✖


Jump to content

Биоинформатика проточной цитометрии

    Add links
    Эта статья была опубликована в рецензируемом журнале PLOS Computational Biology (2013). Нажмите, чтобы просмотреть опубликованную версию.

    Биоинформатика проточной цитометрии — это применение биоинформатики к данным проточной цитометрии , которое включает хранение, извлечение, организацию и анализ данных проточной цитометрии с использованием обширных вычислительных ресурсов и инструментов.Биоинформатика проточной цитометрии требует широкого использования и способствует развитию методов вычислительной статистики и машинного обучения .Проточная цитометрия и родственные методы позволяют количественно определять множество независимых биомаркеров на большом количестве отдельных клеток . Быстрый рост многомерности и пропускной способности данных проточной цитометрии, особенно в 2000-х годах, привел к созданию множества методов компьютерного анализа, стандартов данных и общедоступных баз данных для обмена результатами.

    Существуют вычислительные методы, которые помогают в предварительной обработке данных проточной цитометрии, идентификации популяций клеток в них, сопоставлении этих популяций клеток в образцах, а также проведении диагностики и обнаружения с использованием результатов предыдущих шагов. Для предварительной обработки это включает в себя компенсацию спектрального перекрытия, преобразование данных в шкалы, удобные для визуализации и анализа, оценку качества данных и нормализацию данных по образцам и экспериментам.Для идентификации населения доступны инструменты, помогающие традиционной ручной идентификации популяций на двумерных диаграммах рассеяния (стробирование), для использования уменьшения размерности для облегчения стробирования и для автоматического поиска популяций в многомерном пространстве различными способами.Также возможно охарактеризовать данные более полными способами, например, с помощью метода разделения двоичного пространства с учетом плотности , известного как вероятностное объединение, или с помощью комбинаторного стробирования.Наконец, диагностике с использованием данных проточной цитометрии могут способствовать контролируемые методы обучения и открытие новых типов клеток, имеющих биологическое значение, с помощью высокопроизводительных статистических методов в рамках конвейеров, включающих все вышеупомянутые методы.

    Открытые стандарты , данные и программное обеспечение также являются ключевыми частями биоинформатики проточной цитометрии.Стандарты данных включают широко распространенный стандарт проточной цитометрии (FCS), определяющий, как следует хранить данные цитометров, а также несколько новых стандартов, разрабатываемых Международным обществом по развитию цитометрии (ISAC), чтобы помочь в хранении более подробной информации о планировании экспериментов и аналитические шаги.Открытые данные медленно растут с открытием базы данных CytoBank в 2010 году и FlowRepository в 2012 году, обе из которых позволяют пользователям свободно распространять свои данные, и последняя из которых была рекомендована ISAC в качестве предпочтительного хранилища для данных, совместимых с MIFlowCyt. .Открытое программное обеспечение наиболее широко доступно в виде набора пакетов Bioconductor , но оно также доступно для веб-исполнения на платформе GenePattern .

    Сбор данных

    [ редактировать ]
    Основная статья: Проточная цитометрия
    Принципиальная схема проточного цитометра, показывающая фокусировку жидкостной оболочки, лазера, оптики (в упрощенной форме, без фокусировки), фотоумножителей (ФЭУ), аналого-цифрового преобразователя и рабочей станции анализа.

    Проточные цитометры работают за счет гидродинамической фокусировки взвешенных клеток так, что они отделяются друг от друга в потоке жидкости.Поток опрашивается одним или несколькими лазерами, а полученный флуоресцентный и рассеянный свет детектируется фотоумножителями .Используя оптические фильтры , можно определить количество конкретных флуорофоров на клетках или внутри них по пикам в их спектрах излучения .Это могут быть эндогенные флуорофоры, такие как хлорофилл или трансгенный зеленый флуоресцентный белок , или искусственные флуорофоры, ковалентно связанные с молекулами обнаружения, такими как антитела для обнаружения белков или гибридизационные зонды для обнаружения ДНК или РНК .

    Возможность их количественной оценки привела к тому, что проточная цитометрия стала использоваться в широком спектре приложений, включая, помимо прочего:

    До начала 2000-х годов проточная цитометрия могла измерять только несколько флуоресцентных маркеров одновременно.Однако в конце 1990-х и середине 2000-х годов быстрое развитие новых флуорофоров привело к появлению современных инструментов, способных количественно определять до 18 маркеров на клетку. [7] Совсем недавно новая технология массовой цитометрии заменяет флуорофоры редкоземельными элементами, обнаруженными с помощью времяпролетной масс-спектрометрии , достигая возможности измерения экспрессии 34 или более маркеров. [8] В то же время методы микрофлюидной кПЦР предоставляют метод, подобный проточной цитометрии, количественного определения 48 или более молекул РНК на клетку. [9] Быстрое увеличение размерности данных проточной цитометрии в сочетании с разработкой высокопроизводительных роботизированных платформ, способных автоматически анализировать сотни и тысячи образцов, создало потребность в улучшенных методах компьютерного анализа. [7]

    Данные

    [ редактировать ]
    Представление данных проточной цитометрии с прибора с тремя каналами рассеяния и 13 флуоресцентными каналами. Показаны только значения для первых 30 (из сотен тысяч) ячеек.

    Данные проточной цитометрии представлены в виде большой матрицы интенсивностей по M длинам волн по N событиям. Большинство событий будут представлять собой определенную ячейку, хотя некоторые могут быть дублетами (парами клеток, которые пропускают лазер близко друг к другу). Для каждого события регистрируется измеренная интенсивность флуоресценции в определенном диапазоне длин волн.

    Измеренная интенсивность флуоресценции указывает на количество этого флуорофора в клетке, что указывает на количество, которое связалось с молекулами-детекторами, такими как антитела. Следовательно, интенсивность флуоресценции можно рассматривать как показатель количества молекул-детекторов, присутствующих в клетке. Упрощенный, хотя и не совсем точный, способ рассмотрения данных проточной цитометрии представляет собой матрицу M измерений, умноженную на N ячеек, где каждый элемент соответствует количеству молекул.

    Этапы анализа данных вычислительной проточной цитометрии

    [ редактировать ]
    Пример конвейера для анализа данных FCM и некоторых пакетов Bioconductor, соответствующих каждому этапу.

    Процесс перехода от первичных данных FCM к диагностике заболеваний и открытию биомаркеров включает четыре основных этапа:

    1. Предварительная обработка данных (включая компенсацию, преобразование и нормализацию)
    2. Идентификация клеточной популяции (также известная как стробирование)
    3. Сопоставление клеточных популяций для перекрестного сравнения выборок
    4. Связь клеточных популяций с внешними переменными (диагностика и открытие)

    Сохранение шагов, предпринятых в конкретном рабочем процессе проточной цитометрии , поддерживается некоторым программным обеспечением проточной цитометрии и важно для воспроизводимости экспериментов с проточной цитометрией.Однако сохраненные файлы рабочей области редко взаимозаменяемы между программами. [10] Попыткой решить эту проблему является разработка стандарта данных Gating-ML на основе XML (более подробно обсуждается в разделе «Стандарты»), который постепенно внедряется как в коммерческое программное обеспечение для проточной цитометрии, так и в программное обеспечение с открытым исходным кодом. [11] Пакет CytoML R также заполняет этот пробел, импортируя/экспортируя Gating-ML, который совместим с программным обеспечением FlowJo , CytoBank и FACS Diva.

    Предварительная обработка данных

    [ редактировать ]

    Перед анализом данные проточной цитометрии обычно должны подвергаться предварительной обработке для удаления артефактов и данных низкого качества, а также быть преобразованы в оптимальный масштаб для идентификации представляющих интерес клеточных популяций. Ниже приведены различные этапы типичного конвейера предварительной обработки проточной цитометрии.

    Компенсация

    [ редактировать ]

    Когда с одним и тем же лазером используется более одного флуорохрома, их спектры излучения часто перекрываются. Каждый конкретный флуорохром обычно измеряется с использованием полосового оптического фильтра, настроенного на узкую полосу на пике интенсивности излучения флуорохрома или рядом с ним.В результате показания для любого данного флуорохрома на самом деле представляют собой сумму пиковой интенсивности излучения этого флуорохрома и интенсивности спектров всех других флуорохромов, где они перекрываются с этим диапазоном частот.Это перекрытие называется перекрытием, а процесс удаления перекрытия из данных проточной цитометрии называется компенсацией. [12]

    Компенсация обычно достигается путем анализа серии репрезентативных образцов, каждый из которых окрашивается только одним флуорохромом, чтобы измерить вклад каждого флуорохрома в каждый канал. [12] Общий сигнал, который необходимо удалить из каждого канала, можно вычислить путем решения системы линейных уравнений на основе этих данных для создания матрицы вторичного распространения, которая при инвертировании и умножении на необработанные данные из цитометра дает компенсированные данные. [12] [13] Процессы вычисления матрицы распространения или применения предварительно вычисленной матрицы распространения для компенсации данных проточной цитометрии являются стандартными функциями программного обеспечения для проточной цитометрии. [14]

    Трансформация

    [ редактировать ]

    Популяции клеток, обнаруженные с помощью проточной цитометрии, часто описываются как имеющие приблизительно логарифмически нормальную экспрессию. [15] По существу, они традиционно преобразуются в логарифмическую шкалу .В ранних цитометрах это часто достигалось еще до сбора данных с помощью логарифмического усилителя .В современных приборах данные обычно хранятся в линейной форме и перед анализом преобразуются в цифровую форму.

