Development of robust clustering method for cytometry data obtained under different measurement conditions

2019 Fiscal Year Annual Research Report

• Project/Area Number: 17K12779
• Research Institution: Nagoya City University
• Principal Investigator: 大佐賀 智 名古屋市立大学, 医薬学総合研究院(医学), 助教 (60790772)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: サイトメトリー / 機械学習 / クラスタリング

Outline of Annual Research Achievements

フローサイトメトリーデータの機械学習に基づく細胞集団の自動分類手法として、測定条件の違いによるデータの分布の大幅な変動をアフィン変換として記述し、自動分類時にアフィンパラメータを推定しそれを打ち消すように補正することで、測定条件に対して頑健な自動分類法を提案した。これを人工データと実際のフローサイトメトリーデータに適用し、2次元の低次元なデータであれば提案手法が有効であることが確かめられた。しかしながら、通常フローサイトメトリーで得られる10次元程度のデータについては、提案手法によるパラメータ推定が収束には至らず、適切な分類ができないことが明らかとなった。この問題はHDPGMMによる混合正規分布の推定とアフィンパラメータの推定が完全に独立していることによると考えられたため、それらを統一したモデルと推定方法の構築に取り組んだが、研究期間内に具体的な方法を考案するには至らなかった。