Name: excyt: a graphical user interface for streamlining analysis of high-dimensional cytometry data
Uploaded: 2019-01-16T12:30:00
Description: Watch this Scientific Journal Video about ExCYT: A Graphical User Interface for Streamlining Analysis of High-Dimensional Cytometry Data at JoVE.com

المؤلفين قد لا شكر وتقدير.

1-جمع وإعداد البيانات الخلوي
<ol><li>وضع جميع البقع واحدة في مجلد بأنفسهم وتسمية باسم القناة (فلوروفوري، لا علامة).</li>
</ol>2. بيانات استيراد ومعالجة مسبقة
<ol><li>للإيقاف المؤقت أو حفظ في جميع أنحاء هذا الأنبوب التحليل، استخدم الزر حفظ مساحة العمل في أسفل يسار البرنامج لحفظ ...

<ol>
	<li>Benoist, C., Hacohen, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Flow+cytometry,+amped+up.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Highly+multiparametric+analysis+by+mass+cytometry.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Flow+cytometer+with+mass+spectrometer+detection+for+massively+multiplexed+single-cell+biomarker+assay.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Standardization+of+cytokine+flow+cytometry+assays.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gene+expression+data+analysis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+high-dimensional+flow+cytometric+data+analysis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=flowPeaks:+a+fast+unsupervised+clustering+for+flow+cytometry+data+via+K-means+and+density+peak+finding.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Determinants+of+perceived+ease+of+use:+Integrating+control,+intrinsic+motivation,+and+emotion+into+the+technology+acceptance+model.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fluorescence+spectral+overlap+compensation+for+any+number+of+flow+cytometry+parameters.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Innate+immune+landscape+in+early+lung+adenocarcinoma+by+paired+single-cell+analyses.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+immune+atlas+of+clear+cell+renal+cell+carcinoma.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Algorithm+AS+136:+A+k-means+clustering+algorithm.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Density-based+spatial+clustering+of+applications+with+noise.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Data-driven+phenotypic+dissection+of+AML+reveals+progenitor-like+cells+that+correlate+with+prognosis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+unfolding+of+communities+in+large+networks.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+multi-scale+detection+of+relevant+communities+in+large-scale+networks.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+algorithm+for+detecting+community+structure+in+networks.">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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> An efficient matlab algorithm for graph partitioning. , 1-8 (2004).</li><li>Moon, T. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+expectation-maximization+algorithm.">The expectation-maximization algorithm.</a> IEEE Signal processing. 13 (6), 47-60 (1996).</li><li>Bishop, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition and machine learning. , (2006).</li></ol>

نقدم هنا اكسسيت، واجهة مستخدم رسومية رواية تشغيل خوارزميات MATLAB المستندة إلى تبسيط تحليل البيانات الخلوي عالية ثلاثي الأبعاد، والسماح للأفراد بأي خلفية في البرمجة لتنفيذ الأحدث بيانات عالية ثلاثي الأبعاد تحليل الخوارزميات. توفر هذه البرامج للمجتمع العلمي الأوسع نطاقا سيسمح العلماء لاس?...

