CytOpT：基于最优传输与域适应的流式细胞数据分析方法
应用统计
2022-07-01 v5
摘要
流式细胞术测量的自动化分析是一个活跃的研究领域。我们引入一种称为 CytOpT 的新算法，利用正则化最优传输直接从以流式细胞测量表征的生物样本中估计不同的细胞群体比例。我们依赖正则化 Wasserstein 度量来比较来自不同样本的 cytometry 测量，从而考虑给定细胞群体跨样本的可能错位（由于测量技术带来的技术变异性）。在这项工作中，我们依赖一种基于 Wasserstein 度量的监督学习技术，用于估计混合模型中类比例的最优重加权，从具有已知细胞亚群分割的源分布出发，以拟合具有未知分割的目标分布。由于流式细胞数据的高维性，我们使用随机算法来近似正则化 Wasserstein 度量，以解决估计代表目标分布中细胞群体比例的最优权重所涉及的优化问题。我们使用多个流式细胞数据集来说明 CytOpT 的性能，并与已有的基于监督学习的自动门控算法进行比较。
引用
@article{arxiv.2006.09003,
title = {CytOpT: Optimal Transport with Domain Adaptation for Interpreting Flow Cytometry data},
author = {Paul Freulon and Jérémie Bigot and Boris P. Hejblum},
journal= {arXiv preprint arXiv:2006.09003},
year = {2022}
}
备注
25 pages, 17 figures