フローサイトメトリーデータの測定条件に対して頑健な計算論的分析法の開発

2019 年度 実績報告書

• 研究課題/領域番号: 17K12779
• 研究機関: 名古屋市立大学
• 研究代表者: 大佐賀 智 名古屋市立大学, 医薬学総合研究院(医学), 助教 (60790772)
• 研究期間 (年度): 2017-04-01 – 2020-03-31
• キーワード: サイトメトリー / 機械学習 / クラスタリング

研究実績の概要

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。