قد أتاح التقدم في التدفق الخلوي، فضلا عن ظهور الخلوي الشامل الأطباء والعلماء سرعة تحديد وتوصيف phenotypically عينات مثيرة للاهتمام من الناحية البيولوجية وسريريا مع مستويات جديدة من القرار، إنشاء كبير عالية ثلاثي الأبعاد مجموعات البيانات التي هي معلومات غنية1،2،3. بينما الطرق التقليدية لتحليل بيانات التدفق الخلوي مثل النابضة اليدوي كان أكثر وضوحاً للتجارب حيث هناك علامات قليلة وتلك العلامات السكان بصريا ملموسا، وهذا النهج يمكن أن تفشل لتوليد النتائج استنساخه عند تحليل مجموعات البيانات أعلى ثلاثي الأبعاد أو تلك مع علامات تلطيخ على طائفة. على سبيل المثال، في دراسة متعددة المؤسسات، حيثما كان ذلك داخل الخلوية تلطيخ (ICS) فحوصات يجري أجريت لتقييم إمكانية تكرار نتائج من كوانتيتاتينج الردود محددة مستضد T الخلية، على الرغم من دقة المختبرات الجيدة، والتحليل، لا سيما وعرض النابضة، مصدرا هاما لتقلب4. وعلاوة على ذلك، عملية يدوياً النابضة سكان مصالح، إلى جانب كونها ذاتية جداً مكثفة تستغرق وقتاً طويلاً للغاية وحزب العمل. ومع ذلك، مشكلة تحليل مجموعات البيانات عالية ثلاثي الأبعاد بطريقة قوية وفعالة وفي الوقت المناسب ليس واحدة جديدة لبحوث العلوم. غالباً ما تولد دراسات التعبير الجيني الغاية السامية الأبعاد مجموعات البيانات (غالباً ما يقارب مئات جينات) التي يكون فيها أشكال التحليل اليدوي ببساطة غير مجدية. من أجل التصدي لتحليل مجموعات البيانات هذه، كان هناك الكثير من العمل في وضع بيوينفورماتيك أدوات لتحليل البيانات التعبير الجيني5. هذه نهج حسابي فقط مؤخرا اعتمدت في تحليل البيانات الخلوي كما زاد عدد المعلمات وأثبتت أنها لا تقدر بثمن في تحليل هذه مجموعات بيانات الأبعاد عالية6،7.
وعلى الرغم من استحداث وتطبيق مجموعة متنوعة من خوارزميات وحزم البرمجيات التي تسمح للعلماء تطبيق هذه النهج bioinformatic عالية ثلاثي الأبعاد للبيانات التدفق الخلوي، لا تزال هذه التقنيات التحليلية غير المستخدمة إلى حد كبير. بينما قد يكون هناك مجموعة متنوعة من العوامل التي حدت من اعتماد هذه النهج لقياس البيانات8على نطاق واسع، عائقا رئيسيا أننا نشتبه في استخدام هذه النهج من العلماء، وهو الافتقار إلى المعرفة الحسابية. في الواقع، العديد من حزم البرامج هذه (أي، فلووكوري، فلووميانس، وأوبينسيتو) مكتوبة التي ستنفذ في البرمجة لغات مثل البحث والتطوير التي لا تزال تتطلب معرفة البرمجة الفنية. حزم برامج مثل فلوجو قد وجدت لصالح بين العلماء بسبب البساطة في الاستخدام وطبيعة 'n-التوصيل'، فضلا عن التوافق مع نظام تشغيل جهاز الكمبيوتر. وبغية توفير مجموعة متنوعة التقنيات التحليلية المقبولة وقيما لبرمجة عالم غير مألوف، قمنا بتطوير اكسسيت، واجهة المستخدم الرسومية (GUI) التي يمكن تثبيتها بسهولة على جهاز كمبيوتر/ماك أن تسحب العديد من أحدث التقنيات بما في ذلك الحد من أبعاد للتصور بديهية، ومجموعة متنوعة من أساليب التجميع المشار إليها في الأدب، جنبا إلى جنب مع ميزات جديدة لاستكشاف الإخراج من هذه تجميع الخوارزميات مع قطع تدفق عالية ثلاثي الأبعاد/مربع heatmaps والرواية.
اكسسيت واجهة مستخدم رسومية التي بنيت في MATLAB وذلك يمكن أما تشغيل داخل MATLAB مباشرة أو مثبت المقدمة التي يمكن استخدامها لتثبيت البرنامج على أي جهاز كمبيوتر/ماك. البرنامج غير متوفر في https://github.com/sidhomj/ExCYT. نقدم بروتوكول مفصل لكيفية استيراد البيانات، قبل العملية، وإجراء الحد من أبعاد تي-SNE، كتلة البيانات، فرز وتصفية مجموعات استناداً إلى تفضيلات المستخدم، وعرض معلومات حول مجموعات المصالح عبر heatmaps ورواية قطع تدفق عالية ثلاثي الأبعاد/مربع (رقم 1). المحاور في مؤامرات تي-SNE التعسفي وفي وحدات التعسفي والصفة كما هو موضح ليس دائماً في الأرقام المتعلقة ببساطة للمستخدم واجهة. تلوين نقاط البيانات في "Heatmaps تي-SNE" من الأزرق إلى الأصفر استناداً إلى إشارة العلامة المشار إليها. في تجميع الحلول، يستند لون نقطة البيانات التعسفي في عدد الكتلة. يمكن أن تنفذ جميع أجزاء من سير العمل في لوحة واحدة واجهة المستخدم الرسومية (الشكل 2 & 1 الجدول). وأخيراً، سوف نظهر باستخدام اكسسيت على البيانات المنشورة سابقا استكشاف المناظر الطبيعية محصنة من سرطان الخلايا الكلوية في الأدب، حلل أيضا مع أساليب مماثلة. يمكن الاطلاع على dataset عينة أننا المستخدمة لإنشاء الأرقام في هذه المخطوطة إلى جانب البروتوكول أدناه في https://premium.cytobank.org/cytobank/projects/875، عند تسجيل حساب.

