SingletSeeker: an unsupervised clustering approach for automated singlet discrimination in cytometry

聚类分析 计算机科学 特征(语言学) 灵敏度(控制系统) 模式识别(心理学) 数据挖掘 过程(计算) 集合(抽象数据类型) 细胞仪 特征选择 人工智能 数据集 层次聚类 算法 化学 细胞 哲学 语言学 生物化学 电子工程 工程类 程序设计语言 操作系统
作者
Mark Colasurdo,Laura Ferrer‐Font,Aaron Middlebrook,A Konecny,Martin Prlic,Josef Špidlen
出处
期刊:Cytometry Part B-clinical Cytometry [Wiley]
标识
DOI:10.1002/cyto.b.22216
摘要

Abstract Flow cytometry is a high‐throughput, high‐dimensional technique that generates large sets of single‐cell data. Prior to analyzing this data, it is common to exclude any events that contain two or more cells, multiplets, to ensure downstream analysis and quantification is of single‐cell events, singlets, only. The process of singlet discrimination is critical yet fundamentally subjective and time‐consuming; it is performed manually by the user, where the proper exclusion of multiplets depends on the user's expertise and often varies from experiment to experiment. To address this problem, we have developed an algorithm to automatically discriminate singlets from other unwanted events such as multiplets and debris. Using parameters derived from imaging, the algorithm first identifies high‐density clusters of events using a density‐based clustering algorithm, and then classifies the clusters based on their properties. Multiplets are discarded in the first step, while singlets are distinguished from debris in the second step. The algorithm can use different strategies on imaging feature selection‐based user's preferences and imaging features available. In addition, the relative importance of singlets precision vs. sensitivity can be further tweaked via a density coefficient adjustment. Twenty‐two datasets from various sites and of various cell types acquired on the BD FACSDiscover™ S8 Cell Sorter with CellView™ Image Technology were used to develop and validate the algorithm across multiple imaging feature sets. A consistent singlets precision >97% with a solid >88% sensitivity has been demonstrated with a LightLoss feature set and the default density coefficient. This work yields a high‐precision, high‐sensitivity algorithm capable of objective and automated singlet discrimination across multiple cell types using various imaging‐derived parameters. A free FlowJo™ Software plugin implementation is available for simple and reproducible singlet discrimination for use at the beginning of any user's workflow.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
勤恳的千秋完成签到 ,获得积分10
3秒前
云不暇完成签到 ,获得积分10
5秒前
雨水完成签到,获得积分10
8秒前
丁静完成签到 ,获得积分10
13秒前
小超人完成签到 ,获得积分10
13秒前
Lisa完成签到,获得积分10
14秒前
于特发布了新的文献求助10
14秒前
123发布了新的文献求助30
15秒前
fwda1000完成签到 ,获得积分10
15秒前
丫丫完成签到 ,获得积分10
17秒前
悠然完成签到,获得积分10
18秒前
秀丽烨霖应助Lisa采纳,获得10
18秒前
草莓给草莓的求助进行了留言
19秒前
shanshan完成签到,获得积分10
20秒前
21秒前
壮观千筹完成签到,获得积分10
21秒前
科研通AI2S应助轻松的怜容采纳,获得10
22秒前
minghanl完成签到,获得积分10
24秒前
禾苗完成签到 ,获得积分10
25秒前
迅速的念芹完成签到 ,获得积分10
26秒前
qwe发布了新的文献求助10
27秒前
科研通AI2S应助妖怪大大采纳,获得10
27秒前
饱满的棒棒糖完成签到 ,获得积分10
27秒前
小巧的怜晴完成签到,获得积分10
27秒前
科研通AI2S应助枯荣采纳,获得10
29秒前
ktw完成签到,获得积分10
32秒前
Hello应助L同学采纳,获得10
32秒前
可爱的函函应助太阳采纳,获得10
32秒前
科目三应助Wuin采纳,获得10
33秒前
33秒前
Yang22完成签到,获得积分10
34秒前
lxrsee发布了新的文献求助10
36秒前
36秒前
田様应助Zz采纳,获得10
36秒前
36秒前
小平应助科研通管家采纳,获得10
36秒前
36秒前
华仔应助科研通管家采纳,获得10
36秒前
36秒前
orixero应助科研通管家采纳,获得10
36秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3187075
求助须知:如何正确求助?哪些是违规求助? 2836983
关于积分的说明 8012363
捐赠科研通 2499453
什么是DOI,文献DOI怎么找? 1334445
科研通“疑难数据库(出版商)”最低求助积分说明 637170
邀请新用户注册赠送积分活动 605071