机构名称：
¥ 2.0
摘要 癌症研究的一个目标是揭示与持续临床结果相关的细胞亚群，以产生新的治疗和生物标志物假设。我们引入了一种机器学习算法，即风险评估群体识别 (RAPID)，该算法是无人监督和自动化的，可识别表型不同的细胞群，并确定这些群体是否分层患者生存。利用来自 28 个胶质母细胞瘤的 200 万个细胞的试点质谱流式细胞术数据集，RAPID 识别出其丰度独立且连续地分层患者生存的肿瘤细胞。工作流程中的统计验证包括重复运行随机步骤和细胞子采样。生物学验证使用正交平台、免疫组织化学和 73 名胶质母细胞瘤患者的更大队列来确认试点队列的发现。RAPID 还使用已发表的血癌数据进行了验证，以找到已知的风险分层细胞和特征。因此，RAPID 提供了一种自动化、无人监督的方法，可使用来自患者样本的流式细胞术数据来查找具有统计学和生物学意义的细胞。
无监督机器学习揭示胶质母细胞瘤肿瘤细胞的风险分层
主要关键词
相关文件推荐
