基于核平滑 EM 算法的流式细胞仪自动分选方法
统计方法学
2025-10-08 v1 应用统计
统计计算
摘要
浮游植物是约占全球光合作用总量的一半的微生物藻类，在全球碳循环和氧气生成中发挥着关键作用。因此，在广泛的时空尺度上衡量其亚型丰度对海洋学具有重要意义。高频率流式细胞仪是一种强大的技术，海洋学家在海上可在每 few 分钟内快速记录数万个单个浮游植物细胞的光学特性。然而，在这些庞大数据集中识别不同亚群的过程（称为“分选”）仍是一个主要挑战，此过程目前主要采用手动方式完成。本文引入了一种快速、自动的分选方法，通过基于核平滑的期望最大化类算法拟合时间演化的高斯混合模型，准确识别浮游植物群体。我们使用模拟数据演示了该方法的有效性和鲁棒性，并使用海洋学巡航数据突出该方法不仅能复制而且能超越专家手动分选的能力。最后，我们提供了一个使用严谨编程编写的 flowkernel R 包，高效实现了该算法。
引用
@article{arxiv.2510.06051,
title = {Automated Gating for Flow Cytometry Data Using a Kernel-Smoothed EM Algorithm},
author = {Farhad de Sousa and François Ribalet and Jacob Bien},
journal= {arXiv preprint arXiv:2510.06051},
year = {2025}
}