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
Acid黄发布了新的文献求助10
1秒前
共享精神应助俞晓采纳,获得10
1秒前
123发布了新的文献求助10
2秒前
碧蓝苞络关注了科研通微信公众号
2秒前
4秒前
傲娇凉面发布了新的文献求助10
5秒前
5秒前
好耶完成签到 ,获得积分10
5秒前
科研通AI2S应助歇洛克采纳,获得10
6秒前
Ava应助小静静采纳,获得10
7秒前
困困桃完成签到,获得积分10
7秒前
Aic完成签到,获得积分10
7秒前
大晨发布了新的文献求助10
7秒前
7秒前
9秒前
9秒前
忧郁慕青发布了新的文献求助10
9秒前
10秒前
10秒前
Aic发布了新的文献求助20
10秒前
碧蓝苞络发布了新的文献求助10
10秒前
困困桃发布了新的文献求助10
11秒前
WW发布了新的文献求助10
11秒前
三侠发布了新的文献求助30
11秒前
潘潘完成签到,获得积分10
12秒前
时然发布了新的文献求助10
13秒前
淡然巧荷发布了新的文献求助10
14秒前
傲娇凉面完成签到,获得积分10
14秒前
西蓝花香菜完成签到 ,获得积分10
14秒前
搜集达人应助Carl采纳,获得10
14秒前
皮老八发布了新的文献求助10
15秒前
15秒前
高大的网络完成签到,获得积分10
15秒前
大晨完成签到,获得积分10
16秒前
Ava应助ww采纳,获得10
16秒前
领导范儿应助科研小白采纳,获得10
20秒前
21秒前
21秒前
无风完成签到 ,获得积分10
22秒前
彭于晏应助淡然巧荷采纳,获得10
22秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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 3187998
求助须知:如何正确求助?哪些是违规求助? 2837610
关于积分的说明 8016412
捐赠科研通 2500308
什么是DOI,文献DOI怎么找? 1334909
科研通“疑难数据库(出版商)”最低求助积分说明 637330
邀请新用户注册赠送积分活动 605364