    Однако данные компенсированной проточной цитометрии часто содержат отрицательные значения из-за компенсации, и встречаются популяции клеток с низкими средними значениями и нормальным распределением. [16] Логарифмические преобразования не могут правильно обрабатывать отрицательные значения и плохо отображают нормально распределенные типы ячеек. [16] [17] Альтернативные преобразования, решающие эту проблему, включают лог-линейные гибридные преобразования. [16] [18] и Гиперлог, [19] а также гиперболический арксинус и Бокс-Кокс . [20]

    Сравнение часто используемых преобразований пришло к выводу, что биэкспоненциальные преобразования и преобразования Бокса-Кокса при оптимальной параметризации обеспечивают наиболее четкую визуализацию и наименьшую дисперсию популяций клеток в образцах. [17] Однако более позднее сравнение пакета flowTrans, использованного в этом сравнении, показало, что он не параметризовал преобразование Logicle способом, совместимым с другими реализациями, что потенциально ставит эти результаты под сомнение. [21]

    Контроль качества

    [ редактировать ]

    Особенно в новых, высокопроизводительных экспериментах необходимы методы визуализации, помогающие обнаруживать технические ошибки в отдельных образцах.Один из подходов заключается в визуализации сводных статистических данных, таких как эмпирические функции распределения отдельных измерений технических или биологических повторов, чтобы гарантировать их сходство. [22] Для большей строгости можно использовать критерий Колмогорова-Смирнова, чтобы определить, отклоняются ли отдельные образцы от нормы. [22] Критерий Граббса для выбросов можно использовать для обнаружения образцов, отклоняющихся от группы.

    Метод контроля качества в многомерном пространстве заключается в использовании вероятностного группирования с интервалами, подходящими для всего набора данных, объединенных вместе. [23] Тогда стандартное отклонение количества клеток, попадающих в ячейки внутри каждой выборки, можно принять как меру многомерного сходства, причем образцы, которые ближе к норме, имеют меньшее стандартное отклонение. [23] При использовании этого метода более высокое стандартное отклонение может указывать на выбросы, хотя это относительная мера, поскольку абсолютное значение частично зависит от количества интервалов.

    С помощью всех этих методов измеряется межвыборочная вариация. Однако это комбинация технических изменений, вносимых инструментами и обращением, и фактической биологической информации, которую желательно измерить. Устранение неоднозначности технического и биологического вклада в вариации между выборками может оказаться трудной или невыполнимой задачей. [24]

    Нормализация

    [ редактировать ]

    В частности, в многоцентровых исследованиях технические различия могут затруднить сопоставление биологически эквивалентных популяций клеток в разных образцах. Таким образом, методы нормализации для устранения технической дисперсии, часто получаемые из методов регистрации изображений , являются важным шагом во многих анализах проточной цитометрии.Нормализацию одного маркера можно выполнить с помощью регистрации ориентиров, при которой пики оценки плотности ядра каждого образца идентифицируются и выравниваются по образцам. [24]

    Идентификация клеточных популяций

    [ редактировать ]
    Двумерные диаграммы рассеяния, охватывающие все три комбинации трех выбранных измерений. Цвета показывают сравнение консенсуса восьми независимых ручных ворот (многоугольники) и автоматических ворот (цветные точки). Согласование ручных вентилей и алгоритмов было достигнуто с использованием пакета CLUE. [25] Рисунок воспроизведен с. [26]

    Сложность необработанных данных проточной цитометрии (десятки измерений для тысяч и миллионов клеток) затрудняет ответы на вопросы напрямую с использованием статистических тестов или контролируемого обучения. Таким образом, важнейшим шагом в анализе данных проточной цитометрии является уменьшение этой сложности до чего-то более удобного, одновременно устанавливая общие черты между образцами. Обычно это включает идентификацию многомерных областей, которые содержат функционально и фенотипически однородные группы клеток. [27] Это форма кластерного анализа . Существует ряд методов, с помощью которых этого можно достичь, подробно описанных ниже.

    ворота

    [ редактировать ]

    Данные, полученные с помощью проточных цитометров, можно отобразить в одном или двух измерениях для создания гистограммы или диаграммы рассеяния. Области на этих графиках можно последовательно разделить на основе интенсивности флуоресценции , создав серию извлечений подмножества, называемых « воротами ». Эти ворота можно изготовить с помощью программного обеспечения, например FlowJo . [28] ФКС Экспресс, [29] WinMDI, [30] CytoPaint (также известный как Paint-A-Gate), [31] VenturiOne, Cellcion , CellQuest Pro, Cytospec, [32] Калуза. [33] или FlowCore.

    В наборах данных с небольшим количеством измерений и ограниченной технической и биологической изменчивостью между выборками (например, в клинических лабораториях) ручной анализ конкретных популяций клеток может дать эффективные и воспроизводимые результаты. Однако исследовательский анализ большого количества клеточных популяций в многомерном наборе данных невозможен. [34] Кроме того, ручной анализ в менее контролируемых условиях (например, межлабораторные исследования) может увеличить общую частоту ошибок исследования. [35] В одном исследовании несколько алгоритмов вычислительного стробирования работали лучше, чем ручной анализ, при наличии некоторых вариаций. [26] Однако, несмотря на значительные достижения в компьютерном анализе, ручное гейтирование остается основным решением для идентификации конкретных популяций редких клеток, которые плохо отделены от других типов клеток.

    Стробирование, управляемое уменьшением размеров

    [ редактировать ]

    Количество диаграмм рассеяния, которые необходимо исследовать, увеличивается пропорционально квадрату количества измеренных маркеров (или быстрее, поскольку некоторые маркеры необходимо исследовать несколько раз для каждой группы клеток, чтобы выявить многомерные различия между типами клеток, которые кажутся схожи по большинству маркеров). [36] Чтобы решить эту проблему, был использован анализ главных компонентов для суммирования многомерных наборов данных с использованием комбинации маркеров, которая максимизирует дисперсию всех точек данных. [37] Однако PCA является линейным методом и не способен сохранять сложные и нелинейные зависимости. двухмерные схемы минимального связующего дерева Совсем недавно для управления процессом ручного пропускания стали использоваться . Понижение выборки и кластеризация на основе плотности использовались для лучшего представления редких популяций и контроля сложности времени и памяти в процессе построения минимального связующего дерева. [38] Более сложные алгоритмы уменьшения размерности еще предстоит изучить. [39]

    Популяции клеток в многомерном наборе данных масс-цитометрии вручную закрываются после уменьшения размеров с использованием 2D-макета для минимального остовного дерева. Рисунок воспроизведен на основе данных, представленных в. [40]

    Автоматизированные ворота

    [ редактировать ]

    Разработка вычислительных инструментов для идентификации популяций клеток является областью активных исследований только с 2008 года. к кластеризации , включая алгоритмы на основе моделей (например, flowClust В последнее время было разработано множество отдельных подходов [41] и ПЛАМЯ [42] ), алгоритмы на основе плотности (например, FLOCK [43] и SWIFT, графические подходы (например, SamSPECTRAL [44] ) и совсем недавно гибриды нескольких подходов (flowMeans [45] и пики потока [46] ). Эти алгоритмы различаются по объему памяти и временной сложности, требованиям к программному обеспечению, способности автоматически определять необходимое количество клеточных популяций, а также их чувствительности и специфичности. Проект FlowCAP (Проточная цитометрия: критическая оценка методов идентификации населения) при активном участии большинства академических групп, ведущих исследовательскую деятельность в этой области, обеспечивает возможность объективного перекрестного сравнения современных подходов к автоматизированному анализу. [26] Другие исследования также сравнивали инструменты автоматического пропускания на нескольких наборах данных. [47] [48] [49] [50]

    Методы распределения вероятностей

    [ редактировать ]
    Пример стробирования разности частот, созданный с использованием пакета flowFP Bioconductor. Точки представляют отдельные события в файле FCS. Прямоугольники обозначают ячейки.

