Visualization of Cell Composition and Maturation in the Bone Marrow Using 10‐Color Flow Cytometry and Radar Plots
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».