ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO
Objetivo: O objetivo deste estudo é explorar abordagens computacionais avançadas em análises de citometria de fluxo, com foco na utilização das bibliotecas R para manipulação de dados imunofenotipicos. Os métodos são comparados na abordagem em análise de perfil linfocitário, buscando otimizar a iden...
| Main Authors: | , , , , , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Elsevier
2023-10-01
|
| Series: | Hematology, Transfusion and Cell Therapy |
| Online Access: | http://www.sciencedirect.com/science/article/pii/S253113792300500X |
| _version_ | 1797655073081262080 |
|---|---|
| author | IAF Bahia SC Fortier GHM Oliveira GBC Junior EM Cordeiro ES Junior FCM Theodoro RD Lima RE Martins RS Barroso |
| author_facet | IAF Bahia SC Fortier GHM Oliveira GBC Junior EM Cordeiro ES Junior FCM Theodoro RD Lima RE Martins RS Barroso |
| author_sort | IAF Bahia |
| collection | DOAJ |
| description | Objetivo: O objetivo deste estudo é explorar abordagens computacionais avançadas em análises de citometria de fluxo, com foco na utilização das bibliotecas R para manipulação de dados imunofenotipicos. Os métodos são comparados na abordagem em análise de perfil linfocitário, buscando otimizar a identificação e caracterização das populações celulares B, T e NK. Metodologia: A análise do perfil linfocitário foi realizada através do software Kaluza em um primeiro momento, como base comparativa para a aplicação no R através da importação, pré-processamento e transformação destes dados usando a biblioteca flowCore. Em sequência, a correção de artefatos e melhora da qualidade foi realizada através da biblioteca flowAI. A abordagem de clustering foi então realizada nas bibliotecas i mmunoClust e FlowSOM. Por fim, outras ferramentas foram exploradas criticamente de forma a otimizar a manipulação e exposição de dados imunofenotipicos, principalmente no que diz respeito ao racional de gates para definição e caracterização das populações celulares, sendo as principais bibliotecas relacionadas às ggcyto, openCyto, flowWorkspace e CytoML. Resultados: A aplicação das bibliotecas R possibilitou uma análise mais completa, automatizada e semisupervisionada das populações B, T e NK. A utilização das bibliotecas de Clustering, com destaque para o FlowSOM, permitiram uma identificação mais precisa das populações celulares, revelando subpopulações complexas que não seriam facilmente detectadas por métodos tradicionais, como na sistemática de gates através de dotplots. Além disso, a aplicação das bibliotecas ggcyto, openCyto, flowWorkspace e CytoML trouxeram possiblidades interessantes para a abordagem e averiguação dos resultados, favorecendo o desenvolvimento e exposição multivariada dos dados imunofenotipicos, seja a critério de controle interno ou liberação do laudo. Discussão: As abordagens de clustering avançadas proporcionam insights mais profundos sobre a heterogeneidade celular nas amostras analisadas no perfil linfocitário, sendo também possível a aplicação destas em uma maior variedade de casos. Estes métodos computacionais elucidam a identificação de padrões relevantes nas amostras analisadas, o que é especialmente importante em estudos com grandes quantidades de dados, onde torna-se possível a aplicação de estudos de bigdata e machine learning, além do comparativo com a literatura relacionada, a exemplo do entendimento e definição da ontogenia das populações B, T e NK, frente à diferentes quadros clínicos. Por fim, a visualização dos dados celulares pode ser retratada de forma mais completa, com recursos mais variados que podem reforçar o rigor e acompanhamento analítico. Conclusão: A integração de bibliotecas R especializadas, como FlowSOM, OpenCyto, e outras, proporcionou uma análise mais robusta e eficiente dos dados de citometria de fluxo. As abordagens avançadas de clustering permitiram identificar as populações B, T e NK, além de caracterizar subpopulações com maior precisão e eficiência, favorecendo o entendimento da ontogenia das mesmas. Essas técnicas têm o potencial de impulsionar significativamente a pesquisa e clínica em citometria de fluxo, trazendo novos parâmetros de análise e abrindo novas possibilidades para o controle interno e entrega dos resultados, por exemplo, na investigação e monitoramento de processos biológicos complexos, além do auxílio no desenvolvimento e acompanhemento de terapias personalizadas. |
| first_indexed | 2024-03-11T17:08:51Z |
| format | Article |
| id | doaj.art-e333d67793e64df28ec3d3e3c375d898 |
| institution | Directory Open Access Journal |
| issn | 2531-1379 |
| language | English |
| last_indexed | 2024-03-11T17:08:51Z |
| publishDate | 2023-10-01 |
| publisher | Elsevier |
| record_format | Article |
| series | Hematology, Transfusion and Cell Therapy |