<table border="0" cellpadding="0" cellspacing="0" width="597">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Desktop</td>
			<td style="width:95px;">SuperMicro</td>
			<td style="width:119px;">Custom Build</td>
			<td style="width:167px;">Computer used to run analysis</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">MATLAB</td>
			<td style="width:95px;">Mathworks</td>
			<td style="width:119px;">N/A</td>
			<td>Software used to develop ExCYT</td>
		</tr>
	</tbody>
</table>

excyt: a graphical user interface for streamlining analysis of high-dimensional cytometry data

مع ظهور تدفق سيتوميتيرس قادرة على قياس عدد متزايد من المعلمات، تواصل العلماء تطوير لوحات أكبر phenotypically استكشاف خصائص العينات الخلوية الخاصة بهم. بيد أن هذه التطورات التكنولوجية تسفر عن عالية ثلاثي الأبعاد مجموعات البيانات التي أصبحت متزايدة الصعوبة لتحليل موضوعي ضمن البرامج النابضة التقليدية المستندة إلى دليل. من أجل تحسين تحليل وتقديم البيانات، شريك العلماء مع بيوينفورماتيسيانس ذوي الخبرة في تحليل البيانات عالية ثلاثي الأبعاد لتحليل البيانات التدفق الخلوي. بينما أظهرت هذه الطرق تكون قيمة للغاية في دراسة التدفق الخلوي، أنها لم تدمج في مجموعة واضحة وسهلة الاستخدام للعلماء الذين يفتقرون إلى الخبرة الحاسوبية أو برمجة. ولتلبية هذه الحاجة، قمنا بتطوير اكسسيت، أساس MATLAB واجهة المستخدم الرسومية (GUI) أن يبسط تحليل البيانات الخلوي تدفق عالية ثلاثي الأبعاد بتنفيذ العاملين لحسابهم عادة التقنيات التحليلية للبيانات عالية ثلاثي الأبعاد بما في ذلك أبعاد الحد من تي-SNE، مجموعة متنوعة من أساليب التجميع الآلي واليدوي و heatmaps وتدفق عالية ثلاثي الأبعاد رواية المؤامرات. بالإضافة إلى ذلك، يوفر اكسسيت خيارات النابضة التقليدية من السكان تحديد الاهتمام لمزيد من تي-SNE وتجميع التحليل، فضلا عن القدرة على تطبيق البوابات مباشرة في مؤامرات تي-SNE. ويوفر البرنامج ميزة إضافية للعمل مع أي تعويض أو دون تعويض FCS الملفات. في حالة ما إذا التعويض بعد اكتساب مطلوب، يمكن للمستخدم اختيار لتقديم البرنامج دليل للبقع واحد ونموذج أونستينيد. البرنامج بالكشف عن الأحداث الإيجابية في جميع القنوات ويستخدم هذه البيانات حدد لحساب مصفوفة التعويض أكثر موضوعية. وباختصار، يوفر اكسسيت خط أنابيب تحليل شامل أخذ بيانات التدفق الخلوي في شكل ملفات FCS والسماح لأي فرد، بغض النظر عن التدريب الحسابي، واستخدام أحدث نهج حسابي في فهم البيانات الخاصة بهم.

من أجل اختبار قابليتها للاستخدام اكسسيت، قمنا بتحليل مجموعة بيانات المنسق نشرتها تشيفرير et al. ، تحت عنوان '"مأمن أطلس من واضحة خلية سرطان الكلي"' حيث أجرى الفريق تحليل سيتوف مع فريق حصانة واسعة النطاق بشأن الورم العينات المأخوذة من 73 11من المرضى. فريقين من...

Watch this Scientific Journal Video about ExCYT: A Graphical User Interface for Streamlining Analysis of High-Dimensional Cytometry Data at JoVE.com

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

اكسسيت هو أساس MATLAB واجهة المستخدم الرسومية (GUI) التي تسمح للمستخدمين لتحليل البيانات التدفق الخلوي عبر عادة تستخدم التقنيات التحليلية للبيانات عالية ثلاثي الأبعاد، بما في ذلك الحد من أبعاد عبر تي-SNE، مجموعة متنوعة من التلقائية واليدوية تجميع أساليب heatmaps وتدفق عالية ثلاثي الأبعاد رواية المؤامرات.

