从细胞特征到疾病诊断：用超级细胞揭示表型
摘要：使用基于超级细胞统计的方法，我们能够从多元单细胞测量中识别出疾病表型。该方法首先进行了基于单细胞的平均处理，然后采用机器学习分类方案。我们能够评估在数量化学和疾病间的表型差异中，最佳的单细胞数量平均值和测量次数之间的权衡，而这一差异在其他情况下很难诊断。我们将该方法应用于两种单细胞数据集，分别使用细胞核显微图像来诊断一个早衰性疾病，以及使用多色流式细胞仪检测Behc{c}et's病和结节病（两种非传染性葡萄膜炎的眼部表现）的表型。在前一种情况下，对一组30个细胞的一个核形态测量就足以把样本分类为健康或患病，这与常规实验室实践一致。在后一种情况下，我们的方法能够识别出能够准确预测Behc{c}et's病和结节病的5个标记。这是第一次成功实现这两种疾病之间的定量表型区别。为了获得这一明显的表型特征，需要测量大约100个CD8+ T细胞。除了这些具体情况外，本研究提出的方法也适用于其他先进和即将面世的单细胞技术生成的数据集，例如多维质量细胞学、单细胞基因表达和单细胞全基因组测序技术。
作者：Juli''an Candia, Ryan Maunu, Meghan Driscoll, Ang''elique Biancotto, Pradeep Dagur, J. Philip McCoy Jr, H. Nida Sen, Lai Wei, Amos Maritan, Kan Cao, Robert B. Nussenblatt, Jayanth R. Banavar, Wolfgang Losert
论文ID：1308.0101
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2013-09-10