שיטה זו יכולה לעזור לענות על שאלות מפתח בתחום הביו-רפואי, כגון הבנת הפנוטיפ של תת-אוכלוסיות רלוונטיות ביולוגית. היתרון העיקרי של טכניקה זו הוא שהיא מאפשרת לאדם ללא ניסיון בתכנות לנתח את נתוני הציטומטריה שלהם עם העדכניים ביותר בטכניקות ממדיות גבוהות. כדי להתחיל צינור ניתוח, בחר תחילה את סוג הציטומטריה ואת מספר האירועים שיש לדגום מהקובץ.
לאחר מכן, לחץ על אוכלוסיית שער, בחר את אוכלוסיות התאים המעניין והזן את אחוז האירועים לניתוח במורד הזרם. לאחר מכן בחר את מספר הערוצים שישמשו לניתוח בתיבת הרשימה. עבור הטבעת שכן סטוכסטי עם T, או ניתוח t-SNE, לחץ על t-SNE כדי להתחיל לחשב את ערכת הנתונים של מידתיות מופחתת.
לאחר חישוב קבוצה זו, לחץ על שמור תמונת TSNE, ובתפריט המוקפץ סמן-ספציפי t-SNE, בחר סמן מסוים של עניין. איור יופיע המציג ייצוג מפת חום של העלילה t-SNE שניתן לשמור עבור יצירת איורים. כדי להתחיל בניתוח קיבוץ באשכולות, בחר אפשרות בתיבת הרשימה שיטת קיבוץ באשכולות ולחץ על אשכול.
כדי למיין את האשכולות לפי סמן מעניין, בחר באפשרות המתאימה המתאימה מהתפריט הנפתח Sort ולחץ על סדר עולה, יורד, כדי לעדכן את רשימת האשכולות בתיבת הרשימה אשכולות. להגדרת ערך סף מינימלי לאשכול נתון בערוץ מסוים, בחרו אפשרות מהתפריט הנפתח Threshold והגדירו סף מתאים. לאחר קביעת הסף, לחצו על 'הוסף מעל סף' או על 'הוסף מתחת לסף', כדי לציין את כיוון הסף והזינו תסתם מספרי בתיבה 'סף תדירות אשכול', בחלונית 'מסנן אשכולות', כדי לקבוע סף מינימלי לתדירות האשכול.
כדי לבחור אשכולות לצורך אינדיבידואליזציה של ניתוח נוסף, בחר את אשכולות העניין בתיבת הרשימה אשכולות. ולהשתמש בלחצן בחר, כדי להעביר את האפשרויות לתיבת הרשימה ניתוח אשכולות. ליצירת מפות חום של האשכולות, בחרו באשכולות המעניינים בתיבת הרשימה 'ניתוח אשכולות' ולחצו על הלחצן 'מפת חום של אשכולות'.
כדי ליצור התוויית תיבה רב-ממדית, או התוויית זרימה רב-ממדית, בחר את אשכולות העניין בתיבת הרשימה ניתוח אשכולות ולחץ על התוויית תיבה ממדית גבוהה או על התוויית זרימה ממדית גבוהה, כדי להעריך באופן חזותי את התפלגות הערוצים הנתונים באשכולות שונים בכל הממדים. להצגת אשכולות בחלקות זרימה 2D מסורתיות, בחרו בהמרה ובערוצים המתאימים בחלונית 'התוויית זרימה קונבנציונלית' ולחצו על 'התוויית זרימה קונבנציונלית'. כאן, ניתוח t-SNE מייצג של מפות חום עבור סמנים שונים בתוך צינור ניתוח פאנל מיאלואיד, מוצגים.
באמצעות היישום החמדנות המהיר בתוך ExCYT כדי לקבץ את הנתונים עם 100, 000 מהשכנים הקרובים ביותר, נחשפו 19 תת-אוכלוסיות של תאים. השוואת מפות החום המקוריות לאשכולות שנוצרו על ידי ExCYT אפשרה לזהות אשכולות דומים של תאי המיאלואיד בין שתי קבוצות הנתונים. ניתוח של לוח הלימפה עם גישת קיבוץ היררכי קונבנציונלית ומהירה יותר, הניב הפצות סמן דומות באמצעות מפות חום t-SNE.
יתר על כן, קיבוץ מחדש של הנתונים באמצעות אשכולות היררכיים הדגים אשכולות דומים של תאי הלימפה. יש לציין כי אוכלוסיית תאי T רגולטורית ייחודית זוהתה גם באמצעות חלקת זרימה ממדית גבוהה. כדי להעריך במהירות ובאופן כמותי שיוכים שותף בין סמנים, תחילה נעשה שימוש באלגוריתם קיבוץ באשכולות קשה של K-means כדי להניח 5,000 אשכולות על נתוני t-SNE הדו-ממדיים.
הביטוי החציוני של כל סמנים מכל האשכולות שימש אז, כדי ליצור מפת חום מאשכולות אלה, המאפשר שיתוף שיוכים להיות מזוהה בקלות, כגון שיוך שותף של טים-3, PD-1, CD38 ו 4-1BB. בעת ניסיון לבצע הליך זה, חשוב לזכור לחקור את הפרמטרים השונים, כגון שיטות קיבוץ באשכולות שונות, כדי לחקור באופן מלא את הנתונים שאתה לומד.