اكسسيت: واجهة مستخدم رسومية لتبسيط تحليل البيانات الخلوي عالية ثلاثي الأبعاد

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

يمكن أن تساعد هذه الطريقة في الإجابة على الأسئلة الرئيسية في مجال الطب الحيوي، مثل فهم النمط الظاهري للسكان الفرعيين ذوي الصلة بيولوجيا. والميزة الرئيسية لهذه التقنية هي أنها تسمح للفرد الذي ليس له خبرة في البرمجة بتحليل بياناته عن القياسات cytometry بأحدث التقنيات ذات الأبعاد العالية. لبدء خط أنابيب تحليل، حدد أولاً نوع القياسات، وعدد الأحداث التي يجب أخذ عينات منها من الملف.بعد ذلك، انقر فوق مجموعة البوابات، وحدد مجموعات الخلايا التي تهمك، وأدخل النسبة المئوية للأحداث لتحليل المصب. ثم حدد عدد القنوات التي سيتم استخدامها للتحليل في مربع القائمة. بالنسبة لـ T-distributsochastic Neighbor Embedding، أو تحليل t-SNE، انقر فوق t-SNE لبدء حساب مجموعة البيانات الابعاد المنخفضة.عند حساب المجموعة، انقر فوق حفظ صورة TSNE، وفي القائمة المنبثقة t-SNE الخاصة بعلامة، حدد علامة معينة من الاهتمام. سيظهر رقم يظهر صورة خريطة حرارية لمؤامرة t-SNE التي يمكن حفظها لتوليد الرقم. لبدء تحليل الكتلة، حدد خياراً في مربع قائمة أسلوب تجميع ثم انقر فوق الكتلة.لفرز الكتل حسب علامة الاهتمام، حدد الخيار المناسب المقابل من القائمة المنبثقة فرز، ثم انقر فوق تصاعدي، تنازلي، لتحديث قائمة الكتل في مربع قائمة الكتل. لتعيين الحد الأدنى لقيمة الحد الأدنى المحددة لمعالجة كتلة معينة عبر قناة معينة، حدد خيارًا من القائمة المنبثقة Threshold، ثم قم بتعيين عتبة مناسبة. مرة واحدة تم تعيين عتبة انقر فوق إضافة عتبة أعلى أو إضافة تحت عتبة، لتحديد اتجاه عتبة، وأدخل عددية قطع في المربع عتبة تردد الكتلة، في لوحة تصفية الكتلة، لتعيين حد أدنى الحد الأدنى لـ تكرار الكتلة.لتحديد مجموعات لإجراء تحليل إضافي لكلية، حدد مجموعات الاهتمام، في مربع قائمة المجموعات. واستخدم الزر تحديد لنقل الخيارات إلى مربع قائمة "تحليل الكتلة". لإنشاء خرائط الحرارة من الكتل، حدد مجموعات الاهتمام في مربع قائمة "تحليل الكتلة" ثم انقر فوق الزر خريطة الحرارة من مجموعات.لإنشاء رسم مربع عالي الأبعاد، أو مؤامرة تدفق عالية الأبعاد، حدد مجموعات الاهتمام في مربع قائمة "تحليل الكتلة"، وانقر فوق إما رسم مربع عالي الأبعاد، أو رسم تدفق عالي الأبعاد، لتقييم توزيع القنوات المعطاة من مجموعات مختلفة عبر كافة الأبعاد. لإظهار الكتل في مخططات تدفق 2D التقليدية، حدد التحويل المناسب والقناة في لوحة رسم التدفق التقليدي، وانقر فوق رسم التدفق التقليدي. هنا، يتم عرض تحليل تمثيلي t-SNE للخرائط الحرارية لعلامات مختلفة داخل خط أنابيب تحليل لوحة النخاع.باستخدام التنفيذ السريع الجشع داخل ExCYT لتجميع البيانات مع 100،000 من أقرب الجيران، تم الكشف عن 19 مجموعة فرعية من الخلايا. وسمحت مقارنة الخرائط الحرارية الأصلية بالتجمعات التي أنشأتها ExCYT بتحديد مجموعات مماثلة من الخلايا النخاعية بين مجموعتي البيانات. تحليل لوحة اللمفاوية مع نهج التجمع الهرمي أكثر تقليدية وأسرع، أسفرت عن توزيعات علامة مماثلة عبر الخرائط الحرارية t-SNE.وعلاوة على ذلك، فإن تجميع البيانات عن طريق التجمع الهرمي أظهر مجموعات مماثلة من الخلايا اللمفاوية. وتجدر الإشارة إلى أنه تم تحديد مجموعة خلايا T تنظيمية فريدة من نوعها أيضًا عبر مؤامرة تدفق عالية الأبعاد. لتقييم بسرعة وكمية الجمعيات المشتركة بين علامات، أولاً تم استخدام خوارزمية تجميع K-يعني الثابت لوضع 5000 مجموعات على البيانات t-SNE ثنائي الأبعاد.ثم استُخدم التعبير المتوسط لجميع العلامات من جميع المجموعات، لإنشاء خريطة حرارية من هذه المجموعات، مما يسمح بسهولة تحديد الجمعيات المشتركة، مثل رابطة تيم-3، PD-1، CD38، 4-1BB. أثناء محاولة هذا الإجراء، من المهم أن تتذكر استكشاف معلمات مختلفة، مثل أساليب تجميع مختلفة، لاستكشاف البيانات التي تدرسها بشكل كامل.

