流式細(xì)胞儀數(shù)據(jù)快速分析方法
【專利摘要】本發(fā)明公開(kāi)了一種流式細(xì)胞儀數(shù)據(jù)快速分析方法。本發(fā)明包括以下步驟：(1)采用核密度估計(jì)方法對(duì)流式細(xì)胞儀數(shù)據(jù)中的類群數(shù)目進(jìn)行估計(jì)，得到數(shù)據(jù)中包含的類群數(shù)目范圍；(2)獲得類群數(shù)目后，采用優(yōu)化初始聚類中心的K-means方法對(duì)數(shù)據(jù)進(jìn)行自動(dòng)聚類；(3)對(duì)聚類后的結(jié)果，采用兩段線性回歸擬合方法合并篩選最優(yōu)結(jié)果。該分析方法分析流式細(xì)胞儀數(shù)據(jù)的結(jié)果精確度高，分析時(shí)間遠(yuǎn)遠(yuǎn)低于人工分析數(shù)據(jù)時(shí)間及目前其他分析方法。
【專利說(shuō)明】流式細(xì)胞儀數(shù)據(jù)快速分析方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及流式細(xì)胞儀數(shù)據(jù)自動(dòng)分析技術(shù)，尤其是涉及流式細(xì)胞儀數(shù)據(jù)的快速聚類算法。

【背景技術(shù)】
[0002]流式細(xì)胞術(shù)是一種能夠精確、快速地對(duì)生物細(xì)胞的理化特性和生物學(xué)特性進(jìn)行多參數(shù)定量分析及對(duì)特定細(xì)胞群分選的技術(shù)。其原理是采用微米級(jí)激光光束對(duì)經(jīng)過(guò)流體動(dòng)力學(xué)聚焦的細(xì)胞進(jìn)行逐個(gè)激發(fā)，完整收集并記錄每個(gè)細(xì)胞誘導(dǎo)得到的多角度散射光與多波長(zhǎng)標(biāo)記熒光信號(hào)，并通過(guò)對(duì)細(xì)胞群多光學(xué)通道數(shù)據(jù)的聚類分析實(shí)現(xiàn)樣本的高精度定量檢測(cè)。通常，單個(gè)細(xì)胞誘導(dǎo)得到的散射光和熒光信號(hào)以單個(gè)事件的形式被記錄，所有事件匯集成被測(cè)細(xì)胞群的完整流式細(xì)胞儀數(shù)據(jù)。當(dāng)前流式細(xì)胞儀數(shù)據(jù)分析的主要方法是將每個(gè)事件投影至二維或三維域中，以人工設(shè)門的方式進(jìn)行分析。隨著流式細(xì)胞術(shù)向著多激光、高通量方向發(fā)展，流式細(xì)胞儀數(shù)據(jù)量成倍增加，傳統(tǒng)人工分析數(shù)據(jù)方法已不能滿足快速分析的需求，數(shù)據(jù)的快速自動(dòng)分析成為流式細(xì)胞術(shù)未來(lái)發(fā)展的主要方向。
[0003]常見(jiàn)的流式細(xì)胞儀數(shù)據(jù)聚類算法，比如基于混合模型算法，雖然計(jì)算準(zhǔn)確度較高，但分析的時(shí)間通常較長(zhǎng)。目前比較先進(jìn)的基于偏斜t混合模型的聚類算法能夠比較準(zhǔn)確地分析流式數(shù)據(jù)，但是當(dāng)分析的數(shù)據(jù)量達(dá)到萬(wàn)級(jí)時(shí)，其計(jì)算時(shí)間通常超過(guò)了人工分析數(shù)據(jù)時(shí)間。另一種數(shù)據(jù)聚類方法是譜聚類方法，由于該方法是基于矩陣乘積的方式進(jìn)行結(jié)果估計(jì)，因此在樣本量較大時(shí)，其計(jì)算時(shí)間非常長(zhǎng)。針對(duì)該問(wèn)題，目前提出的一種預(yù)抽樣譜聚類算法，該方法解決了樣本量大造成的計(jì)算時(shí)間長(zhǎng)的問(wèn)題，但由于對(duì)數(shù)據(jù)進(jìn)行了預(yù)先處理，數(shù)據(jù)中包含的一部分生物信息可能在處理過(guò)程中丟失。另外，當(dāng)分析的數(shù)據(jù)中事件數(shù)達(dá)到萬(wàn)級(jí)時(shí)，該方法的計(jì)算時(shí)間也遠(yuǎn)遠(yuǎn)超過(guò)人工分析數(shù)據(jù)時(shí)間。


