그 마커는 시각적으로 뚜렷한 인구에 대 한 더 간단한, 더 높은 차원의 데이터 세트 또는 스펙트럼에 얼룩 마커를 분석할 때 재현할 결과. 예를 들어, 다 기관 연구에서 어디 세포내 얼룩 (ICS) 분석 실험 되 고 수행한 좋은 inter-laboratory 정밀, 분석에 불구 하 고 항 원 특정 T 세포 응답, 특히 quantitating의 재현성을 평가 하기 위해 게이팅, 다양성4의 중요 한 소스를 소개 했다. 또한, 수동으로 매우 주관적 되 고 게다가 관심사의 인구 게이팅의 과정이 매우 시간이 소모 하 고 노동 집약입니다. 그러나, 강력한, 효율적이 고 시기 적절 한 방식으로 높은 차원 데이터 세트를 분석의 문제는 한 연구 과학에 새로운 하지. 유전자 표현 연구는 종종 수동 형태의 분석 어디 단순히 가능한 것 (종종 순서 유전자의 수백) 매우 높은 차원 데이터 세트를 생성 합니다. 이러한 데이터 세트의 분석, 대처 하기 위해 구문 분석 유전자 표현 데이터5bioinformatic 도구 개발에 많은 작업이 되었습니다. 이러한 알고리즘 접근가지고 그냥 최근 채택 cytometry 데이터의 분석에서 매개 변수 수가 증가 하 고 이러한 높은 차원 데이터 세트6,7의 분석에 유용한 것으로 입증 되었습니다.
생성 및 다양 한 알고리즘 및 과학자 들이 높은 차원 bioinformatic 접근 그들의 교류 cytometry 데이터에 적용할 수 있도록 하는 소프트웨어 패키지의 응용 프로그램에도 불구 하 고 이러한 분석 기법 아직도 크게 사용 되지 않는 남아 있습니다. Cytometry 데이터8이러한 접근법의 광범위 한 채용 제한 된 요인의 다양 한 있을 수 있습니다, 우리가 용의자에 주요 방해 과학자 들에 의해 이러한 방법의 사용, 전산 지식의 부족 이다. 사실, 이러한 소프트웨어 패키지 (즉, flowCore, flowMeans, 및 OpenCyto)의 많은 여전히 실질적인 프로그래밍 지식이 필요로 하는 연구 등 언어 프로그래밍 구현에 기록 됩니다. FlowJo 소프트웨어 패키지는 PC 운영 체제와의 호환성 뿐만 아니라 사용 및 ' 플러그 앤 플레이 ' 자연의 단순 과학자 중 호의 발견 했다. 과학자 생소 한 프로그래밍을 허용 하 고 가치 있는 분석 기술의 다양 한 제공, 우리는 ExCYT, 최신 기술의 많은 당기는 p C/맥에 쉽게 설치 될 수 있는 그래픽 사용자 인터페이스 (GUI) 개발 클러스터링 알고리즘 heatmaps 및 소설 높은 차원 흐름/상자 음모와 직관적인 시각화, 다양 한 문학, 이들의 출력을 탐험 소설 기능에 클러스터링 방법에 대 한 차원 감소에 포함 하 여.
ExCYT는 MATLAB에 내장 된 그래픽 사용자 인터페이스 및 따라서 수 있습니다 수 실행 MATLAB에서 직접 또는 설치 관리자는 어떤 PC/맥에 소프트웨어를 설치 하는 데 사용할 수 있는 제공 소프트웨어는 https://github.com/sidhomj/ExCYT에 있다. 데이터를 가져올, 사전 처리, t SNE 차원 감소, 클러스터 데이터 정렬을 수행할 및 클러스터 사용자 기본 설정, 및 heatmaps 및 소설을 통해 관심의 클러스터에 대 한 정보를 표시에 따라 필터링 하는 방법에 대 한 자세한 프로토콜 소개 높은 차원 흐름/상자 구획 (그림 1). T-SNE 플롯에 축 임의 및 임의 단위 이며 항상 사용자의 편의상 그림에 표시 된 같은 인터페이스. "T SNE Heatmaps"에 데이터 포인트의 색 노란색 표시 된 마커의 신호에 따라 파란색에서입니다. 클러스터링 솔루션에서 데이터 요소의 색상 기반으로 임의의 클러스터 번호 합니다. 워크플로의 모든 부분 GUI (그림 2 단일 패널에서 수행할 수 있습니다 & 표 1). 마지막으로, 우리는 이전 게시 된 데이터도 비슷한 방법으로 분석, 문학에서 신장 세포 암의 면역 풍경을 탐험에 ExCYT의 사용을 시연할 예정 이다. 우리 아래 프로토콜 함께이 원고에 그림을 만드는 데 사용 되는 샘플 데이터 집합은 계정 등록 시 https://premium.cytobank.org/cytobank/projects/875에서 찾을 수 있습니다.