    Вероятностное объединение — это метод негейтового анализа, при котором данные проточной цитометрии разбиваются на квантили на одномерной основе. [51] Затем расположение квантилей можно использовать для проверки различий между выборками (в неразделяемых переменных) с использованием критерия хи-квадрат. [51]

    Позже это было расширено на несколько измерений в форме стробирования разности частот — метода разделения двоичного пространства , при котором данные итеративно разделяются по медиане. [52] Эти перегородки (или бункеры) подходят для контрольной пробы. Затем долю клеток, попадающую в каждый интервал в тестовых образцах, можно сравнить с контрольной выборкой с помощью критерия хи-квадрат.

    Наконец, цитометрический снятие отпечатков пальцев использует вариант стробирования разности частот для установки ячеек и измерения для серии образцов, сколько клеток попадает в каждую ячейку. [23] Эти бункеры можно использовать в качестве шлюзов и использовать для последующего анализа аналогично методам автоматического пропускания.

    Комбинаторное стробирование

    [ редактировать ]

    Алгоритмы многомерной кластеризации часто не могут идентифицировать редкие типы клеток, которые плохо отделены от других основных популяций. Сопоставление этих небольших популяций клеток в нескольких образцах еще более сложная задача. При ручном анализе предварительные биологические знания (например, биологический контроль) обеспечивают руководство для разумной идентификации этих популяций. Однако интеграция этой информации в процесс исследовательской кластеризации (например, как при полуконтролируемом обучении ) не увенчалась успехом.

    Альтернативой многомерной кластеризации является идентификация клеточных популяций с использованием одного маркера за раз, а затем объединение их для создания многомерных кластеров. Эта функциональность была впервые реализована в FlowJo. [28] Алгоритм flowType основан на этой платформе, позволяя исключать маркеры. [53] Это позволяет разрабатывать статистические инструменты (например, RchyOptimyx), которые могут исследовать важность каждого маркера и исключать многомерную избыточность. [54]

    Диагностика и открытия

    [ редактировать ]
    Обзор конвейера flowType/RchyOptimyx для идентификации коррелятов защиты от ВИЧ: во-первых, десятки тысяч клеточных популяций идентифицируются путем объединения одномерных разделов (первая панель). Затем популяции клеток анализируются с использованием статистического теста (и метода Бонферрони для коррекции множественных тестов) для выявления тех, которые коррелируют с информацией о выживании. На третьей панели показана полная иерархия гейтирования, описывающая все возможные стратегии гейтирования этой популяции клеток. Этот график можно использовать для определения «лучшей» стратегии пропуска (т. е. той, в которой наиболее важные маркеры появляются раньше). Эти иерархии для всех выбранных фенотипов показаны на панели 4. На панели 5 эти иерархии объединены в один график, который суммирует весь набор данных и демонстрирует компромисс между количеством маркеров, участвующих в каждом фенотипе, и значимостью корреляции. с клиническим исходом (например, измеренным с помощью Оценка Каплана–Мейера на панели 6). Рисунок частично воспроизведен с [53] и. [54]

    После идентификации интересующей клеточной популяции можно провести перекрестный анализ выборки для выявления фенотипических или функциональных изменений, которые коррелируют с внешней переменной (например, клиническим исходом). Эти исследования можно разделить на две основные группы:

    Диагностика

    [ редактировать ]

    Целью этих исследований обычно является диагностика заболевания (или подкласса заболевания) с использованием вариаций в одной или нескольких популяциях клеток. Например, можно использовать многомерную кластеризацию, чтобы идентифицировать набор кластеров, сопоставить их по всем выборкам, а затем использовать контролируемое обучение для построения классификатора для прогнозирования интересующих классов (например, этот подход можно использовать для повышения точности классификация конкретных подтипов лимфомы [55] ). Альтернативно, все ячейки из всей когорты могут быть объединены в одно многомерное пространство для кластеризации перед классификацией. [56] Этот подход особенно подходит для наборов данных с большим количеством биологических вариаций (в которых сопоставление между выборками затруднено), но требует тщательного контроля технических вариаций. [57]

    Открытие

    [ редактировать ]

    В условиях открытия цель состоит в том, чтобы идентифицировать и описать популяции клеток, коррелирующие с внешней переменной (в отличие от настройки диагностики, цель которой состоит в том, чтобы объединить прогностическую силу нескольких типов клеток для максимизации точности результатов). Подобно варианту использования в диагностике, сопоставление кластеров в многомерном пространстве можно использовать для исследовательского анализа, но описательная сила этого подхода очень ограничена, поскольку трудно охарактеризовать и визуализировать популяцию клеток в многомерном пространстве без сначала уменьшив размерность. [56] [58] Наконец, комбинаторные подходы к стробированию оказались особенно успешными при исследовательском анализе данных FCM. Упрощенное представление невероятно сложных оценок (SPICE) — это пакет программного обеспечения, который может использовать функцию шлюзования FlowJo для статистической оценки широкого спектра различных популяций клеток и визуализации тех, которые коррелируют с внешним результатом. flowType и RchyOptimyx (как обсуждалось выше) расширяют этот метод, добавляя возможность изучения влияния независимых маркеров на общую корреляцию с внешним результатом. Это позволяет удалить ненужные маркеры и обеспечивает простую визуализацию всех идентифицированных типов клеток. В недавнем анализе большой (n=466) когорты ВИЧ-положительных пациентов этот портфель выявил три коррелята защиты от ВИЧ, только один из которых был ранее выявлен посредством обширного ручного анализа того же набора данных. [53]

    Форматы данных и обмен

    [ редактировать ]

    Стандарт проточной цитометрии

    [ редактировать ]
    Основная статья: Стандарт проточной цитометрии

    Стандарт проточной цитометрии (FCS) был разработан в 1984 году, чтобы обеспечить возможность записи и обмена данными проточной цитометрии. [59] С тех пор FCS стал стандартным форматом файлов , поддерживаемым всеми поставщиками программного и аппаратного обеспечения для проточной цитометрии. Спецификация FCS традиционно разрабатывается и поддерживается Международным обществом развития цитометрии (ISAC). [60] За прошедшие годы были включены обновления для адаптации к технологическим достижениям как в области проточной цитометрии, так и в вычислительных технологиях: FCS 2.0, представленная в 1990 году. [61] ФКС 3.0 в 1997 году, [62] и самая последняя спецификация FCS 3.1 в 2010 году. [63] Раньше FCS был единственным широко распространенным форматом файлов в проточной цитометрии. Недавно ISAC разработал дополнительные стандартные форматы файлов.

    netCDF

    [ редактировать ]

    ISAC рассматривает возможность замены FCS версией формата файлов Network Common Data Form (netCDF), предназначенной для проточной цитометрии. [64] netCDF — это набор свободно доступных программных библиотек и машинно-независимых форматов данных, которые поддерживают создание, доступ и обмен научными данными, ориентированными на массивы. В 2008 году ISAC разработал первую версию соглашений netCDF для хранения необработанных данных проточной цитометрии. [65]

    Стандарт архивной цитометрии (ACS)

    [ редактировать ]

    Стандарт архивной цитометрии (ACS) разрабатывается для объединения данных с различными компонентами, описывающими цитометрические эксперименты. [66] Он фиксирует связи между данными, метаданными, файлами анализа и другими компонентами, а также включает поддержку журналов аудита, управления версиями и цифровых подписей. Контейнер ACS основан на формате файла ZIP с оглавлением на основе XML , определяющим отношения между файлами в контейнере. Рекомендация по XML-подписям W3C была принята для обеспечения возможности использования цифровых подписей компонентов внутри контейнера ACS.Первоначальный проект ACS был разработан в 2007 году и завершен в 2010 году. С тех пор поддержка ACS была реализована в нескольких программных инструментах, включая FlowJo и Cytobank.

    Гейттинг-МЛ

    [ редактировать ]

    Отсутствие совместимости стробирования традиционно было узким местом, препятствующим воспроизводимости анализа данных проточной цитометрии и использованию нескольких аналитических инструментов. Чтобы устранить этот недостаток, ISAC разработал Gating-ML, механизм на основе XML для формального описания шлюзов и связанных с ними преобразований данных (масштабирования). [10] Предварительная рекомендательная версия Gating-ML была одобрена ISAC в 2008 году и частично поддерживается такими инструментами, как FlowJo, flowUtils, библиотеки CytoML в R/BioConductor и FlowRepository. [66] Он поддерживает прямоугольные и многоугольные элементы, выпуклые многогранники, эллипсоиды, деревья решений и логические коллекции любых других типов элементов. Кроме того, он включает в себя десятки встроенных общедоступных преобразований, которые оказались потенциально полезными для отображения или анализа данных цитометрии. В 2013 году версия 2.0 Gating-ML была одобрена Целевой группой по стандартам данных ISAC в качестве рекомендации. Эта новая версия предлагает немного меньшую гибкость с точки зрения возможностей описания стробирования; однако его также значительно проще реализовать в программных инструментах. [11]

    Результаты классификации (CLR)

    [ редактировать ]

    Формат файла результатов классификации (CLR) [67] был разработан для стандартного обмена результатами ручного стробирования и алгоритмической классификации, чтобы иметь возможность сообщать и обрабатывать классификацию. CLR основан на широко поддерживаемом формате файла CSV со столбцами, соответствующими различным классам, и значениями ячеек, содержащими вероятность того, что событие является членом определенного класса. Они фиксируются как значения от 0 до 1. Простота формата и его совместимость с обычными инструментами для работы с электронными таблицами были основными требованиями, определявшими разработку спецификации. Хотя изначально он был разработан для области проточной цитометрии, он применим в любой области, где необходимо получить либо нечеткую, либо однозначную классификацию практически любых типов объектов.