| spelling | doaj.art-e333d67793e64df28ec3d3e3c375d8982023-10-20T06:41:15ZengElsevierHematology, Transfusion and Cell Therapy2531-13792023-10-0145S140S141ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIOIAF Bahia0SC Fortier1GHM Oliveira2GBC Junior3EM Cordeiro4ES Junior5FCM Theodoro6RD Lima7RE Martins8RS Barroso9Universidade Federal do Rio Grande do Norte (UFRN), Natal, RN, Brasil; Flowmentor, São Paulo, SP, BrasilIrmandade da Santa Casa de Misericórdia de São Paulo (ISCMSP), São Paulo, SP, BrasilFlowmentor, São Paulo, SP, Brasil; Hemocentro Dalton Cunha (HEMONORTE), Natal, RN, BrasilUniversidade Federal do Rio Grande do Norte (UFRN), Natal, RN, Brasil; Hemocentro Dalton Cunha (HEMONORTE), Natal, RN, BrasilUniversidade Federal do Rio Grande do Norte (UFRN), Natal, RN, BrasilFlowmentor, São Paulo, SP, BrasilUniversidade Federal do Rio Grande do Norte (UFRN), Natal, RN, BrasilUniversidade Federal do Rio Grande do Norte (UFRN), Natal, RN, BrasilUniversidade Federal do Rio Grande do Norte (UFRN), Natal, RN, BrasilFlowmentor, São Paulo, SP, BrasilObjetivo: O objetivo deste estudo é explorar abordagens computacionais avançadas em análises de citometria de fluxo, com foco na utilização das bibliotecas R para manipulação de dados imunofenotipicos. Os métodos são comparados na abordagem em análise de perfil linfocitário, buscando otimizar a identificação e caracterização das populações celulares B, T e NK. Metodologia: A análise do perfil linfocitário foi realizada através do software Kaluza em um primeiro momento, como base comparativa para a aplicação no R através da importação, pré-processamento e transformação destes dados usando a biblioteca flowCore. Em sequência, a correção de artefatos e melhora da qualidade foi realizada através da biblioteca flowAI. A abordagem de clustering foi então realizada nas bibliotecas i mmunoClust e FlowSOM. Por fim, outras ferramentas foram exploradas criticamente de forma a otimizar a manipulação e exposição de dados imunofenotipicos, principalmente no que diz respeito ao racional de gates para definição e caracterização das populações celulares, sendo as principais bibliotecas relacionadas às ggcyto, openCyto, flowWorkspace e CytoML. Resultados: A aplicação das bibliotecas R possibilitou uma análise mais completa, automatizada e semisupervisionada das populações B, T e NK. A utilização das bibliotecas de Clustering, com destaque para o FlowSOM, permitiram uma identificação mais precisa das populações celulares, revelando subpopulações complexas que não seriam facilmente detectadas por métodos tradicionais, como na sistemática de gates através de dotplots. Além disso, a aplicação das bibliotecas ggcyto, openCyto, flowWorkspace e CytoML trouxeram possiblidades interessantes para a abordagem e averiguação dos resultados, favorecendo o desenvolvimento e exposição multivariada dos dados imunofenotipicos, seja a critério de controle interno ou liberação do laudo. Discussão: As abordagens de clustering avançadas proporcionam insights mais profundos sobre a heterogeneidade celular nas amostras analisadas no perfil linfocitário, sendo também possível a aplicação destas em uma maior variedade de casos. Estes métodos computacionais elucidam a identificação de padrões relevantes nas amostras analisadas, o que é especialmente importante em estudos com grandes quantidades de dados, onde torna-se possível a aplicação de estudos de bigdata e machine learning, além do comparativo com a literatura relacionada, a exemplo do entendimento e definição da ontogenia das populações B, T e NK, frente à diferentes quadros clínicos. Por fim, a visualização dos dados celulares pode ser retratada de forma mais completa, com recursos mais variados que podem reforçar o rigor e acompanhamento analítico. Conclusão: A integração de bibliotecas R especializadas, como FlowSOM, OpenCyto, e outras, proporcionou uma análise mais robusta e eficiente dos dados de citometria de fluxo. As abordagens avançadas de clustering permitiram identificar as populações B, T e NK, além de caracterizar subpopulações com maior precisão e eficiência, favorecendo o entendimento da ontogenia das mesmas. Essas técnicas têm o potencial de impulsionar significativamente a pesquisa e clínica em citometria de fluxo, trazendo novos parâmetros de análise e abrindo novas possibilidades para o controle interno e entrega dos resultados, por exemplo, na investigação e monitoramento de processos biológicos complexos, além do auxílio no desenvolvimento e acompanhemento de terapias personalizadas.http://www.sciencedirect.com/science/article/pii/S253113792300500X |
| spellingShingle | IAF Bahia SC Fortier GHM Oliveira GBC Junior EM Cordeiro ES Junior FCM Theodoro RD Lima RE Martins RS Barroso ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO Hematology, Transfusion and Cell Therapy |
| title | ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO |
| title_full | ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO |
| title_fullStr | ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO |
| title_full_unstemmed | ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO |
| title_short | ANÁLISES AVANÇADAS EM CITOMETRIA DE FLUXO COM R 4.3.0: CLUSTERING EM PERFIL LINFOCITÁRIO |
| title_sort | analises avancadas em citometria de fluxo com r 4 3 0 clustering em perfil linfocitario |
| url | http://www.sciencedirect.com/science/article/pii/S253113792300500X |
| work_keys_str_mv | AT iafbahia analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT scfortier analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT ghmoliveira analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT gbcjunior analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT emcordeiro analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT esjunior analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT fcmtheodoro analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT rdlima analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT remartins analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario AT rsbarroso analisesavancadasemcitometriadefluxocomr430clusteringemperfillinfocitario |