CITRUS'u keşfedin: Tahmini Biyobelirteçleri Otomatik Olarak Belirleyin

CITRUS (küme tanımlama, karakterizasyon ve regresyon), diferansiyel tek hücreli biyobelirteçlerin tanımlanması için kullanılan bir algoritmadır1. Bilimsel bir soru soran ve karşılığında bu soruyu yanıtlamaya yardımcı olmak için hücre türüne özgü bir biyobelirteç setini veren bir kara kutu algoritmasıdır. Daha da önemlisi, CITRUS bunu hücre tiplerini tanımlamak için önceden bilgiye veya subjektif geçitlemeye gerek duymadan yapar ve biyobelirteçler araştırmacıların gerçek pozitif sonuçları takip ettiklerinden emin olabilmeleri için istatistiksel olarak güvenilir bir şekilde tanımlanır2.

CITRUS, iki tür soruyu yanıtlamak için oluşturulmuştur: ‘Gruplarım ne açıdan farklı?’ veya ‘Gruplarım arasındaki farkları en iyi nasıl tahmin edebilirim?’

CITRUS, aralarındaki farklılıkların çeşitli hücre tiplerinin bolluğundaki farklılıklar, sinyalizasyonun aktivasyonu veya inhibisyonu veya bu hücre tiplerinde belirteçlerin varlığı veya yokluğu ile yönlendirilmesinin beklendiği grupları karşılaştırmak için kullanılabilir. CITRUS kullanıcıya bu “özelliklerin” hangisinin tanımlanan gruplar arasında anlamlı olarak farklı olduğunu söyleyecektir.

$name

CITRUS, bir sonuç grubuyla ilişkili biyobelirteçleri otomatik olarak bulmak veya sonuç grubunu en iyi şekilde öngören bir dizi biyobelirteci bulmak için gözetimsiz ve gözetimli bir Makine Öğrenimi veri hattı kullanır. CITRUS çalışmasının sonuçları, örneklerin gözlemlenen sonlanma noktasını ayırt eden kümeler ve ilişkili özelliklerdir. Cytobank platformunda CITRUS'un nasıl çalıştırılacağına ve sonuçların nasıl yorumlanacağına ilişkin eğitim için videoyu izleyin.

CITRUS gözetimsiz ve gözetimli Makine Öğrenimi biyobelirteçlerini otomatik olarak bulur

Şekil 1. CITRUS İş Akışı.

Daha fazla ayrıntı ve talimat için Cytobank Destek sayfalarımızı da ziyaret edin.

Referanslar

  1. Bruggner RV, Bodenmiller B, Dill DL, Tibshirani RJ, Nolan GP. Automated identification of stratifying signatures in cellular subpopulations. [Hücresel alt popülasyonlarda katmanlandırma belirteçlerinin otomatik tanımlanması.] Proc Natl Acad Sci USA. 2014;111(26):E2770-E2777. doi:10.1073/pnas.1408792111

  2. Polikowsky HG, Drake KA. Supervised Machine Learning with CITRUS for Single Cell Biomarker Discovery. [Tek Hücreli Biyobelirteç Keşfi için CITRUS ile Denetimli Makine Öğrenimi.] In: McGuire HM, Ashhurst TM, eds. Mass Cytometry. Vol 1989. New York, NY: Springer New York; 2019:309-332. doi:10.1007/978-1-4939-9454-0_20

Cytobank Learning Center Navigation

Request the FREE Cytobank trial