基于贝叶斯特征分配模型的流式细胞术数据细胞亚群识别
应用统计
2020-02-21 v1
摘要
本文提出一种贝叶斯特征分配模型（FAM），用于基于通过飞行时间 cytometry（CyTOF）获得的多个细胞表面或细胞内标志物表达水平数据样本识别细胞亚群。细胞亚群以标志物表达模式的差异为特征，单个细胞根据其观测表达水平模式被聚类到各亚群中。采用有限印度自助餐厅过程将亚群建模为潜在特征，并基于这些潜在特征亚群使用一种基于模型的方法在每个样本内构建细胞簇。质谱流式仪器技术伪影导致的不可忽略缺失数据通过定义静态缺失数据机制加以处理。与基于观测标志物表达水平、分别应用于不同样本的传统细胞聚类方法不同，基于 FAM 的方法可同时应用于多个样本，并能识别传统聚类可能遗漏的重要细胞亚群。所提出的基于 FAM 的方法被应用于联合分析三个由 CyTOF 生成的数据集，以研究自然杀伤（NK）细胞。由于 FAM 识别的亚群可能定义新型 NK 细胞子集，该统计分析可提供关于 NK 细胞生物学及其在癌症免疫治疗中潜在作用的有用信息，进而可能促成改进的细胞疗法的发展。文中还给出了所提方法在已知亚群的两种情形下的模拟研究，随后对 CyTOF NK 细胞表面标志物数据进行了分析。
引用
@article{arxiv.2002.08609,
title = {A Bayesian Feature Allocation Model for Identification of Cell Subpopulations Using Cytometry Data},
author = {Arthur Lui and Juhee Lee and Peter F. Thall and May Daher and Katy Rezvani and Rafet Barar},
journal= {arXiv preprint arXiv:2002.08609},
year = {2020}
}