CN117238378A - 基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质。本发明先指定圈门逻辑和手动圈出选定亚群；其次基于二维概率密度自动聚类亚群；然后基于聚类的亚群和选定亚群，计算二次型距离；最后比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释。本发明适用于流式细胞技术和质谱流式技术数据及所有二维聚类数据，能够根据二维数据快速准确聚出亚群，在CD4、CD8二维数据上，能够准确聚出CD4‑CD8‑、CD4+CD8‑、CD4‑CD8+、CD4+CD8+四个亚群，与主观观察到的亚群相同。

Description

基于密度估计和二次型距离的自动圈门方法、装置、设备及存 储介质

技术领域

本发明涉及生物信息、数据发掘领域，尤其涉及一种基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质。

背景技术

随着精准医疗和基因生物学的发展，流式细胞技术和质谱流式技术已成为进行生物研究及临床诊断最重要的工具，广泛应用于生物学和生物医学研究中。在流式细胞技术和质谱流式技术的数据分析是当前的难点之一，其主要目的是识别和划分样本中的亚群细胞。

传统的分析方法通常使用能够显示两个测量通道参数的二维散点图，以人工的方式对数据进行分析。传统人工分析方法，通常需要采用多层级圈门组合的方式才能获得理想的分群结果，对操作者的要求较高，需要操作者具备较高水平的专业知识，并且不同的操作者得到的分析结果可能不同，容易受到操作者经验的影响，可重复性差和存在主观性。当数据的通道较多时，人工圈门分析过程繁琐、效率低、耗时长且浪费资源。不能自动的、快速的、圈出关注的亚群。

发明内容

为了能够、准确的、自动的、快速的圈出关注的亚群，本申请提供一种基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质。

本申请的第一方面，提供了一种基于密度估计和二次型距离的自动圈门方法，包括：

指定圈门逻辑和手动圈出选定亚群；

基于二维概率密度自动聚类亚群；

基于聚类的亚群和选定亚群，计算二次型距离，

比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释。

本申请的第二方面，提供了一种基于密度估计和二次型距离的自动圈门装置，包括：

圈门初始化模块，用于指定圈门逻辑和手动圈出选定亚群；

亚群聚类模块，用于基于二维概率密度自动聚类亚群；

二次型距离计算模块，用于基于聚类的亚群和选定亚群，计算二次型距离，

注释及合并模块，用于比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释

本申请的第三方面，提供了一种基于密度估计和二次型距离的自动圈门设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述基于密度估计和二次型距离的自动圈门方法。

本申请的第四方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述基于密度估计和二次型距离的自动圈门方法。

本发明的有益效果：本发明结合计算机技术，根据指定的圈门逻辑和注释模板，能够客观的，快速的圈出所关注的亚群。本发明适用于流式细胞技术和质谱流式技术数据及所有二维聚类数据，能够根据二维数据快速准确聚出亚群，如在CD4、CD8二维数据上，能够准确聚出CD4-CD8-、CD4+CD8-、CD4-CD8+、CD4+CD8+四个亚群，与主观观察到的亚群相同。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

在附图中：

图1：是根据本发明实施例提供的一种基于密度估计和二次型距离的自动圈门方法流程图；

图2：是根据本发明实施例提供的一种基于密度估计和二次型距离的密度估计方法流程图；

图3：是根据本发明实施例提供的一种基于密度估计和二次型距离的二次型距离计算方法流程图；

图4a：是根据本发明实施例提供的细胞分类示意图；

图4b：是根据本发明实施例提供的注释结果图；

图5：是根据本发明实施例提供的另一注释结果图；

图6：是根据本发明实施例提供的亚群可视化效果图；

图7：是根据本发明实施例提供的基于密度估计和二次型距离的自动圈门装置结构图；

图8：是根据本发明实施例提供的基于密度估计和二次型距离的自动圈门设备结构图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本申请实施例公开了一种基于密度估计和二次型距离的自动圈门方法，如图1和图2所示，使用一个基于流式细胞技术得到的fcs文件。

指定所要圈出的亚群：使用CD45、SSC两个marker圈出Lymphocytes亚群，在Lymphocytes亚群下，使用CD45、CD3两个marker圈出CD3+亚群；

手动制定模板亚群数据：使用流式处理软件flowjo从CD45、SSC二维散点图中手动导出Lymphocytes、others1、others2细胞亚群，从Lymphocytes亚群下使用CD45、CD3的二维散点图中导出CD3+、others细胞亚群，并将数据导出为csv文件。

