从细胞特征到疾病诊断：利用超细胞揭示表型
定量方法
2013-09-10 v1
摘要
细胞异质性以及细胞内多种分子过程相互作用所固有的复杂性，给当前的单细胞生物学带来了严峻挑战。我们引入了一种基于多参数单细胞测量来识别疾病表型的方法，该方法基于“超细胞统计”概念，即一种基于单细胞的平均过程，随后进行机器学习分类。我们能够评估平均单细胞数量与捕获健康患者和患病患者之间、以及不同难以诊断的疾病之间表型差异所需测量次数之间的最佳权衡。我们将该方法应用于两类单细胞数据集：一是利用细胞核图像诊断早衰症；二是基于多色流式细胞术分析两种非感染性葡萄膜炎（白塞病和结节病的眼部表现）的表型。在前一种情况下，对一组 30 个细胞进行一次核形状测量足以将样本分类为健康或患病，这与常规实验室实践一致。在后一种情况下，我们的方法能够识别出一组最少 5 个标志物，准确预测白塞病和结节病。这是首次实现这两种疾病之间的定量表型区分。为了获得这种清晰的表型特征，需要测量约一百个 CD8+ T 细胞。除这些特定案例外，此处提出的方法适用于由其他种类的最先进及即将出现的单细胞技术生成的数据集，如多维质谱流式细胞术、单细胞基因表达和单细胞全基因组测序技术。
引用
@article{arxiv.1308.0101,
title = {From Cellular Characteristics to Disease Diagnosis: Uncovering Phenotypes with Supercells},
author = {Julián Candia and Ryan Maunu and Meghan Driscoll and Angélique Biancotto and Pradeep Dagur and J. Philip McCoy and H. Nida Sen and Lai Wei and Amos Maritan and Kan Cao and Robert B. Nussenblatt and Jayanth R. Banavar and Wolfgang Losert},
journal= {arXiv preprint arXiv:1308.0101},
year = {2013}
}
备注
22 pages, 4 figures. To appear in PLOS Computational Biology