Research

JoVE Journal

Immunology and Infection

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

تيسير تحليل البيانات مناعية مع التقنيات التحليلية البصرية

Visual analytics (VA) has emerged as a new way to analyze large dataset through interactive visual display. We demonstrated the utility and the ...

Flow Cytometry Analysis of Immune Cells Within Murine Aortas

تحليل التدفق الخلوي للخلايا المناعية وفي الفئران Aortas

Atherosclerosis is a chronic inflammatory process of medium and large size vessels that is characterized by the formation of plaques consisting of foam ...

Single-cell Analysis of Bacillus subtilis Biofilms Using Fluorescence Microscopy and Flow Cytometry

Single-cell Analysis of Bacillus subtilis Biofilms Using Fluorescence Microscopy and Flow Cytometry

وحيد الخلية تحليل<emالعصوية الرقيقة> الأغشية الحيوية باستخدام المجهر الإسفار والتدفق الخلوي

Biofilm formation is a general attribute to almost all bacteria 1-6. When bacteria form biofilms, cells are encased in extracellular matrix that is mostly ...

Examination of Thymic Positive and Negative Selection by Flow Cytometry

دراسة التوتة اختيار الإيجابية والسلبية من قياس التدفق الخلوي

A healthy immune system requires that T cells respond to foreign  antigens while remaining tolerant to self-antigens. Random rearrangement of the  T cell ...

A Simple and Rapid Protocol to Non-enzymatically Dissociate Fresh Human Tissues for the Analysis of Infiltrating Lymphocytes

بروتوكول بسيطة وسريعة لغير إنزيمي فصل الطازجة الأنسجة البشرية لتحليل التسلل اللمفاويات

The ability of malignant cells to evade the immune system, characterized by tumor escape from both innate and adaptive immune responses, is now accepted ...

Isolation of Leukocytes from the Murine Tissues at the Maternal-Fetal Interface

عزل الكريات البيض من أنسجة الفئران في واجهة الأم والجنين

Immune tolerance in pregnancy requires that the immune system of the mother undergoes distinctive changes in order to accept and nurture the developing ...

Characterization of Human Monocyte Subsets by Whole Blood Flow Cytometry Analysis

وصف مجموعات فرعية الوحيدات البشرية بالدم كله يتدفق التحليل الخلوي

Monocytes are key contributors in various inflammatory disorders and alterations to these cells, including their subset proportions and functions, can ...

Preparation of Whole Bone Marrow for Mass Cytometry Analysis of Neutrophil-lineage Cells

إعداد نخاع العظام كله لتحليل الكتلة الخلايا من الخلايا العدلية النسب

In this article, we present a protocol that is optimized to preserve neutrophil-lineage cells in fresh BM for whole BM CyTOF analysis. We utilized a ...

Visualization and Quantification of High-Dimensional Cytometry Data using Cytofast and the Upstream Clustering Methods FlowSOM and Cytosplore

التصور والتقدير الكمي للبيانات الخلوية عاليه الابعاد باستخدام سيتوسياست وأساليب التجميع المنبع FlowSOM و Cytosplore

The complexity of data generated by mass cytometry has necessitated new tools to rapidly visualize analytic outcomes. Clustering methods like Cytosplore ...

Isolation of Mouse Kidney-Resident CD8+ T cells for Flow Cytometry Analysis

Isolation of Mouse Kidney-Resident CD8+ T cells for Flow Cytometry Analysis

عزل الماوس الكلى المقيم CD8+ الخلايا T لتحليل تدفق cytometry

Tissue-resident memory T cell (TRM) is a rapidly expanding field of immunology research. Isolating T cells from various non-lymphoid tissues is one of the ...