信息保持成分分析：用于流式细胞术分析的数据投影

流式细胞术常用于表征白血病和淋巴瘤患者中的恶性细胞，追踪至单个细胞水平。通常，流式细胞数据分析是通过一系列投影到数据集坐标轴的二维投影进行的。多年来，临床医生已确定了不同荧光标记的组合，这些组合能为特定亚型的白血病和淋巴瘤（造血系统癌症）产生相对已知的表达模式。仅通过观察一系列二维投影，数据的高维特性很少得到利用。在本文中，我们提出了一种确定低维投影的方法，该方法能维持不同肿瘤数据集之间的高维关系（即信息）。通过运用机器学习技术，我们使临床医生能够在由所有可用标记的线性组合定义的低维空间中可视化数据，而不仅仅是一次两个。这有助于诊断相似形式的癌症，并为探索性流式细胞研究提供了一种变量选择手段。我们将此方法称为信息保持成分分析（IPCA）。