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

提交人没有得到任何承认。

1. 收集和准备细胞术数据
<ol><li>将所有单一污渍单独放置在文件夹中, 并按通道名称 (按荧光, 而不是标记) 标记。</li>
</ol>2. 数据输入 & 预处理
<ol><li>若要暂停或保存整个分析管道, 请使用程序左下角的"保存工作区" 按钮将工作区另存为 ""。以后可以通过"加载工作区" 按钮加载的 mat ' 文件。不要一次运行该程序的多个实例。因此, 在加载新工作区时, 请...

<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>

在这里, 我们提出了 excyt, 这是一个新的图形用户界面, 运行基于 matlab 的算法, 简化了对高维细胞术数据的分析, 允许没有编程背景的个人实现最新的高维数据分析算法。这种软件提供给更广泛的科学界将使科学家能够在直观和直接的工作流程中探索他们的流式细胞仪数据。通过进行 t-SNE 维数约简, 应用聚类方法, 能够快速通过这些聚类进行 s何种过滤, 并制作灵活、可定制的热图和高维流箱图, 科?...

流式细胞术的进步以及大量细胞学的出现, 使临床医生和科学家能够快速识别出具有新分辨率的生物和临床上有趣的样品, 并对其进行表型表征, 从而产生较大的分辨率。信息丰富的高维数据集 1,2,3。虽然传统的流式细胞仪数据分析方法 (如手动门控) 对于那些标记很少且这些标记具有视觉可识别的数量的实验来说更为简单, 但这种方法可能无法生成分析高维数据集或在光谱上使用标记染色的数据集时可重现的结果。例如, 在一项多机构研究中, 正在进行细胞内染色 (ics) 检测, 以评估量化抗原特异性细胞反应的重现性, 尽管实验室间的精度和分析都很好, 特别是门控, 引入了一个重要的变异性来源 4。此外, 手工门控人口的过程, 除了高度主观, 是高度耗时和劳动密集型。然而, 以稳健、高效、及时的方式分析高维数据集的问题, 并不是研究科学的一个新问题。基因表达研究往往产生极高维的数据集 (往往按上百个基因的顺序), 在这些数据集中, 人工形式的分析根本不可行。为了解决这些数据集的分析问题, 在开发生物信息工具来分析基因表达数据方面做了大量的工作。这些算法方法最近刚刚被用于细胞学数据的分析, 因为参数的数量增加了, 并已被证明是非常宝贵的, 在分析这些高维数据集6,7。
尽管产生和应用了各种算法和软件包, 使科学家能够将这些高维生物信息方法应用于他们的流式细胞术数据, 但这些分析技术在很大程度上仍然没有得到利用。虽然可能有多种因素限制了这些方法在细胞学数据方面的广泛采用, 但我们怀疑科学家使用这些方法的主要障碍是缺乏计算知识。事实上, 其中许多软件包 (即flowcore、flowCore 和 opencyto) 都是用编程语言 (如 r) 编写的, 这些语言仍然需要实质性的编程知识。像 flowjo 这样的软件包由于使用简单、"即插即用" 的性质以及与 pc 操作系统的兼容性而受到科学家的青睐。为了向科学家不熟悉的编程提供各种公认和有价值的分析技术, 我们开发了 excyt, 这是一个图形用户界面 (gui), 可以很容易地安装在 pccymac 上, 它可以利用许多最新的技术包括用于直观可视化的维数约简、文献中引用的各种聚类方法, 以及新的特征, 用于利用热图和新颖的高维流箱图来探索这些聚类算法的输出。
excyt 是一个在 matlab 中构建的图形用户界面, 因此可以直接在 matlab 中运行, 也可以提供可用于在任何 pc/mac 上安装软件的安装程序。该软件可在 https://github.com/sidhomj/ExCYT。我们提出了一个详细的协议, 如何导入数据, 预处理它, 进行 t-SNE 降维度, 集群数据, 根据用户偏好对 & 过滤器集群进行排序, 并通过热图和新颖的方法显示感兴趣的集群的信息高维流箱图(图 1)。t-SNE 图中的轴是任意的, 以任意单位为单位, 因此为了用户界面的简单性, 并不总是在数字中显示出来。根据所指示标记的信号, "t-SNE 热图" 中数据点的着色从蓝色到黄色。在聚类解决方案中, 数据点的颜色是基于聚类数字的任意颜色。工作流的所有部分都可以在单面板 gui 中执行(图 2 & 表 1)。最后, 我们将演示使用 excyt 在以前发表的数据, 探索肾细胞癌的免疫景观的文献, 也用类似的方法进行分析。我们用来创建本手稿中的数字以及下面的协议的示例数据集可以在注册帐户时在 https://premium.cytobank.org/cytobank/projects/875 找到。

<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

随着流式细胞仪的出现, 能够测量越来越多的参数, 科学家们继续开发更大的面板, 以表型地探索其细胞样本的特征。然而, 这些技术进步产生了高维数据集, 而在传统的基于手动的门控程序中, 这些数据集变得越来越难以客观地进行分析。为了更好地分析和呈现数据, 科学家们与具有分析高维数据专业知识的生物信息学家合作, 分析他们的流式细胞仪数据。虽然这些方法已被证明是非常有价值的研究流式细胞术, 他们尚未纳入一个简单和易于使用的包, 为缺乏计算或编程专业知识的科学家。为了满足这一需求, 我们开发了 excyt, 这是一种基于 matlab 的图形用户界面 (gui), 通过实施常用的高维数据分析技术, 简化了对高维流式细胞术数据的分析, 包括通过 t-SNE、各种自动和手动聚类分析方法、热图和新颖的高维流图来减小维数。此外, excyt 还为选定感兴趣的人群提供了传统的门控选项, 以便进一步进行 t-SNE 和聚类分析, 并能够直接在 t-SNE 图上应用门。该软件提供了处理已补偿或未补偿的 fcs 文件的额外优势。在需要采集后补偿的情况下, 用户可以选择为程序提供一个单一污渍的目录和一个未染色的样本。该程序检测所有通道中的正事件, 并使用此选择数据更客观地计算补偿矩阵。总之, excyt 提供了一个全面的分析管道, 以 fcs 文件的形式获取流式细胞仪数据, 并允许任何个人, 无论计算培训如何, 使用最新的算法方法来了解他们的数据。