    Публичные данные и программное обеспечение

    [ редактировать ]

    Как и в других областях биоинформатики, разработка новых методов в основном приняла форму бесплатного программного обеспечения с открытым исходным кодом , и было создано несколько баз данных для хранения открытых данных .

    Автоворота

    [ редактировать ]

    Автоворота [68] выполняет компенсацию, стробирование, предварительный просмотр кластеров, исчерпывающее проецирование (EPP), многомерное масштабирование и фенограмму, создает визуальную дендограмму для выражения готовности HiD. Он бесплатен для исследователей и врачей в академических, государственных и некоммерческих учреждениях.

    Биопроводник

    [ редактировать ]
    Основная статья: Биопроводник

    Проект Bioconductor представляет собой репозиторий бесплатного программного обеспечения с открытым исходным кодом, написанного в основном на языке программирования R. [69] По состоянию на июль 2013 года Bioconductor содержал 21 пакет программного обеспечения для обработки данных проточной цитометрии. [70] Эти пакеты охватывают большую часть функциональности, описанной ранее в этой статье.

    Генный шаблон

    [ редактировать ]
    Основная статья: GenePattern

    GenePattern — это платформа преимущественно геномного анализа, включающая более 200 инструментов для анализа экспрессии генов, протеомики и других данных. Веб-интерфейс обеспечивает легкий доступ к этим инструментам и позволяет создавать автоматизированные конвейеры анализа, обеспечивающие воспроизводимые исследования. Недавно был разработан пакет проточной цитометрии GenePattern, призванный предоставить передовые инструменты анализа данных проточной цитометрии экспериментаторам без навыков программирования. Он содержит около 40 модулей проточной цитометрии GenePattern с открытым исходным кодом, охватывающих методы от базовой обработки файлов стандартов проточной цитометрии (т. е. FCS) до продвинутых алгоритмов для автоматической идентификации клеточных популяций, нормализации и оценки качества. Внутри большинство этих модулей используют функциональные возможности, разработанные в BioConductor.

    Большая часть функций пакетов Bioconductor для анализа проточной цитометрии была упакована для использования с GenePattern. [71] система рабочего процесса в виде пакета проточной цитометрии GenePattern. [72]

    ФАКСАНАДУ

    [ редактировать ]

    ФАКСАНАДУ [73] это портативное приложение с открытым исходным кодом для визуализации и анализа данных FCS. В отличие от Bioconductor, это интерактивная программа, предназначенная для непрограммистов для рутинного анализа. Он поддерживает стандартные файлы FCS, а также данные профиля COPAS.

    hema.to

    [ редактировать ]

    hema.to — это веб-сервис для классификации данных проточной цитометрии пациентов с подозрением на лимфому. [74] Искусственный интеллект в инструменте использует глубокую сверточную нейронную сеть для распознавания шаблонов различных подтипов. Все данные и код находятся в открытом доступе. [75] Он обрабатывает необработанные данные, что делает ненужным стробирование. Для достижения наилучшей производительности при работе с новыми данными требуется точная настройка путем передачи знаний. [76]

    Публичные базы данных

    [ редактировать ]

    Минимальная информация об эксперименте по проточной цитометрии (MIFlowCyt) требует, чтобы любые данные проточной цитометрии, используемые в публикации, были доступны, хотя это не включает требование о их размещении в общедоступной базе данных. [77] Таким образом, хотя журналы Cytometry Part A и B, а также все журналы Nature Publishing Group требуют соответствия MIFlowCyt, общедоступных данных проточной цитометрии по-прежнему относительно мало.Однако были предприняты некоторые усилия по созданию общедоступных баз данных.

    Во-первых, CytoBank, представляющий собой полноценную веб-платформу для хранения и анализа данных проточной цитометрии, стал доступен общественности в ограниченной форме. [78] На базе кодовой базы CytoBank в 2012 году при поддержке ISAC был разработан FlowRepository, ставший общедоступным хранилищем данных проточной цитометрии. [79] FlowRepository обеспечивает соответствие требованиям MIFlowCyt, [80] и по состоянию на июль 2013 года содержал 65 общедоступных наборов данных. [81]

    Наборы данных

    [ редактировать ]

    В 2012 году сообщество проточной цитометрии начало публиковать набор общедоступных наборов данных. Подмножество этих наборов данных, отражающее существующие проблемы анализа данных, описано ниже. Для сравнения с ручным контролем в проекте FlowCAP-I было выпущено пять наборов данных, которые были закрыты вручную аналитиками, а два из них — восемью независимыми аналитиками. [26] Проект FlowCAP-II включал три набора данных для двоичной классификации, а также сообщил о нескольких алгоритмах, которые смогли идеально классифицировать эти образцы. FlowCAP-III включал два больших набора данных для сравнения с ручными воротами, а также еще один сложный набор данных для классификации образцов. По состоянию на март 2013 года публичный выпуск FlowCAP-III все еще находился в стадии разработки. [82] Наборы данных, используемые в FlowCAP-I, II и III, имеют небольшое количество субъектов или параметров. Однако недавно было опубликовано несколько более сложных наборов клинических данных, включая набор данных о 466 ВИЧ-инфицированных субъектах, который предоставляет как анализ 14 параметров, так и достаточную клиническую информацию для анализа выживаемости. [54] [83] [84] [85]

    Другой класс наборов данных — это масс-цитометрические анализы более высокой размерности. Представителем этого класса наборов данных является исследование, включающее анализ двух образцов костного мозга с использованием более 30 поверхностных или внутриклеточных маркеров при широком диапазоне различных стимуляций. [8] Необработанные данные для этого набора данных общедоступны, как описано в рукописи, а ручной анализ поверхностных маркеров доступен по запросу авторов.

    Открытые проблемы

    [ редактировать ]

    Несмотря на быстрое развитие в области биоинформатики проточной цитометрии, еще предстоит решить ряд проблем.

    Вариативность экспериментов с проточной цитометрией возникает из-за биологических различий между образцами, технических различий между используемыми инструментами, а также методов анализа.В 2010 году группа исследователей из Стэнфордского университета и Национальных институтов здравоохранения отметила, что, хотя технические различия можно уменьшить за счет стандартизации обработки проб, настройки инструментов и выбора реагентов, решение проблемы вариаций в методах анализа потребует аналогичной стандартизации и автоматизации вычислений. методы ворот. [86] Они также высказали мнение, что централизация данных и анализа может помочь уменьшить вариативность между экспериментами и сравнить результаты. [86]

    Это поддержала другая группа исследователей из Pacific Biosciences и Стэнфордского университета, которые предположили, что облачные вычисления могут обеспечить централизованный, стандартизированный и высокопроизводительный анализ экспериментов по проточной цитометрии. [87] Они также подчеркнули, что продолжающаяся разработка и внедрение стандартных форматов данных может и дальше способствовать снижению вариативности в ходе экспериментов. [87] Они также предположили, что потребуются новые методы для моделирования и обобщения результатов высокопроизводительного анализа таким образом, чтобы их могли интерпретировать биологи. [87] а также способы интеграции крупномасштабных данных проточной цитометрии с другой высокопроизводительной биологической информацией, такой как экспрессия генов , генетические вариации , уровни метаболитов и болезненные состояния. [87]

    См. также

    [ редактировать ]

    Ссылки

    [ редактировать ]

    Эта статья была адаптирована из следующего источника под лицензией CC BY 4.0 ( 2013 г. ) ( отчеты рецензента ): Киран О'Нил; Нима Агаипур; Йозеф Спидлен; Райан Бринкман (5 декабря 2013 г.). «Биоинформатика проточной цитометрии» . PLOS Вычислительная биология . 9 (12): e1003365. doi : 10.1371/JOURNAL.PCBI.1003365 . ISSN   1553-734X . ПМЦ   3867282 . ПМИД   24363631 . Викиданные   Q21045422 .

