Visualization of Cell Composition and Maturation in the Bone Marrow Using 10‐Color Flow Cytometry and Radar Plots
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The enormous potential of complex data files generated by 10-color flow cytometry (FC) is hindered by the requirement for exhaustive manual gating and the complexity of multidimensional data visualization. We propose a model using radar plots (RPs), to improve FC data visualization by capturing multidimensionality and integration of FC findings. METHOD: We analysed 12 normal/reactive bone marrow (N/R BM) samples and 12 BM samples from patients with myelodysplasia (MDS) with 10-color FC. All identifiable cell clusters were individually marked, grouped, and visualized on radar plots. RPs were optimized to de-clutter the cell clusters and map BM cell composition and maturation. RESULTS: A total of 27 immature and mature cell clusters were identified and visualized on 8 multidimensional radar plots. The RPs displayed flow cytometry findings of normal BM in an integrated fashion to maximize overall insight into the data set. The constructed map of bone marrow cell composition was reproducible in all normal BM samples analyzed. Analysis of the pilot cohort of patient samples confirmed the presence of MDS-related changes. These changes are readily identifiable on RPs. CONCLUSION: We demonstrated that the cell clusters of normal BM can be mapped on multidimensional radar plots, which provide an inclusive insight into BM cell composition and maturation. These reproducible RPs present a comprehensive and comprehensible visual display of differentiation and maturation of haematopoietic cells in normal BM, and can be used as a reference map to assess abnormal haematopoiesis in MDS. © 2017 International Clinical Cytometry Society.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle