用于流式细胞术数据基于模型聚类的多元偏t分布序贯狄利克雷过程混合模型
机器学习
2022-11-10 v4
摘要
流式细胞术是一种高通量技术，用于在单细胞水平上量化多个表面和细胞内标记物。这使得能够识别细胞亚型并确定其相对比例。该技术的改进允许使用多个标记物描述来自血液样本的数百万个单个细胞。这产生了高维数据集，其手动分析极为耗时且可重复性较差。虽然已开发若干方法用于细胞群体的自动识别，但大多数独立地处理和分析每个样本。然而在实践中，个体样本很少独立（例如纵向研究）。在此，我们提议使用一种贝叶斯非参数方法，采用多元偏 -分布的狄利克雷过程混合（DPM）来执行流式细胞术数据基于模型的聚类。DPM 模型直接从数据估计细胞群体数量，避免模型选择问题，并且偏 -分布对离群值和细胞群体的非椭圆形状提供鲁棒性。为适应重复测量，我们提出了一种依赖于后验参数近似的序贯策略。我们在模拟数据、实验基准数据集以及来自评估抗 HIV 治疗性疫苗的 DALIA-1 试验的新纵向数据上展示了我们方法的良好性能。在基准数据集上，该序贯策略优于所有其他被评估的方法，同样地在 DALIA-1 数据上带来改进的性能。我们已通过 R 包 NPflow 向社区提供了该方法。
引用
@article{arxiv.1702.04407,
title = {Sequential Dirichlet Process Mixtures of Multivariate Skew t-distributions for Model-based Clustering of Flow Cytometry Data},
author = {Boris P. Hejblum and Chariff Alkhassim and Raphael Gottardo and François Caron and Rodolphe Thiébaut},
journal= {arXiv preprint arXiv:1702.04407},
year = {2022}
}
备注
39 pages, 11 figures