    1. ^ Брандо, Б.; Барнетт, Д.; Яносси, Г.; Мэнди, Ф.; Отран, Б.; Роте, Г.; Скарпати, Б.; д'Аванзо, Г.; д'Окур, JL; Ленкей, Р.; Шмитц, Г.; Кункль, А.; Кьянезе, Р.; Папа, С.; Гратама, JW (2000). «Цитофлуориметрические методы оценки абсолютного количества субпопуляций клеток в крови» . Цитометрия . 42 (6): 327–346. doi : 10.1002/1097-0320(20001215)42:6<327::AID-CYTO1000>3.0.CO;2-F . ПМИД   11135287 . S2CID   13492197 .
    2. ^ Феррейра-Фасио, CS; Милито, К.; Ботафого, В.; Фонтана, М.; Тьяго, Л.С.; Оливейра, Э.; Да Роша-Фильо, AS; Вернек, Ф.; Форни, Д.Н.; Декермахер, С.; Де Азамбуджа, AP; Ферман, SE; Де Фариа, ПАНС; Земля, МГП; Орфао, А.; Коста, ЕС (2013). Азиз, Сайед А. (ред.). «Вклад многопараметрического иммунофенотипирования проточной цитометрии в диагностический скрининг и классификацию детского рака» . ПЛОС ОДИН . 8 (3): e55534. Бибкод : 2013PLoSO...855534F . дои : 10.1371/journal.pone.0055534 . ПМЦ   3589426 . ПМИД   23472067 .
    3. ^ Ву, Д.; Вуд, БЛ; Фромм, младший (2013). «Проточная цитометрия неходжкинской и классической лимфомы Ходжкина». Лимфома . Методы молекулярной биологии. Том. 971. стр. 27–47. дои : 10.1007/978-1-62703-269-8_2 . ISBN  978-1-62703-268-1 . ПМИД   23296956 .
    4. ^ Ван, Ю.; Хаммес, Ф.; Де Рой, К.; Верстраете, В.; Бун, Н. (2010). «Прошлое, настоящее и будущее применение проточной цитометрии в водной микробиологии» . Тенденции в биотехнологии . 28 (8): 416–424. дои : 10.1016/j.tibtech.2010.04.006 . ПМИД   20541271 .
    5. ^ Джонсон, Луизиана; Флук, JP; Смотри, М.В.; Пинкель, Д. (1987). «Поточная сортировка сперматозоидов, несущих X и Y-хромосомы, на две популяции». Исследование гамет . 16 (1): 1–9. дои : 10.1002/mrd.1120160102 . ПМИД   3506896 .
    6. ^ Баерлохер, генеральный директор; Вулто, И.; Де Йонг, Г.; Лансдорп, премьер-министр (2006). «Проточная цитометрия и FISH для измерения средней длины теломер (проточная FISH)». Протоколы природы . 1 (5): 2365–2376. дои : 10.1038/nprot.2006.263 . ПМИД   17406480 . S2CID   20463557 .
    7. ^ Jump up to: а б Чаттопадхьяй, ПК; Хогеркорп, CM; Редерер, М. (2008). «Хроматический взрыв: развитие и будущее многопараметрической проточной цитометрии» . Иммунология . 125 (4): 441–449. дои : 10.1111/j.1365-2567.2008.02989.x . ПМК   2612557 . ПМИД   19137647 .
    8. ^ Jump up to: а б Бехбехани, ГК; Бендалл, Южная Каролина; Беспорядок, MR; Фантл, WJ; Нолан, врач общей практики (2012). «Одноклеточная массовая цитометрия, адаптированная к измерениям клеточного цикла» . Цитометрия Часть А. 81А (7): 552–566. doi : 10.1002/cyto.a.22075 . ПМЦ   3667754 . ПМИД   22693166 .
    9. ^ Уайт, АК; Ванинсберг, М.; Петрив О.И.; Хамиди, М.; Сикорский, Д.; Марра, Массачусетс; Пирет, Дж.; Апарисио, С.; Хансен, CL (2011). «Высокопроизводительная микрофлюидная одноклеточная RT-qPCR» . Труды Национальной академии наук . 108 (34): 13999–14004. Бибкод : 2011PNAS..10813999W . дои : 10.1073/pnas.1019446108 . ПМК   3161570 . ПМИД   21808033 .
    10. ^ Jump up to: а б Спидлен, Дж.; Лейф, RC; Мур, В.; Редерер, М.; Бринкман, Р.Р.; Бринкман, Р.Р. (2008). «Gating-ML: описания гейтирования на основе XML в проточной цитометрии» . Цитометрия Часть А. 73А (12): 1151–1157. doi : 10.1002/cyto.a.20637 . ПМК   2585156 . ПМИД   18773465 .
    11. ^ Jump up to: а б Gating-ML 2.0 (PDF) (Отчет). Международное общество развития цитометрии. 2013.
    12. ^ Jump up to: а б с Редерер, М. (2002). Дж. Пол Робинсон (ред.). Компенсация в проточной цитометрии . Современные протоколы цитометрии. Том. 22. С. 1.14.1–1.14.20. дои : 10.1002/0471142956.cy0114s22 . ISBN  978-0471142959 . ПМИД   18770762 . S2CID   7256386 .
    13. ^ Бэгвелл, CB; Адамс, Э.Г. (1993). «Компенсация спектрального перекрытия флуоресценции для любого количества параметров проточной цитометрии». Анналы Нью-Йоркской академии наук . 677 (1): 167–184. Бибкод : 1993NYASA.677..167B . дои : 10.1111/j.1749-6632.1993.tb38775.x . ПМИД   8494206 . S2CID   26763280 .
    14. ^ Хане, Ф.; Лемер, Н.; Бринкман, Р.Р.; Эллис, Б.; Хааланд, П.; Саркар, Д.; Спидлен, Дж.; Штейн, Э.; Джентльмен, Р. (2009). «FlowCore: пакет Bioconductor для высокопроизводительной проточной цитометрии» . БМК Биоинформатика . 10 :106. дои : 10.1186/1471-2105-10-106 . ПМЦ   2684747 . ПМИД   19358741 .
    15. ^ Шапиро, Ховард М. (2003). Практическая проточная цитометрия . Нью-Йорк: Вили-Лисс. п. 235. ИСБН  978-0-471-41125-3 .
    16. ^ Jump up to: а б с Паркс Д.Р., Редерер М., Мур В.А. (2006). «Новый метод отображения «Logicle» позволяет избежать обманчивого эффекта логарифмического масштабирования для слабых сигналов и компенсированных данных». Цитометрия Часть А. 69 (6): 541–51. doi : 10.1002/cyto.a.20258 . ПМИД   16604519 . S2CID   8012792 .
    17. ^ Jump up to: а б Финак, Г.; Перес, Дж. М.; Венг, А.; Готтардо, Р. (2010). «Оптимизация преобразований для автоматизированного высокопроизводительного анализа данных проточной цитометрии» . БМК Биоинформатика . 11 : 546. дои : 10.1186/1471-2105-11-546 . ПМК   3243046 . ПМИД   21050468 .
    18. ^ Мур, Вашингтон; Паркс, ДР (2012). «Обновление логической шкалы данных, включая реализации рабочего кода» . Цитометрия Часть А. 81А (4): 273–277. doi : 10.1002/cyto.a.22030 . ПМЦ   4761345 . ПМИД   22411901 .
    19. ^ Бэгвелл, CB (2005). «Гиперлог? Гибкое логарифмическое преобразование для данных с отрицательными, нулевыми и положительными значениями» . Цитометрия Часть А. 64А (1): 34–42. doi : 10.1002/cyto.a.20114 . ПМИД   15700280 . S2CID   13705174 .
    20. ^ Ло, К.; Бринкман, Р.Р.; Готтардо, Р. (2008). «Автоматическое гейтирование данных проточной цитометрии с помощью надежной кластеризации на основе моделей» . Цитометрия Часть А. 73А (4): 321–332. doi : 10.1002/cyto.a.20531 . ПМИД   18307272 . S2CID   2943705 .
    21. ^ Цянь, Ю.; Лю, Ю.; Кэмпбелл, Дж.; Томсон, Э.; Конг, Ю.М.; Шойерманн, Р.Х. (2012). «FCSTrans: система программного обеспечения с открытым исходным кодом для преобразования файлов FCS и преобразования данных» . Цитометрия Часть А. 81А (5): 353–356. doi : 10.1002/cyto.a.22037 . ПМЦ   3932304 . ПМИД   22431383 .
    22. ^ Jump up to: а б Ле Мёр, Н.; Россини, А.; Гаспаретто, М.; Смит, К.; Бринкман, Р.Р.; Джентльмен, Р. (2007). «Оценка качества данных неконтролируемой проточной цитометрии в экспериментах с высокой пропускной способностью» . Цитометрия Часть А. 71А (6): 393–403. doi : 10.1002/cyto.a.20396 . ПМК   2768034 . ПМИД   17366638 .
