TEAM：一种用于流式细胞术分析的聚树上多重检验算法
统计方法学
2021-03-29 v2
摘要
在免疫学研究中，流式细胞术是一种常用的多变量单细胞检测技术。流式细胞术分析的一个关键目标是精确定位对特定刺激有响应的免疫细胞。从统计角度看，该问题可转化为比较刺激前后的两种蛋白表达概率密度函数（PDF）；目标是精确定位这两个 pdf 存在差异的区域。本文将此比较建模为一个多重检验问题。首先，我们将样本空间划分为小区间。在每个区间中我们形成一个假设以检验差异 pdf 的存在。其次，我们开发了一种新颖的多重检验方法，称为 TEAM（聚树上检验方法，Testing on the Aggregation tree Method），以识别那些含有差异 pdf 的区间，同时将错误发现率（FDR）控制在期望水平之下。TEAM 将检验过程嵌入到聚树中，从细分辨率到粗分辨率进行检验。该过程实现了将差异 pdf 精确定位到尽可能小区域这一统计目标。TEAM 计算高效，与竞争方法相比，能在更短时间内分析大型流式细胞术数据集。我们将 TEAM 与竞争方法应用于一个流式细胞术数据集，以识别对巨细胞病毒（CMV）-pp65 抗原刺激有响应的 T 细胞。TEAM 成功识别了单功能、双功能和多功能的 T 细胞，而竞争方法要么未在合理时间框架内完成，要么给出了可解释性较差的结果。数值模拟与理论论证表明 TEAM 具有渐近有效、强大且稳健的性能。总体而言，TEAM 是一种计算高效且统计强大的算法，能在流式细胞术研究中产生有意义的生物学洞见。
引用
@article{arxiv.1906.07757,
title = {TEAM: A Multiple Testing Algorithm on the Aggregation Tree for Flow Cytometry Analysis},
author = {John Pura and Xuechan Li and Cliburn Chan and Jichun Xie},
journal= {arXiv preprint arXiv:1906.07757},
year = {2021}
}