【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問(wèn)題，克服上述現(xiàn)有技術(shù)中存在的不足，提供一種通過(guò)計(jì)算機(jī)軟件算法，準(zhǔn)確對(duì)流式細(xì)胞儀數(shù)據(jù)進(jìn)行快速自動(dòng)分析，得到數(shù)據(jù)中包含的樣本信息，包括樣本類群數(shù)目和各類群總數(shù)。
[0005]本發(fā)明結(jié)合了流式細(xì)胞儀數(shù)據(jù)的特點(diǎn)，提出了一種快速自動(dòng)分析標(biāo)準(zhǔn)流式細(xì)胞儀數(shù)據(jù)方法，該方法能夠快速得到數(shù)據(jù)中樣本的分類信息。該分析方法分析流式細(xì)胞儀數(shù)據(jù)的結(jié)果精確度高，分析時(shí)間遠(yuǎn)遠(yuǎn)低于人工分析數(shù)據(jù)時(shí)間及目前其他分析方法。
[0006]具體處理技術(shù)方案如下:
[0007]流式細(xì)胞儀數(shù)據(jù)快速分析方法，包括以下步驟:
[0008](I)采用核密度估計(jì)方法對(duì)流式細(xì)胞儀數(shù)據(jù)中的類群數(shù)目進(jìn)行估計(jì)，得到數(shù)據(jù)中包含的類群數(shù)目范圍；
[0009](2)獲得類群數(shù)目后，采用優(yōu)化初始聚類中心的K-means方法對(duì)數(shù)據(jù)進(jìn)行自動(dòng)聚類；
[0010](3)對(duì)聚類后的結(jié)果，采用兩段線性回歸擬合方法合并篩選最優(yōu)結(jié)果。
[0011]為得到初始類群數(shù)目范圍，本發(fā)明提出了核密度估計(jì)方法。設(shè)X1, X2，…，XnSd維獨(dú)立同分布的樣本，且其密度函數(shù)為f，則的核密度估計(jì)可表示為
[0012]

【權(quán)利要求】
1.一種流式細(xì)胞儀數(shù)據(jù)快速分析方法，其特征在于，按照以下步驟進(jìn)行: (1)采用核密度估計(jì)方法對(duì)流式細(xì)胞儀數(shù)據(jù)中的類群數(shù)目進(jìn)行估計(jì)，得到數(shù)據(jù)中包含的類群數(shù)目范圍； (2)獲得類群數(shù)目后，采用優(yōu)化初始聚類中心的K-means方法對(duì)數(shù)據(jù)進(jìn)行自動(dòng)聚類； (3)對(duì)聚類后的結(jié)果，采用兩段線性回歸擬合方法合并篩選最優(yōu)結(jié)果。
2.如權(quán)利要求1所述的流式細(xì)胞儀數(shù)據(jù)快速分析方法，其特征在于，所述步驟(1)采用了核密度估計(jì)方法對(duì)流式細(xì)胞儀數(shù)據(jù)中的類群數(shù)目進(jìn)行估計(jì)的識(shí)別過(guò)程如下: 設(shè)P為流式細(xì)胞儀數(shù)據(jù)X的核密度估計(jì)，其可表示為
其中Xi代表數(shù)據(jù)中的事件，則對(duì)P兩邊求導(dǎo)可得到
其中: K為核函數(shù),且
H為dXd維正定對(duì)稱帶寬矩陣； F(2)K{x}表示K{x}的二階導(dǎo)數(shù)； 利用線性分割網(wǎng)格方法可得到每一維度的類群數(shù)目kj(j = 1，...，d)，則類群數(shù)目范圍
3.如權(quán)利要求1所述的流式細(xì)胞儀數(shù)據(jù)快速分析方法，其特征在于，所述步驟(2)中K-means方法釆用了以下過(guò)程進(jìn)行初始聚類中心確定: (1)在樣本中隨機(jī)選擇Xi作為第一個(gè)聚類中心C1; (2)計(jì)算所有樣本X到前k-l(k= 2，…K)個(gè)聚類中心的最小距離:
(3)以df為概率選擇Xi為第k個(gè)聚類中心ck。
4.如權(quán)利要求1所述的流式細(xì)胞儀數(shù)據(jù)快速分析方法，其特征在于，所述步驟(3)采用線性回歸擬合合并篩選最優(yōu)結(jié)果的過(guò)程如下:



d
若m = max(kj) (j = I,..., d), n = ^Jci , i 為從m+1 到 n_l 的變量，即 i = (m+1,…，n_l),



/=1將合并過(guò)程中類群數(shù)k及其對(duì)應(yīng)的類群間的最小距離Dk映射到二維空間，即Pk = (k, Dk)，對(duì)兩部分的點(diǎn)(Pm，…，Pi)和(Pi，...，Pn)分別進(jìn)行回歸擬合，其結(jié)果分別為ft和兄。則使?jié)M足兄的殘差平方和與P2殘差平方和之和的最小i值即為最佳類群數(shù)K，即
5.如權(quán)利要求4所述的流式細(xì)胞儀數(shù)據(jù)快速分析方法，其特征在于，所述線性回歸擬合篩選最優(yōu)結(jié)果采用了優(yōu)化的馬氏距離估計(jì)兩個(gè)類群X和Y之間距離的方法如下:
其中: X為類群X的中心； F為類群Y的中心； Σχ* X的協(xié)方差矩陣。
【文檔編號(hào)】G06F19/00GK104200114SQ201410459761
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年9月10日 優(yōu)先權(quán)日:2014年9月10日
【發(fā)明者】王先文, 程智, 陳鋒, 杜耀華, 暴洪濤, 李辰宇, 吳太虎 申請(qǐng)人:中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院衛(wèi)生裝備研究所