<table><tbody><tr><td>분석을 실행하는 데 사용되는</td> <td>데스크탑</td><td>수퍼마이크로</td><td>맞춤형 빌드</td> 컴퓨터</tr><tr><td>MATLAB</td><td>Mathworks</td><td>해당 없음</td><td>ExCYT 개발에 사용되는 소프트웨어</td></tr></tbody></table>

excyt: 높은 차원 cytometry 데이터의 분석을 합리화 하기 위한 그래픽 사용자 인터페이스

ExCYT: A Graphical User Interface for Streamlining Analysis of High-Dimensional Cytometry Data

교류 cytometers 매개 변수의 증가 수를 측정의 도래와 함께 과학자 phenotypically 그들의 세포 샘플의 특성을 탐구 하는 더 큰 패널을 개발 하기 위해 계속 합니다. 그러나, 이러한 기술 발전 전통적인 수동 기반 제어 프로그램 내에서 객관적으로 분석 하는 점점 더 어렵게 되 고 차원 데이터 집합 생성. 더 분석 하 고 데이터 표시, 과학자와 그들의 흐름 cytometry 데이터를 구문 분석 하 고 차원 데이터 분석에 전문성을 갖춘 bioinformaticians 파트너. 동안 이러한 방법을 cytometry 공부에 매우 도움이 될 표시 되었습니다, 그들은 아직 과학자 들 계산 또는 프로그래밍 전문성 부족에 대 한 간단 하 고 사용 하기 쉬운 패키지에 통합 될 수 있다. 우리 ExCYT는 MATLAB 기반 그래픽 사용자 인터페이스 (GUI) 높은 차원 데이터를 포함 한 일반적으로 고용된 분석 기법을 구현 하 여 높은 차원 흐름 cytometry 데이터의 분석을 간소화 하는이 필요를 해결 하기 위해 개발 t-SNE 차원 감소, 자동 및 수동 클러스터링 메서드, heatmaps, 및 소설 높은 차원 흐름의 다양 한 플롯합니다. 또한, ExCYT 추가 t SNE 및 클러스터링 분석 뿐만 아니라 빌 게이츠 t SNE 플롯에 직접 적용 하는 기능에 대 한 관심의 선택 인구의 전통적인 제어 옵션을 제공 합니다. 소프트웨어 보상 중 하나를 사용 하는의 추가적인 장점을 또는 uncompensated FCS 파일을 제공 합니다. 사후 수집 보상은 필요한, 그 사용자 단일 얼룩의 디렉토리와 흠 없는 샘플 프로그램을 제공 하기 위해 선택할 수 있습니다. 프로그램은 모든 채널에서 긍정적인 이벤트를 감지 하 고 더 객관적으로 보상 매트릭스 계산를 선택이 데이터를 사용 하 여. 요약 하자면, ExCYT 교류 cytometry 데이터 FCS 파일의 형태로 이해 하는 그들의 데이터에 최신 알고리즘 접근을 사용 하 여 전산 교육에 어떤 개인을 허용 하는 포괄적인 분석 파이프라인을 제공 합니다.

우리 Chevrier 외. '는 면역 아틀라스의 명확한 세포 신장 암 ' 그룹 73에서 종양 샘플에 광범위 한 면역 패널 CyTOF 분석을 실시 라는 의해 큐레이터 데이터 세트를 분석 하는 ExCYT의 유용성을 테스트 하려면 환자11. 두 개의 별도 패널, 골수성과 림프 패널 phenotypically 종양 microenvironment 특성을 사용 했다. 우리의 연구의 목적은 그들의 t-SNE의 결과 정리 및 분석, ExCYT 동일한 결론에와 서 시각화 및 클러스터 분석의 추가 메서드를 표시 하는 데 사용 될 수 보여 주는 클러스터 했다.
원래 원고에서 그룹 22 T 셀 클러스터 림프 패널에 의해 식별 및 골수성 패널에 의해 식별 된 17 셀 클러스터 설명 합니다. ...

ExCYT는 MATLAB 기반의 그래픽 사용자 인터페이스 (GUI) 사용자가 일반적으로 통해 교류 cytometry 데이터 분석을 수 고용 t-SNE, 자동 및 수동의 다양 한 통해 차원 감소를 포함 하 여 높은 차원 데이터에 대 한 분석 기법 이다 클러스터링 메서드, heatmaps, 및 소설 높은 차원 흐름을 플롯 합니다.

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

With the advent of flow cytometers capable of measuring an increasing number of parameters, scientists continue to develop larger panels to phenotypically ...

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.

excyt-graphical-user-interface-for-streamlining-analysis-high

Research

연구

JoVE Journal

Immunology and Infection

면역학 및 감염학

이 동영상은 다양한 세포주기 단계에서 항원 특이적 CD8+ T 세포를 분석하는 분석을 보여줍니다. 형광 표지된 생존 세포는 유세포 분석을 사용하여 선택되며, 세포 증식 관련 핵 단백질 및 핵산 염색에 대한 항체를 사용하여 서로 다른 세포 주기 단계에 있는 세포를 DNA 함량으로 식별합니다.

