[논문 리뷰] optimalFlow: Optimal-transport approach to flow cytometry gating and population matching

Eustasio del Barrio, Hristo Inouzhe외 3명|arXiv (Cornell University)|2019. 07. 18.

Single-cell and spatial transcriptomics참고 문헌 35인용 수 21

한 줄 요약

이 논문은 최적 운반 기반의 새로운 프레임워크인 optimalFlow를 소개한다. 이 프레임워크는 워셔스타인 바리센터와 엔트로피 정규화 최적 운반을 사용하여 유세포 분석 데이터의 게이팅과 인구 집단 매칭을 수행하며, 생물학적으로 일관된 그룹으로 세포를 군집화한다. 이러한 군집에서 원형 세포(템플릿)를 구성함으로써, 새로운 샘플에 대한 지도 학습 성능을 크게 향상시키며, 벤치마크 데이터셋에서 최신 기술들을 능가한다.

ABSTRACT

Data obtained from Flow Cytometry present pronounced variability due to biological and technical reasons. Biological variability is a well-known phenomenon produced by measurements on different individuals, with different characteristics such as illness, age, sex, etc. The use of different settings for measurement, the variation of the conditions during experiments and the different types of flow cytometers are some of the technical causes of variability. This mixture of sources of variability makes the use of supervised machine learning for identification of cell populations difficult. The present work is conceived as a combination of strategies to facilitate the task of supervised gating. We propose $optimalFlowTemplates$, based on a similarity distance and $\ ext{Wasserstein barycenters}$, which clusters cytometries and produces prototype cytometries for the different groups. We show that supervised learning, restricted to the new groups, performs better than the same techniques applied to the whole collection. We also present $optimalFlowClassification$, which uses a database of gated cytometries and optimalFlowTemplates to assign cell types to a new cytometry. We show that this procedure can outperform state of the art techniques in the proposed datasets. Our code is freely available as $optimalFlow$ a Bioconductor R package at https://bioconductor.org/packages/optimalFlow. optimalFlowTemplates+optimalFlowClassification addresses the problem of using supervised learning while accounting for biological and technical variability. Our methodology provides a robust automated gating workflow that handles the intrinsic variability of flow cytometry data well. Our main innovation is the methodology itself and the optimal-transport techniques that we apply to flow cytometry analysis.

연구 동기 및 목표

• 유세포 분석 데이터의 생물학적 및 기술적 변동성이 지도 기반 기계 학습을 방해하는 문제를 해결하기 위해.
• 내재된 데이터 변동성을 고려한 강력하고 자동화된 게이팅 워크플로우를 개발하기 위해.
• 최적 운반을 사용하여 유사한 유세포 분석 데이터 군집의 대표 원형 세포(템플릿)를 생성하기 위해.
• 이전에 게이팅된 샘플 데이터베이스를 활용하여 새로운 유세포 분석 데이터의 분류 정확도를 향상시키기 위해.
• 수동 및 히우리스틱 기반 자동 게이팅에 비해 확장 가능하고 해석 가능하며 통계적으로 타당한 대안을 제공하기 위해.

제안 방법

• 해당 방법은 엔트로피 정규화 최적 운반을 사용하여 유세포 분석을 나타내는 확률 측도 간의 유사도 거리를 계산한다.
• 유사한 유세포 분석 군집에서 대표 원형 세포를 생성하기 위해 워셔스타인 공간 내에서 트리밍된 k-바리센터 계산을 적용한다.
• optimalFlowTemplates는 워셔스타인 거리 기반으로 유세포 분석을 군집화하고, 군집의 원형으로 바리센터를 구성한다.
• optimalFlowClassification은 게이팅된 유세포 분석 데이터베이스와 템플릿을 사용하여 워셔스타인 공간 내에서 최근접 이웃 할당을 통해 새로운 유세포 분석을 분류한다.
• 이 프레임워크는 고차원적, 비정규분포 및 비대칭 분포를 띠는 유세포 분석 데이터를 효과적으로 다룰 수 있도록 워셔스타인 공간의 기하학적 구조를 활용한다.
• 이 방법은 재현 가능성을 보장하고 기존의 유세포 분석 파ip라인에 통합하기 위해 Bioconductor R 패키지로 구현되어 있다.

실험 결과

연구 질문

• RQ1 최적 운반 기반의 유세포 분석 군집화가 생물학적 및 기술적 변동성을 줄여 후속 분류 성능을 향상시킬 수 있는가?
• RQ2 워셔스타인 바리센터가 유세포 분석 군집의 효과적이고 대표적인 원형으로서 기능할 수 있는가?
• RQ3 템플릿 기반 표현을 사용한 지도 학습 분류가 원시 유세포 분석 데이터에 직접 분류하는 것보다 성능이 뛰어나게 되는가?
• RQ4 최신 기술 대비 자동 게이팅 및 분류 기법과 비교했을 때 이 방법의 성능은 어떠한가?
• RQ5 이 프레임워크는 고차원적, 비정규분포 및 비대칭 분포를 띠는 유세포 분석 데이터를 효과적으로 처리할 수 있는가?

주요 결과

• optimalFlowTemplates는 워셔스타인 거리 최소화를 통해 생물학적으로 일관된 유세포 분석 군집을 성공적으로 식별하여 군내 변동성을 감소시킨다.
• 바리센터를 원형으로 사용함으로써 각 군집의 중심 경향성을 유지하면서 기하학적 및 분포적 구조도 보존한다.
• 템플릿 군집에 국한된 지도 학습은 전체 데이터셋을 군집화하지 않은 상태에서보다 유의미하게 높은 정확도를 달성한다.
• optimalFlowClassification은 벤치마크 유세포 분석 데이터셋에서 최신 기술들을 능가하며 뛰어난 분류 성능을 입증한다.
• 엔트로피 정규화 최적 운반 공식화는 고차원 데이터에서도 효율적이고 안정적인 계산을 가능하게 한다.
• 이 방법은 기술적 변동성에 강건하며, 유세포 분석에서 흔히 나타나는 비대칭적이고 비정규분포의 분포를 효과적으로 처리한다.