指定网格数M为128，使用CD45、SSC两个marker的二维数据，根据网格点分布定义：构建网格点grid points的分布；

其中：

gridpoints为16384x2的二维矩阵。

对每个grid point使用以下公式计算w_m：

其中：{y_m，m∈{1，2，...，M}²}，{w_m，m∈{1，2，...，M}²}；

计算每个grid point的权重，则w_m为16384x2的二维矩阵。

基于gridpoints的分布(y_m)和权重分布(w_m)使用公式计算grid points的密度估计分布：

其中：l＝(l₁，l₂)，h_j＝std(x_ij，i＝1，2...，n)n^-1/6，std为标准差。

计算grid points的密度估计分布的标准误差/>

其中是高斯核。

如果则将这些grid point定义为背景噪声点。

依次访问不属于背景噪声点的grid points集合ζ＝m∈{1，...，M}²，然后比较该gridpoint与最近邻的8个grid points：n_m＝8的密度估计值/>找到密度估计值最大的grid pointp，/>如果满足以下两个条件，则建立一个y_m到p的指针：

条件(1).条件(2)./>

其中：

e＝(p-y_m)/||p-y_m||

将这些指针串联成链，每条链指向最终的一个grid point，y_z。

如果y_z属于背景噪声点，则将整条链上所有的grid point标记为背景噪声点。

其次，如果则将这条链上所有的grid point指向一个亚群(cluster)，y_z为这个cluster的中心点和表示这个cluster，否则将y_z作为背景噪声。

对于所有被作为cluster的grid points的集合{y_m(1)，...，y_m(k)}，令：

对i＝1，2...，k做如下循环；设再循环/>中的每个元素：设/>若满足以下条件，则向/>中添加元素p：

(1).y_p是y_a最邻近的8个邻点；

(2).没有任何指针源自y_p；

(3).

定义一个集合其元素为满足如下条件的grid points：

(1).该grid point表示一个cluster；

(2).该grid point存在

如果不为空，定义q，使/>使y_p指向/> 对删除y_r表示的cluster，建立y_r指向y_q的cluster，y_q表示一个cluster。

循环上述步骤，直到不再删除和新建cluster；将不属于任何cluster和背景噪声的grid points分配给背景噪声。

计算每个cell到最近邻的4个grid points间的欧式距离，将该cell分配给距离最近的grid point，从而得到每个cell所属的cluster。如图4a所示，5个cluster和背景噪声(bg)，每种颜色表示一个cluster。

如图3所示，将聚类出的cluster的表达矩阵与手动圈出的CD45、SSC的模板数据合并，分别计算CD45和SSC两个维度的方差和中位数，按方差最大的维度，根据其对应的中位数，将合并数据划分为两个bins；再对两个bins，分别计算CD45和SSC两个维度的方差和中位数，将每个bin按方差最大维度的中位数，将其划分为两个bins，此时得到4个bins，如此，一直划分到256个bins时结束停止。

计算每个cluster与特定亚群模板中的三个亚群Lymphocytes、others1、others2之间的二次型距离。计算公式为：

h_i和f_i表示第i个bin中，自动出的某个cluster与特定亚群模板中的某个亚群中事件的相对频率，矩阵A＝[a_ij]表示bin之间的差异， 表示第i个和第j个bin的质心之间的欧氏距离，d_max是/>的最大值。结果如下：

	Lymphocytes	other1	others2
				16&5	75.61833	74.19085	79.33003
16&9	70.2353	65.60233	71.23573
				21&12	86.97643	86.55545	89.67772
76&15	20.53077	42.91652	69.44339
				65&79	73.21409	50.70948	13.35277
bg	68.68617	53.29075	23.31148

将属于同一亚群的cluster逐一合并，即将16&5和16&9合并为新的cluster，16&5-16&9，根据上述方法再次计算二次型距离，如下：

	Lymphocytes	other1	others2
				16&5-16&9	77.58941	62.56821	82.36429
21&12	86.97643	86.55545	89.67772
				76&15	20.53077	42.91652	69.44339
65&79	73.21409	50.70948	13.35277
				bg	68.68617	53.29075	23.31148

因为62.56821小于65.60233，所以将16&5和16&9合并为新的cluster，再将16&5-16&9与21&12cluster再次合并为新的cluster，16&5-16&9-21&12，根据上述方法再次计算二次型距离，如下：