항원 특이적 CD8+ T 세포의 세포주기 분석을 위한 분석

이 문서에서는 질량 세포 분석을 위한 샘플 수집 및 처리에 대해 설명합니다.

대량 세포 계측법 분석을위한 샘플 준비

흐름 cytometric 분석은 순수 문화 조사 및 미생물 지역 사회 역학을 모니터링 귀중 한 입증 했다. 우리는 순수한 문화 및 도전 행렬에서 명확한 매체 뿐만 아니라 복잡 한 사회에 대 한 데이터 분석, 샘플링에서 세 개의 포괄적인 워크플로 각각 제시.

특성화 미생물 역학-Cytometry 워크플로 순수 문화에서 자연 커뮤니티를 기반으로

Cytofast는 클러스터링에서 출력을 분석하는 데 사용되는 시각화 도구입니다. Cytofast는 두 가지 클러스터링 방법을 비교하는 데 사용할 수 있습니다: FlowSOM 및 Cytosplore. Cytofast는 질량 세포 분석 데이터의 정량적 및 질적 개요를 신속하게 생성하고 서로 다른 클러스터링 알고리즘 간의 주요 차이점을 강조 할 수 있습니다.

Cytofast 및 업스트림 클러스터링 방법 FlowSOM 및 Cytosplore를 사용하여 고차원 세포 측정 데이터의 시각화 및 정량화

여기에 제시된 것은 세포 분열 수, 표면 세포 표현형 및 세포 친족 관계를 동시에 측정할 수 있는 유세포 분석 기반 기술입니다. 이러한 속성은 순열 기반 프레임워크를 사용하여 통계적으로 테스트할 수 있습니다.

조혈 줄기 및 전구 세포에 대한 유세포 분석을 통한 친족, 분열 수 및 표현형의 동시 평가

여기에는 면역형광 현미경으로 5개 이상의 형광 파라미터를 이미지화하는 데 사용할 수 있는 방법이 설명되어 있습니다. 이러한 이미지에서 단일 세포를 추출하고 유세포 분석과 같은 게이팅 전략을 통해 단일 세포 분석을 수행하기 위한 분석 파이프라인이 간략하게 설명되어 있으며, 이를 통해 조직 절편의 세포 subset을 식별할 수 있습니다.

Histoflow Cytometry를 이용한 High-parameter Histology 이미지 생성 및 분석

이 프로토콜은 광독립영양 설탕 분비 시아노박테리아 및 종속영양 효모를 포함한 공동 배양의 설정 및 정량적 모니터링을 위한 포괄적인 지침을 제공합니다.

Assembly and Quantification of Co-Cultures Combining Heterotrophic Yeast with Phototrophic Sugar-Secreting Cyanobacteria(종속영양 효모와 광영양성 설탕 분비 시아노박테리아를 결합한 공동 배양의 조립 및 정량화)

다차원 현미경 데이터를 정확하게 분석하려면 복잡한 워크플로가 필요합니다. 이 문서에서는 소프트웨어 Cell-ACDC를 사용하는 방법을 보여줍니다. 현미경 데이터의 세분화, 추적, 세포 혈통 분석 및 정량화를 위해 최첨단 AI 기반 모델을 활용합니다. 결정적으로, 모델 출력의 반자동 수정을 위한 혁신적인 프레임워크로 이러한 모델을 보완합니다.

Cell-ACDC를 사용한 다차원 현미경 데이터 분석

영상 분석 (VA)는 대화식으로 데이터를 분석하는 새로운 접근 방식입니다. 이 비디오에서는, 우리는 높은 처리량 생물학 실험에 의해 가져온 데이터 과부하 문제를 논의하고, 그러한 문제에 대한 솔루션으로 VA를 만나볼 수 있습니다. 비디오 이내에 테이블오라는 VA 도구를 사용하여 면역 데이터 세트 사이의 분석을 보여줍니다.

비주얼 분석 기법과 면역 데이터 분석을 촉진

본 논문은 aortas의 면역 성분을 조사하기 위해 흐름 cytometry 기반 방법을 제공합니다. 신문은 또한 별도로 주변 adventitia 및 혈관 벽을 검사 수 있습니다 추​​가 기법을 보여줍니다. 이 방법은 대동맥 leukocytes의 phenotypical 분석을 수행하고 죽상 경화증 연구에 대한 몇 가지 면역 assays을 적용하는 가능성을 엽니다.

Murine Aortas 이내에 면역 세포의 흐름 Cytometry 분석

배우세요 고차원 유세포측정 데이터 분석을 위한 ExCYT GUI 사용법을 MATLAB 기반으로. t-SNE 차원 축소와 군집화를 통해 생물학적 세포 하위집단을 시각화하고 해석하는 방법을 익히세요.

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

더 많은 동영상 탐색