[論文レビュー] Immunophenotypes of Acute Myeloid Leukemia From Flow Cytometry Data Using Templates

Ariful Azad, Bartek Rajwa+1 more|arXiv (Cornell University)|Mar 22, 2014

Acute Myeloid Leukemia Research参考文献 21被引用数 5

ひとこと要約

本論文では、急性骨髄性白血病（AML）における臨床的に重要な免疫原型を同定するため、フローサイトメトリー解析データを用いたテンプレートベース分類パイプラインを提案している。AMLの細胞の多様性を反映したスコア関数を活用することで、すべてのAMLテストサンプルを高い信頼性で完全分類し、特にAPLを含むサブタイプを専用のテンプレートツリーと比較することで明確に区別している。

ABSTRACT

Motivation: We investigate whether a template-based classification pipeline could be used to identify immunophenotypes in (and thereby classify) a heterogeneous disease with many subtypes. The disease we consider here is Acute Myeloid Leukemia, which is heterogeneous at the morphologic, cytogenetic and molecular levels, with several known subtypes. The prognosis and treatment for AML depends on the subtype. Results: We apply flowMatch, an algorithmic pipeline for flow cytometry data created in earlier work, to compute templates succinctly summarizing classes of AML and healthy samples. We develop a scoring function that accounts for features of the AML data such as heterogeneity to identify immunophenotypes corresponding to various AML subtypes, including APL. All of the AML samples in the test set are classified correctly with high confidence. Availability: flowMatch is available at www.bioconductor.org/packages/devel/bioc/html/flowMatch.html; programs specific to immunophenotyping AML are at www.cs.purdue.edu/homes/aazad/software.html.

研究の動機と目的

• テンプレートベース分類法が、フローサイトメトリー解析データを用いて、多様なAMLサブタイプを効果的に分類できるかどうかを検証すること。
• 単なるAML対健常者分類を超えて、AMLサブタイプに特徴的な特定の細胞集団である臨床的に意義のある免疫原型を同定すること。
• AMLと健常者サンプル間のミオイド細胞集団の多様性と重複を反映したスコア関数を開発すること。
• 二値分類スコアではなく、解釈可能な免疫原型的インサイトを提供することで、臨床的有用性を向上させること。
• AMLのような複雑で多様性の高い疾患において、テンプレートベースアプローチのスケーラビリティとロバスト性を示すこと。

提案手法

• 本手法は、サンプルを代表する主要な細胞集団を表すメタクラスタに要約するアルゴリズムパイプライン「flowMatch」を用いる。
• 訓練サンプル全体の細胞集団をクラスタリングすることで、健常者およびAMLクラス用のテンプレートを構築し、階層的テンプレートツリーを形成する。
• グラフモデルにおける混合エッジカバーに基づく組み合わせ的不一致測度を用いて、サンプルとテンプレート間の類似度を計算する。
• 独自に開発したスコア関数が、集団の多様性やAML特異的免疫原型といった特徴を組み込み、新しいサンプルをテンプレートと照合して評価する。
• 分類に最も優れたチューブの組み合わせ（チューブ4～6）を用い、p値はアイソトープコントロールチューブ（チューブ1）のバックグラウンドスコアから算出される。
• k-meansクラスタリングとGPUアクセcelerationを活用することで、処理時間を数時間から数分に短縮し、計算効率を向上させた。

実験結果

リサーチクエスチョン

• RQ1 テンプレートベース分類アプローチは、AMLの多様なサブタイプにわたり、正確に免疫原型を同定できるか？
• RQ2 ブレースト数が少ない状況下でも、APLなどのAMLサブタイプを高い信頼性で区別できるか？
• RQ3 スコア関数は、AMLと健常者サンプル間の重複する細胞集団を効果的に処理できるか？
• RQ4 従来の分類器と比較して、本手法は正確性と臨床的解釈可能性の両面で優れているか？
• RQ5 本パイプラインは、大規模なAMLデータ解析に十分にスケーラブルで効率的か？

主な発見

• 全180例のAMLテストサンプルが、高い信頼性で正しく分類され、100％の分類正確度を達成した。
• テストセットに含まれる4例のAMLサンプル（ID 239, 262, 285, 326）が、専用のテンプレートツリーを用いて急性promyelocytic leukemia（APL）に再分類された。
• ブレーストが4.4％にとどまる1例のAMLサンプル（ID 116）は、訓練段階で健常者と誤分類されたが、これは最小限の残留病変または希少なAMLを示唆している。
• 訓練データに2例、テストデータに3例のAMLサンプルが低スコア（0～0.2）を示したが、すべてp値＜0.05であり、AML陽性が確認された。
• 全180例のテストサンプルを4コアで分類するのにわずか15秒で完了し、k-meansクラスタリングをGPUで加速することで5分未満に短縮された。
• フローサイトメトリー解析データに内在する高い生物学的・技術的ばらつきにもかかわらず、AML特異的免疫原型を正しく同定できたことから、本パイプラインのロバスト性が裏付けられた。