    23. ^ Jump up to: а б с Роджерс, WT; Мозер, Арканзас; Холист, штат Ха; Бантли, А.; Молер, скорая помощь; Скангас, Г.; Мур, Дж. С. (2008). «Цитометрический отпечаток пальца: Количественная характеристика многомерных распределений» . Цитометрия Часть А. 73А (5): 430–441. doi : 10.1002/cyto.a.20545 . ПМИД   18383310 . S2CID   23555926 .
    24. ^ Jump up to: а б Хане, Ф.; Ходабахши, АХ; Башашати, А.; Вонг, CJ; Гаскойн, РД; Венг, АП; Сейферт-Марголис, В.; Бурсье, К.; Асаре, А.; Ламли, Т.; Джентльмен, Р.; Бринкман, Р.Р. (2009). «Поканальные методы нормализации данных проточной цитометрии» . Цитометрия Часть А. 77 (2): 121–131. doi : 10.1002/cyto.a.20823 . ПМК   3648208 . ПМИД   19899135 .
    25. ^ «Пакет CLUE» . Проверено 15 февраля 2013 г.
    26. ^ Jump up to: а б с д Агаипур, Н.; Финак, Г.; Флоукэп, Д.; Мечта, АХ; Хоос, П.; Мосманн, Г.; Бринкман, Дж.; Готтардо, И.; Шойерманн, SA; Брэмсон, Дж.; Ивз, К.; Венг, АП; III, ЕСФ; Хо, К.; Коллманн, Т.; Роджерс, В.; Де Роза, С.; Далал, Б.; Азад, А.; Потен, А.; Брандес, А.; Бретшнайдер, Х.; Бруггнер, Р.; Финк, Р.; Цзя, Р.; Циммерман, Н.; Линдерман, М.; Дилл, Д.; Нолан, Г.; Чан, К. (2013). «Критическая оценка методов анализа данных автоматизированной проточной цитометрии» . Природные методы . 10 (3): 228–238. дои : 10.1038/nmeth.2365 . ПМК   3906045 . ПМИД   23396282 .
    27. ^ Лугли, Э.; Редерер, М.; Коссарица, А. (2010). «Анализ данных в проточной цитометрии: будущее только началось» . Цитометрия Часть А. 77А (7): 705–713. doi : 10.1002/cyto.a.20901 . ПМК   2909632 . ПМИД   20583274 .
    28. ^ Jump up to: а б «ФлоуДжо» . Архивировано из оригинала 3 мая 2013 г. Проверено 5 апреля 2013 г.
    29. ^ «ФКС Экспресс» . Проверено 3 апреля 2013 г.
    30. ^ «Страница программного обеспечения для цитометрии TSRI» . Архивировано из оригинала 19 ноября 1996 г. Проверено 3 сентября 2009 г.
    31. ^ «ЦитоПейнт Классик» . Архивировано из оригинала 29 декабря 2017 г. Проверено 5 апреля 2013 г.
    32. ^ «Страница программного обеспечения для цитометрии PUCL» . Проверено 7 июля 2011 г.
    33. ^ «Бекман Коултер» . Проверено 10 февраля 2013 г.
    34. ^ Бендалл, Южная Каролина; Нолан, врач общей практики (2012). «От одиночных клеток к глубоким фенотипам рака». Природная биотехнология . 30 (7): 639–647. дои : 10.1038/nbt.2283 . ПМИД   22781693 . S2CID   163651 .
    35. ^ Мекер, ХТ; Ринфрет, А.; д'Суза, П.; Дарден, Дж.; Ройг, Э.; Лэндри, К.; Хейс, П.; Бирунги, Дж.; Анзала, О.; Гарсия, М.; Харари, А.; Фрэнк, И.; Байдо, Р.; Бейкер, М.; Холбрук, Дж.; Оттингер, Дж.; Ламоро, Л.; Эплинг, КЛ; Синклер, Э.; Суни, Массачусетс; Пунт, К.; Каларота, С.; Эль-Бахи, С.; Альтер, Г.; Майла, Х.; Кута, Э.; Кокс, Дж.; Грей, К.; Альтфельд, М.; Нугаред, Н. (2005). «Стандартизация методов проточной цитометрии цитокинов» . БМК Иммунология . 6:13 . дои : 10.1186/1471-2172-6-13 . ПМЦ   1184077 . ПМИД   15978127 .
    36. ^ Дева, ПФ; Гиббс, Дж.Дж. (2011). «Проточная цитометрия в клинической патологии» . Анналы клинической биохимии . 49 (Часть 1): 17–28. дои : 10.1258/acb.2011.011128 . ПМИД   22028426 .
    37. ^ Коста, ES; Педрейра, CE; Баррена, С.; Лекревис, К.; Флорес, Дж.; Кихано, С.; Алмейда, Дж.; Дель Кармен Гарсиа-Масиас, М.; Ботчер, С.; Ван Донген, JJM; Орфао, А. (2010). «Автоматизированный анализ главных компонентов на основе шаблонов и экспертная иммунофенотипическая классификация В-клеточных хронических лимфопролиферативных заболеваний: шаг вперед в стандартизации клинического иммунофенотипирования» . Лейкемия . 24 (11): 1927–1933. дои : 10.1038/leu.2010.160 . ПМК   3035971 . ПМИД   20844562 .
    38. ^ Цю, П.; Саймондс, Э.Ф.; Бендалл, Южная Каролина; Гиббс-младший, К.Д.; Бруггнер, Р.В.; Линдерман, доктор медицины; Сакс, К.; Нолан, врач общей практики; Плеврит, СК (2011). «Извлечение клеточной иерархии из данных многомерной цитометрии с помощью SPADE» . Природная биотехнология . 29 (10): 886–891. дои : 10.1038/nbt.1991 . ПМК   3196363 . ПМИД   21964415 .
    39. ^ «Панель инструментов Matlab для уменьшения размерности» . Проверено 10 февраля 2013 г.
    40. ^ Бендалл, Южная Каролина; Саймондс, Э.Ф.; Цю, П.; Амир, Э.-А.Д.; Круцик, П.О.; Финк, Р.; Бруггнер, Р.В.; Меламед Р.; Трехо, А.; Орнатский О.И.; Бальдерас, РС; Плевритис, СК; Сакс, К.; Пе'Эр, Д.; Таннер, SD; Нолан, врач общей практики (2011). «Одноклеточная массовая цитометрия дифференциальных иммунных реакций и реакций на лекарства в кроветворном континууме человека» . Наука . 332 (6030): 687–696. Бибкод : 2011Sci...332..687B . дои : 10.1126/science.1198704 . ПМЦ   3273988 . ПМИД   21551058 .
    41. ^ Ло, К.; Хане, Ф.; Бринкман, Р.Р.; Готтардо, Р. (2009). «FlowClust: пакет Bioconductor для автоматического получения данных проточной цитометрии» . БМК Биоинформатика . 10 :145. дои : 10.1186/1471-2105-10-145 . ПМК   2701419 . ПМИД   19442304 .
    42. ^ Пайн, С.; Ху, Х.; Ван, К.; Россин, Э.; Лин, Т. -И.; Майер, Л.М.; Бэчер-Аллан, К.; Маклахлан, Дж.Дж.; Тамайо, П.; Хафлер, Д.А.; Де Ягер, Польша; Месиров, Дж. П. (2009). «Автоматизированный многомерный анализ данных проточной цитометрии» . Труды Национальной академии наук . 106 (21): 8519–8524. Бибкод : 2009PNAS..106.8519P . дои : 10.1073/pnas.0903028106 . ПМЦ   2682540 . ПМИД   19443687 .
    43. ^ Цянь, Ю.; Вэй, К.; Ын-Хён Ли, Ф.; Кэмпбелл, Дж.; Халлили, Дж.; Ли, Дж.А.; Кай, Дж.; Конг, Ю.М.; Садат, Э.; Томсон, Э.; Данн, П.; Сигмиллер, AC; Карандикар, Нью-Джерси; Типтон, CM; Мосманн, Т.; Санс, Айова; Шойерманн, Р.Х. (2010). «Выявление семнадцати субпопуляций B-клеток периферической крови человека и количественная оценка реакции на столбняк с использованием метода на основе плотности для автоматической идентификации популяций клеток в данных многомерной проточной цитометрии» . Цитометрия Часть B. 78Б (Приложение 1): S69–S82. дои : 10.1002/cyto.b.20554 . ПМК   3084630 . ПМИД   20839340 .
    44. ^ Заре, Х.; Шуштари, П.; Гупта, А.; Бринкман, Р.Р. (2010). «Сокращение данных для спектральной кластеризации для анализа данных высокопроизводительной проточной цитометрии» . БМК Биоинформатика . 11 : 403. дои : 10.1186/1471-2105-11-403 . ПМЦ   2923634 . ПМИД   20667133 .
    45. ^ Агаипур, Н.; Николич, Р.; Хоос, ХХ; Бринкман, Р.Р. (2011). «Быстрая идентификация клеточной популяции по данным проточной цитометрии» . Цитометрия Часть А. 79А (1): 6–13. дои : 10.1002/cyto.a.21007 . ПМК   3137288 . ПМИД   21182178 .
