通过联合聚类与匹配 (JCM) 程序对流式细胞术样本进行监督分类
定量方法
2014-11-12 v1 统计方法学
机器学习
摘要
我们考虑利用联合聚类与匹配 (JCM) 程序，针对若干预定义的样本类别，对流式细胞术样本进行监督分类。JCM 程序最初被提出用于将样本内的细胞无监督地分类为若干簇，并在多样本情况下实现这些簇 across 样本的匹配。聚类与簇匹配这两项任务在 JCM 框架内同时执行。在本文中，我们考虑存在若干类别已知的不同样本类，而问题在于将一个来源类别未知的新样本分类到这些预定义类别之一。例如，不同的类别可能对应于特定疾病的类型，或患者在接受疗程后的各种健康结果。我们展示并演示了如何在一些真实数据集上使用 JCM 程序来执行此监督分类任务。我们使用混合分布来建模样本中每个细胞的一组固定标记物的表达分布，其中混合模型中的分量对应于样本组成中的各种细胞群。对于每一类样本，通过采用随机效应项来建模类内样本间的变异，从而形成类模板。对新未分类样本的分类是通过将该样本分配给使其拟合混合密度与各类模板提供的类密度之间的 Kullback-Leibler 距离最小的类别来完成的。
引用
@article{arxiv.1411.2820,
title = {Supervised Classification of Flow Cytometric Samples via the Joint Clustering and Matching (JCM) Procedure},
author = {Sharon X. Lee and Geoffrey J. McLachlan and Saumyadipta Pyne},
journal= {arXiv preprint arXiv:1411.2820},
year = {2014}
}