为了测试 excyt 的可用性, 我们分析了 chevrier等人发布的一个程序数据集, 该数据集的标题是 "透明细胞肾癌的免疫图集", 该小组在该数据集中对73例肿瘤样本进行了广泛的免疫面板分析。病人11。两个独立的面板, 一个髓质和淋巴板, 被用来表型表征肿瘤的微环境。我们的研究目的是总结他们的 t-SNE 和聚类分析的结果, 表明 excyt 可以用来得出相同的结...

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

excyt 是一种基于 matlab 的图形用户界面 (gui), 允许用户通过常用的高维数据分析技术分析他们的流式细胞术数据, 包括通过 t-SNE 降低维数, 各种自动化和手动聚类分析方法、热图和新颖的高维流图。

超 cyt: 一种用于简化高维细胞学数据分析的图形用户界面

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

这种方法可以帮助回答生物医学领域的关键问题，如了解生物相关子种群的表型。这种技术的主要优点是，它允许没有编程经验的个人使用最新的高维技术分析他们的细胞仪数据。要开始分析管道，请先选择细胞学的类型以及要从文件中采样的事件数。接下来，单击"门总体"，选择感兴趣的单元格总体，并输入下游分析的事件百分比。然后在列表框中选择要用于分析的通道数。对于 T 分布式随机邻域嵌入或 t-SNE 分析，请单击 t-SNE 开始计算缩小的维数数据集。计算集后，单击"保存 TSNE 图像"，并在"特定于标记的 t-SNE"弹出式菜单中选择感兴趣的特定标记。将显示一个图形，显示 t-SNE 图的热图表示形式，该图可用于生成图形。若要开始聚类分析，请在"聚类方法"列表框中选择一个选项，然后单击"群集"。若要按感兴趣的标记对群集进行排序，请从"排序"弹出式菜单中选择相应的相应选项，然后单击"升序"，降序，以更新"群集"列表中的群集列表。若要在特定通道上为给定群集设置最小阈值，请从"阈值"弹出式菜单中选择一个选项，并设置适当的阈值。设置阈值后，单击"添加高于阈值"或"添加低于阈值"以指定阈值的方向，并在群集频率"筛选器"面板中的"群集频率阈值"框中输入数字截止，以设置群集频率的最小阈值。要选择群集以进一步分析个性化，请在"群集"列表框中选择感兴趣的群集。然后使用"选择"按钮将选项移动到"群集分析"列表框。若要创建群集的热图，请在"群集分析"列表框中选择感兴趣的群集，然后单击"群集热图"按钮。若要创建高维框图或高维流图，请在"聚类分析"列表框中选择感兴趣的聚类，然后单击"高维框图"或"高维流图"，以直观地评估不同聚类在所有维度的给定通道的分布。若要在传统的 2D 流图中显示聚类，请在"常规流图"面板中选择适当的变换和通道，然后单击"常规流图"。此处显示了对骨髓面板分析管道中各种标记的热图的代表性 t-SNE 分析。使用 ExCYT 中的快速贪婪实现将数据与 100，000 个最近邻域进行聚类，揭示了 19 个子单元格群。将原始热图与 ExCYT 创建的聚类进行比较，允许在两个数据组之间识别类似的骨髓细胞组。通过更传统、更快的分层聚类方法对淋巴板进行分析，通过 t-SNE 热图得出类似的标记分布。此外，通过分层聚类对数据进行聚类表明类似的淋巴细胞聚类。值得注意的是，通过高维流图也确定了独特的调节T细胞群体。为了快速定量地评估标记之间的关联，首先使用硬 K-means 聚类算法在二维 t-SNE 数据上放置 5000 个聚类。然后使用所有群集中所有标记的中位数表达式，从这些群集创建热图，从而可以轻松识别关联，例如 Tim-3、PD-1、CD38 和 4-1BB 的关联。在尝试此过程时，重要的是要记住探索不同的参数，如不同的聚类方法，以完全探索您正在研究的数据。

Research

JoVE Journal

Immunology and Infection

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

促进免疫学数据分析与视觉分析技术

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

科研

免疫与感染

Flow Cytometry Analysis of Immune Cells Within Murine Aortas

流式细胞仪分析小鼠主动脉内流的免疫细胞

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

单细胞分析枯草芽孢杆菌生物膜，用荧光显微镜和流式细胞仪

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

考试流式细胞仪检测胸腺阳性和阴性选择

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

一种简单快速议定书非酶离解新鲜人组织的浸润淋巴细胞的分析

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

从小鼠组织在母胎界面分离白细胞

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

全血流式细胞术分析人单核细胞亚群的表征

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

全骨髓的制备,用于中性粒系细胞的大规模细胞测定分析

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

使用Cytofast和上游聚类方法流和细胞溅的高维细胞测量数据的可视化和量化

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

小鼠肾-居民CD8+T 细胞的分离，用于流细胞测量分析

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 ...