    46. ^ Ге, Ю.; Силфон, Южная Каролина (2012). «FlowPeaks: быстрая неконтролируемая кластеризация данных проточной цитометрии с помощью K-средних и поиска пиков плотности» . Биоинформатика . 28 (15): 2052–2058. doi : 10.1093/биоинформатика/bts300 . ПМК   3400953 . ПМИД   22595209 .
    47. ^ Вебер, Лукас; Робинсон, Марк. «Сравнение методов кластеризации для крупномерных данных одноклеточной проточной и массовой цитометрии». bioRxiv   10.1101/047613 .
    48. ^ Честер, К. (2015). «Алгоритмические инструменты для анализа данных многомерной цитометрии» . Журнал иммунологии . 195 (3): 773–779. doi : 10.4049/jimmunol.1500633 . ПМЦ   4507289 . ПМИД   26188071 .
    49. ^ Диггинс, Кентукки (2015). «Методы обнаружения и характеристики подмножеств клеток в данных многомерной масс-цитометрии» . Методы . 82 : 55–63. дои : 10.1016/j.ymeth.2015.05.008 . ПМК   4468028 . ПМИД   25979346 .
    50. ^ Виви, К. (2015). «Сравнение эффективности методов биомедицинской кластеризации». Природные методы . 12 (11): 1033–1038. дои : 10.1038/nmeth.3583 . ПМИД   26389570 . S2CID   8960399 .
    51. ^ Jump up to: а б Редерер, М.; Трейстер, А.; Мур, В.; Герценберг, Луизиана (2001). «Сравнение вероятностей: метрика для количественной оценки различий одномерного распределения» . Цитометрия . 45 (1): 37–46. doi : 10.1002/1097-0320(20010901)45:1<37::AID-CYTO1142>3.0.CO;2-E . ПМИД   11598945 .
    52. ^ Редерер, М.; Харди, Р.Р. (2001). «Собирование разности частот: многомерный метод выявления подмножеств, которые различаются между выборками» . Цитометрия . 45 (1): 56–64. doi : 10.1002/1097-0320(20010901)45:1<56::AID-CYTO1144>3.0.CO;2-9 . ПМИД   11598947 .
    53. ^ Jump up to: а б с Агаипур, Н.; Чаттопадхьяй, ПК; Ганесан, А.; О'Нил, К.; Заре, Х.; Джалали, А.; Хоос, ХХ; Редерер, М.; Бринкман, Р.Р. (2012). «Ранние иммунологические корреляты защиты от ВИЧ могут быть идентифицированы с помощью компьютерного анализа сложных многомерных анализов проточной цитометрии Т-клеток» . Биоинформатика . 28 (7): 1009–1016. doi : 10.1093/биоинформатика/bts082 . ПМЦ   3315712 . ПМИД   22383736 .
    54. ^ Jump up to: а б с Агаипур, Н.; Джалали, А.; О'Нил, К.; Чаттопадхьяй, ПК; Редерер, М.; Хоос, ХХ; Бринкман, Р.Р. (2012). «RchyOptimyx: оптимизация клеточной иерархии для проточной цитометрии» . Цитометрия Часть А. 81А (12): 1022–1030. doi : 10.1002/cyto.a.22209 . ПМЦ   3726344 . ПМИД   23044634 .
    55. ^ Заре, Х.; Башашати, А.; Кридель, Р.; Агаипур, Н.; Хаффари, Г.; Коннорс, Дж. М.; Гаскойн, РД; Гупта, А.; Бринкман, Р.Р.; Венг, АП (2011). «Автоматизированный анализ данных многомерной проточной цитометрии повышает точность диагностики лимфомы из мантийных клеток и мелкой лимфоцитарной лимфомы» . Американский журнал клинической патологии . 137 (1): 75–85. doi : 10.1309/AJCPMMLQ67YOMGEW . ПМК   4090220 . ПМИД   22180480 .
    56. ^ Jump up to: а б Цю, П. (2012). Мааян, Ави (ред.). «Вывод о фенотипических свойствах на основе характеристик одиночных клеток» . ПЛОС ОДИН . 7 (5): e37038. Бибкод : 2012PLoSO...737038Q . дои : 10.1371/journal.pone.0037038 . ПМК   3360688 . ПМИД   22662133 .
    57. ^ Боденмиллер, Б.; Зундер, ER; Финк, Р.; Чен, Ти Джей; Сэвиг, ЕС; Бруггнер, Р.В.; Саймондс, Э.Ф.; Бендалл, Южная Каролина; Сакс, К.; Круцик, П.О.; Нолан, врач общей практики (2012). «Мультиплексная масс-цитометрия профилирования клеточных состояний, нарушаемых низкомолекулярными регуляторами» . Природная биотехнология . 30 (9): 858–867. дои : 10.1038/nbt.2317 . ПМЦ   3627543 . ПМИД   22902532 .
    58. ^ Башашати, А.; Джонсон, Северная Каролина; Ходабахши, АХ; Уайтсайд, доктор медицины; Заре, Х.; Скотт, Д.В.; Ло, К.; Готтардо, Р.; Бринкман, FSL; Коннорс, Дж. М.; Слэк, GW; Гаскойн, РД; Венг, АП; Бринкман, Р.Р. (2012). «В-клетки с высоким параметром бокового рассеяния по данным проточной цитометрии коррелируют с меньшей выживаемостью при диффузной крупной В-клеточной лимфоме» . Американский журнал клинической патологии . 137 (5): 805–814. дои : 10.1309/AJCPGR8BG4JDVOWR . ПМК   3718075 . ПМИД   22523221 .
    59. ^ Мерфи, РФ; Чусед, ТМ (1984). «Предложение по стандарту файлов данных проточной цитометрии» . Цитометрия . 5 (5): 553–555. дои : 10.1002/cyto.990050521 . ПМИД   6489069 .
    60. ^ «Международное общество развития цитометрии» . Проверено 5 марта 2013 г.
    61. ^ Дин, ПН; Бэгвелл, CB; Линдмо, Т.; Мерфи, РФ; Зальцман, GC (1990). «Введение в стандарт файлов данных проточной цитометрии» . Цитометрия . 11 (3): 321–322. дои : 10.1002/cyto.990110302 . ПМИД   2340768 .
    62. ^ Симер, LC; Бэгвелл, CB; Барден, Л.; Редельман, Д.; Зальцман, ГК; Вуд, JCS; Мерфи, РФ (1997). «Предлагаемый новый стандарт файлов данных для проточной цитометрии, версия FCS 3.0» . Цитометрия . 28 (2): 118–122. doi : 10.1002/(SICI)1097-0320(19970601)28:2<118::AID-CYTO3>3.0.CO;2-B . ПМИД   9181300 .
    63. ^ Спидлен, Дж.; Мур, В.; Паркс, Д.; Гольдберг, М.; Брей, К.; Бьер, П.; Горомбей, П.; Хён, Б.; Хаббард, М.; Ланге, С.; Лефевр, Р.; Лейф, Р.; Ново, Д.; Острушка, Л.; Трейстер, А.; Вуд, Дж.; Мерфи, РФ; Редерер, М.; Судар, Д.; Зигон, Р.; Бринкман, Р.Р. (2009). «Стандарт файлов данных для проточной цитометрии, версия FCS 3.1» . Цитометрия Часть А. 77 (1): 97–100. doi : 10.1002/cyto.a.20825 . ПМЦ   2892967 . ПМИД   19937951 .
    64. ^ Роберт К. Лейф, Йозеф Спидлен, Райан Р. Бринкман (2008). «Континуум стандартов цитометрии» (PDF) . В Фаркасе, Дэниел Л.; Николау, Дэн В.; Лейф, Роберт С. (ред.). Визуализация, манипулирование и анализ биомолекул, клеток и тканей VI . Том. 6859. с. 17. Бибкод : 2008SPIE.6859E..17L . CiteSeerX   10.1.1.397.3647 . дои : 10.1117/12.762514 . S2CID   62650477 . {{cite book}}: |journal= игнорируется ( справка ) CS1 maint: несколько имен: список авторов ( ссылка )
    65. ^ Международное общество развития цитометрии (2008). Стандарт аналитической цитометрии NetCDF Соглашения для компонента файла двоичных данных режима списка
    66. ^ Jump up to: а б Спидлен, Дж.; Шуштари, П.; Коллманн, ТР; Бринкман, Р.Р. (2011). «Стандарты данных проточной цитометрии» . Исследовательские заметки BMC . 4:50 . дои : 10.1186/1756-0500-4-50 . ПМК   3060130 . ПМИД   21385382 .
    67. ^ Формат файла результатов классификации (PDF) (отчет). Международное общество развития цитометрии. 2012.
    68. ^ «CytoGenie — Домашняя страница программного обеспечения AutoGate» . CytoGenie.org . Лаборатория Герценберга в Стэнфордском университете . Проверено 14 января 2020 г.
