Biyolojik sistemlerin araştırılması, organizmaların ve hücrelerinin farklı bileşenleri içerisindeki durumları ve süreçleri anlamak için genellikle birden fazla teknoloji ve test türünün kullanılmasını gerektirir. Sistem çapında bağışıklık tepkilerinin ölçülmesi önemli ölçüde ^{1, 2, 3} veri genişliği ve derinliğini gerektirir.

Sitometreye benzer formatlarda veri üreten test türleri için, araştırmacıların benzersiz ilişkileri ortaya çıkarmalarına yardımcı olmak amacıyla farklı gözlemler (hücreler, örnekler, hastalar) için ölçülen biyolojik işaretleyicinin göreceli miktarı (proteinler, RNA, DNA, fizyolojik parametreler, demografik veriler) ile sayısal bir matris bu veri kümelerine uygulanabilir. Cytobank platformunda bulunan makine öğrenimi temelli boyut azaltma ve kümeleme araçlarını ek veri türleri için uygulayabilirsiniz. Biyobelirteçleri keşfedin ve hücresel etkileşimleri ve diğer deneysel sonuçları bulutun ölçeklenebilir hesaplama ve iş birliği gücünden faydalanarak daha hızlı ve daha kapsamlı bir şekilde inceleyin.

Hangi Veri Analiz Yöntemlerini Kullanmalısınız?

Herhangi bir veriye uygulanan analitik stratejiler, verinin niteliğine bağlı olacaktır. Örnek teknolojiye ve veri özelliklerine bağlı olarak Cytobank platformunda hangi analitik yöntemleri uygulayabileceğinizi aşağıda inceleyebilirsiniz.

Cytobank platformlarında daha fazla veri türünü analiz etmek, çalışmalarınızda ölçtüğünüz verilerden daha fazla yararlanmanızı sağlar. Örneğin, tekli hücre veri kümelerindeki popülasyonları tanımlayın ve ardından sonuçları diğer veri türleriyle doğrulayın. Tek hücreli RNAseq verileriyle başlayın ve istatistiksel olarak anlamlı popülasyona özgü biyobelirteç setini tanımlayın, ardından bunları sitometre verileriyle doğrulayın ve mekaniğe ait protein çalışmalarını daha ayrıntılı olarak inceleyin. Bu yaklaşım, geniş ve agnostik olarak başlamanıza ve klinik çalışmalarda faydalı olabilecek aşağı yönlü tekrarlı kullanım için azaltılmış bir belirteç seti elde etmenize olanak tanır.

CITE-seq veya Dizileme ile Transkriptomların ve Epitopların Hücresel İndislenmesi hakkında daha fazla bilgi edinin.

Örnekler Arasında Heterojenliği Görüntülemek için Toplu Verileri Analiz Etme

Örnek gruplarını işaretleyici ekspresyon farklılıklarına bağlı olarak belirlemek için toplu verileri analiz edin ve grupların klinik özellikler (ör. tedavi kolu veya yaş) gibi diğer sonuçlarla ilişkisi olup olmadığını görüntüleyin. Verilere bağlı olarak, örneğin ölçmeniz gereken belirteç sayısını potansiyel olarak azaltmak için örnekler arasında benzer olan işaretleyici grupları olup olmadığını da sorabilirsiniz.

DROP (Sonuç Optimizasyonu Portalı Verileri) hakkında daha fazla bilgi edinin.

Referanslar:

1. Brodin P, Davis MM. Human immune system variation. [İnsan bağışıklık sistemi varyasyonu] Nat Rev Immunol. 2017 Jan;17(1):21–29. PMCID: PMC5328245


2. Chattopadhyay PK, Gierahn TM, Roederer M, Love JC. Single-cell technologies for monitoring immune systems. [Bağışıklık sistemlerini izlemek için tek hücreli teknolojiler.] Nat Immunol. 2014 Feb;15(2):128–135. PMCID: PMC4040085


3. Blank CU, Haanen JB, Ribas A, Schumacher TN. The “cancer immunogram”. [“Kanser immünogramı”] Science. 2016 May;352(6286):658-60. PMID: 27151852