返回
Computationally efficient multi-sample flow cytometry data analysis using Gaussian mixture models
DOI:10.1186/s12859-025-06285-z.png)
摘要
En 中文
流式细胞术(FCM)数据分析中的一个重要挑战是在多个FCM样本间比较对应细胞群体。一种有趣的解决方案是同时为多个样本创建统计混合模型,因为此类多样本模型可以表征异质性样本集,并便于直接比较不同数据样本中的细胞群体。关于统计混合模型的多样本方法已在多项研究中得到探索,主要在贝叶斯框架内且具有较高的计算复杂度。尽管这些方法有效,但它们计算需求高,因此与可扩展性要求关联不佳,而可扩展性在多样本设置中至关重要。这限制了它们在大型FCM样本集分析中的应用。我们证明,通过使用期望最大化算法的计算高效实现,基本高斯混合模型可扩展至由多个样本组成的大型数据集。我们证明,在稀有细胞检测和样本分类精度方面,多样本高斯混合模型(MSGMM)与其他模型具有竞争力。这使我们能够进一步探索MSGMM在异质性样本集分析中的效用。我们演示了如何通过MSGMM模型输出的简单启发式方法直接揭示FCM样本集合中的结构模式。我们恢复了支撑更复杂和非参数贝叶斯分层混合模型的基本MSGMM的效率与实用性。将GMM拟合到大型FCM样本集的可能性为发现样本组成与样本元数据(如治疗反应和临床结果)之间的关联提供了机会。
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
714
被引数:
5.2W
机构
引用论文
Addition of lenalidomide to intensive treatment in younger and middle-aged adults with newly diagnosed AML: the HOVON-SAKK-132 trial来那度胺在新诊断的年轻和中年AML患者的强化治疗中的补充: HOVON-SAKK-132试验
BLOOD ADVANCES
IF7.1
An updated guide for the perplexed: cytometry in the high-dimensional era困惑的最新指南: 高维时代的细胞计数
NATURE IMMUNOLOGY
IF27.6