	Lymphocytes	other1	others2
				16&5-16&9-21&12	78.16395	45.68362	81.92357
21&12	86.97643	86.55545	89.67772
				76&15	20.53077	42.91652	69.44339
65&79	73.21409	50.70948	13.35277
				bg	68.68617	53.29075	23.31148

因为45.68362小于62.56821所以将6&5-16&9-21&12作为新的cluster。而76&15到Lymphocytes的距离最小，所以将76&15注释为Lymphocytes；同理，16&5、16&9和21&12注释为others1，65&79注释为others2，如上图4b所示。

在Lymphocytes的cell中，使用CD45和CD3组成的二维数据，利用CD45和SSC的自动圈门方法相同的方法，计算出自动聚出的cluster与模板亚群间的二次型距离：

	CD3	others
			21&24	54.57037	40.14369
31&52	23.99774	74.57681
			bg	57.56976	47.64993

则，将21&24注释为others，31&52注释为CD3，如图5所示；将原始数据增加新的cluster列，然后对其进行可视化，如图6所示。

图7是本申请实施例还公开了一种基于密度估计和二次型距离的自动圈门装置，该装置包括：

圈门初始化模块，用于指定圈门逻辑和手动圈出选定亚群；

亚群聚类模块，用于基于二维概率密度自动聚类亚群；

二次型距离计算模块，用于基于聚类的亚群和选定亚群，计算二次型距离，

注释及合并模块，用于比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释。

本申请的装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的，其中计算机程序用于执行基于密度估计和二次型距离的自动圈门方法。从硬件层面而言，如图8所示，为本申请的基于密度估计和二次型距离的自动圈门设备的硬件结构图，除了图8所示的处理器、网络接口、内存以及非易失性存储器之外，所述设备通常还可以包括其他硬件，以便在硬件层面进行的扩展。另一方面，本申请实施例还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行基于密度估计和二次型距离的自动圈门方法。

对于计算装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段，说明书和实施例仅被视为示例性的。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (8)

1.一种基于密度估计和二次型距离的自动圈门方法，其特征在于：

指定圈门逻辑和手动圈出选定亚群；

基于二维概率密度自动聚类亚群；

基于聚类的亚群和选定亚群，计算二次型距离，

比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释。

2.根据权利要求1所述的一种基于密度估计和二次型距离的自动圈门方法，其特征在于：所述计算二次型距离前包括：

将自动聚出的亚群的表达矩阵与选定亚群表达矩阵模板合并，按照自适应binning方法划分bins模型，对每个亚群都应用此bins模型。

3.根据权利要求2所述的一种基于密度估计和二次型距离的自动圈门方法，其特征在于：划分bins模型的方法为：

计算每个维度的中位数和方差，选择方差最大的维度，并根据该维度的中位数将合并数据分成两个bin；

对每个bin，再次计算每个维度的中位数和方差，按照方差最大的维度的中位数将bin划分为两个bin；

如此循环直到划分到指定的bin数或者每个bin中的时间到达指定数量时停止。

4.根据权利要求3所述的一种基于密度估计和二次型距离的自动圈门方法，其特征在于：二次型距离计算表达式为：

其中h_i和f_i表示第i个bin中自动聚出的某个亚群与选定亚群模板中的某个亚群中事件的相对频率；矩阵A＝[a_ij]表示bin之间的差异， 表示第i和j个bin的质心之间的欧氏距离，d_max是/>的最大值。

5.根据权利要求1所述的一种基于密度估计和二次型距离的自动圈门方法，其特征在于：所述比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释具体是：

比较二次型距离，将自动聚出的亚群注释为距离最近的选定模板亚群，若多个自动聚出的亚群簇注释为同一个亚群，将这些亚群簇逐一合并为一个新的亚群；

计算新的亚群到选定模板亚群的二次型距离，并与初次二次型距离的最大值进行比较，若小于该最大值，则将亚群进行合并，反之不合并，直到没有亚群簇被合并，则注释结束。

6.一种基于密度估计和二次型距离的自动圈门装置，其特征在于，包括：

圈门初始化模块，用于指定圈门逻辑和手动圈出选定亚群；

亚群聚类模块，用于基于二维概率密度自动聚类亚群；

二次型距离计算模块，用于基于聚类的亚群和选定亚群，计算二次型距离，

注释及合并模块，用于比较二次型距离，对聚类的亚群进行注释和合并，直到没有亚群进行合并则完成注释。

7.一种基于密度估计和二次型距离的自动圈门设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述权利要求1-5任一所述的基于密度估计和二次型距离的自动圈门方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-5任一所述的基于密度估计和二次型距离的自动圈门方法。