    69. ^ Джентльмен, RC; Кэри, виджей; Бейтс, DM; Болстад, Б.; Деттлинг, М.; Дюдуа, С. ; Эллис, Б.; Готье, Л.; Ге, Ю.; Джентри, Дж.; Хорник, К.; Хотхорн, Т.; Хубер, В.; Якус, С.; Иризарри, Р.; Лейш, Ф.; Ли, К.; Мехлер, М.; Россини, AJ; Савицкий, Г.; Смит, К.; Смит, Г.; Тирни, Л.; Ян, JY; Чжан, Дж. (2004). «Биокондуктор: Разработка открытого программного обеспечения для вычислительной биологии и биоинформатики» . Геномная биология . 5 (10): 80 рандов. дои : 10.1186/gb-2004-5-10-r80 . ПМК   545600 . ПМИД   15461798 .
    70. ^ Биопроводник. «Просмотр проточной цитометрии BioConductor» . Проверено 11 июля 2013 г.
    71. ^ Райх, М.; Лифельд, Т.; Гулд, Дж.; Лернер, Дж.; Тамайо, П.; Месиров, Дж. П. (2006). «ГенПаттерн 2.0». Природная генетика . 38 (5): 500–501. дои : 10.1038/ng0506-500 . ПМИД   16642009 . S2CID   5503897 .
    72. ^ «Комплект проточной цитометрии GenePattern» . Архивировано из оригинала 29 января 2013 года . Проверено 14 февраля 2013 г.
    73. ^ «FACSanadu — бесплатное и простое в использовании программное обеспечение для анализа FCS» .
    74. ^ Чжао, Макс; Маллеш, Нандита; Хёлляйн, Александр; Шабат, Ричард; Хаферлах, Клаудия; Хаферлах, Торстен; Эльснер, Франц; Люлинг, Ханнес; Кравиц, Питер; Керн, Вольфганг (2020). «Классификация зрелых B-клеточных новообразований на уровне гематолога с использованием глубокого обучения на основе данных многопараметрической проточной цитометрии» . Цитометрия Часть А. 97 (10): 1073–1080. дои : 10.1002/cyto.a.24159 . ISSN   1552-4930 . ПМИД   32519455 . S2CID   219563125 .
    75. ^ Чжао, Макс Сяохан; Маллеш, Нандита (16 июня 2021 г.). «Данные репликации для: передачи знаний для повышения эффективности моделей глубокого обучения для автоматизированной классификации B-клеточных новообразований» . Гарвардская вселенная данных. дои : 10.7910/DVN/CQHHEH . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
    76. ^ Маллеш, Нандита; Чжао, Макс; Мейнткер, Лиза; Хёлляйн, Александр; Эльснер, Франц; Люлинг, Ханнес; Хаферлах, Торстен; Керн, Вольфганг; Вестерманн, Йорг; Броссар, Питер; Краузе, Стефан В. (сентябрь 2021 г.). «Передача знаний для повышения эффективности моделей глубокого обучения для автоматизированной классификации В-клеточных новообразований» . Узоры . 2 (10): 100351. doi : 10.1016/j.patter.2021.100351 . ISSN   2666-3899 . ПМК   8515009 . ПМИД   34693376 .
    77. ^ Ли, Дж.А.; Спидлен, Дж.; Бойс, К.; Кай, Дж.; Кросби, Н.; Дальфин, М.; Ферлонг, Дж.; Гаспаретто, М.; Гольдберг, М.; Горальчик, Е.М.; Хён, Б.; Янсен, К.; Коллманн, Т.; Конг, М.; Лейф, Р.; МакВини, С.; Молошок, ТД; Мур, В.; Нолан, Г.; Нолан, Дж.; Николич-Зугич Ю.; Пэрриш, Д.; Перселл, Б.; Цянь, Ю.; Сельварадж, Б.; Смит, К.; Чуваткина О.; Вертхаймер, А.; Уилкинсон, П.; Уилсон, К. (2008). «MIFlowCyt: Минимальная информация об эксперименте по проточной цитометрии» . Цитометрия Часть А. 73А (10): 926–930. doi : 10.1002/cyto.a.20623 . ПМЦ   2773297 . ПМИД   18752282 .
    78. ^ Котеча, Н.; Круцик, П.О.; Ирландский, Дж. М. (2010). Дж. Пол Робинсон (ред.). Интернет-анализ и публикация экспериментов по проточной цитометрии . Современные протоколы цитометрии. Том. Глава 10. С. 10.17.1–17.10.24. дои : 10.1002/0471142956.cy1017s53 . ISBN  978-0471142959 . ПМК   4208272 . ПМИД   20578106 .
    79. ^ Спидлен, Дж.; Брейер, К.; Розенберг, К.; Котеча, Н.; Бринкман, Р.Р. (2012). «FlowRepository: ресурс аннотированных наборов данных проточной цитометрии, связанных с рецензируемыми публикациями» . Цитометрия Часть А. 81А (9): 727–731. doi : 10.1002/cyto.a.22106 . ПМИД   22887982 . S2CID   6498066 .
    80. ^ Спидлен, Дж.; Брейер, К.; Бринкман, Р. (2012). «Подготовка минимальной информации об эксперименте по проточной цитометрии (MIFlowCyt), совместимом с рукописью, с использованием репозитория файлов FCS Международного общества по развитию цитометрии (ISAC) (FlowRepository.org)». В Дж. Поле Робинсоне (ред.). Подготовка минимальной информации об эксперименте по проточной цитометрии (MIFlow Cyt ), совместимой с рукописью, с использованием репозитория файлов FCS Международного общества по развитию цитометрии (ISAC) (Flow Repository .org) . Современные протоколы цитометрии. Том. Глава 10. стр. Раздел Ун10.18. дои : 10.1002/0471142956.cy1018s61 . ISBN  978-0471142959 . ПМИД   22752950 . S2CID   24921940 .
    81. ^ «Репозиторий потока» .
    82. ^ «FlowCAP — Проточная цитометрия: критическая оценка методов идентификации населения» . Проверено 15 марта 2013 г.
    83. ^ «Набор данных исследования естественной истории ВИЧ IDCRP» . Проверено 3 марта 2013 г.
    84. ^ Крейг, FE; Бринкман, Р.Р.; Эйк, СТ; Агаипур, Н. (2013). «Вычислительный анализ оптимизирует проточную цитометрическую оценку лимфомы». Цитометрия, часть B : нет данных. doi : 10.1002/cytob.21115 (неактивен 31 января 2024 г.). ПМИД   23873623 . {{cite journal}}: CS1 maint: DOI неактивен по состоянию на январь 2024 г. ( ссылка )
    85. ^ Вилланова, Ф.; Ди Мельо, П.; Инокума, М.; Агаипур, Н.; Перуча, Э.; Моллон, Дж.; Номура, Л.; Эрнандес-Фуэнтес, М.; Коуп, А.; Превост, АТ; Черт возьми, С.; Майно, В.; Лорд, Г.; Бринкман, Р.Р.; Нестле, ФО (2013). Фон Херрат, Матиас Дж. (ред.). «Интеграция проточной цитометрии на основе лиопласта и компьютерного анализа для обнаружения стандартизированных иммунологических биомаркеров» . ПЛОС ОДИН . 8 (7): e65485. Бибкод : 2013PLoSO...865485V . дои : 10.1371/journal.pone.0065485 . ПМК   3701052 . ПМИД   23843942 .
    86. ^ Jump up to: а б Мекер, ХТ; Маккой, JP; Нуссенблатт, Р. (2012). «Стандартизация иммунофенотипирования для проекта иммунологии человека» . Обзоры природы Иммунология . 12 (3): 191–200. дои : 10.1038/nri3158 . ПМЦ   3409649 . ПМИД   22343568 .
    87. ^ Jump up to: а б с д Шадт, Э.Э.; Линдерман, доктор медицины; Соренсон, Дж.; Ли, Л.; Нолан, врач общей практики (2010). «Вычислительные решения для крупномасштабного управления и анализа данных» . Обзоры природы Генетика . 11 (9): 647–657. дои : 10.1038/nrg2857 . ПМК   3124937 . ПМИД   20717155 .
    Retrieved from "https://en.wikipedia.org/w/index.php?title=Flow_cytometry_bioinformatics&oldid=1231044659"
    Arc.Ask3.Ru: конец переведенного документа.
    Arc.Ask3.Ru
    Номер скриншота №: c543de9d8eec0a51cfa78ba24b637332__1719364800
    URL1:https://arc.ask3.ru/arc/aa/c5/32/c543de9d8eec0a51cfa78ba24b637332.html
    Заголовок, (Title) документа по адресу, URL1:
    Flow cytometry bioinformatics - Wikipedia
    Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)