[发明专利]一种多因子细胞因子自动分析方法

权利要求书

1.一种多因子细胞因子自动分析方法，其特征在于，包括如下步骤：

1)提取FCS格式或LMD格式文件中的流式细胞数据；流式细胞数据包含：每个流式细胞前向角散射光FSC数据、侧向散射光SSC数据及若干抗体对应的荧光强度值；

2)对所有细胞的FSC-H采用核密度估计方法，去除细胞碎片；

3)对去除细胞碎片后流式细胞的FSC-H、SSC-H及抗体APC的荧光强度值，采用聚类的方法，将有效细胞分为若干个细胞群，将各个细胞群FSC-H的平均值与分群阈值进行比较，将若干个细胞群重新分为两个细胞群；

4)分别对两个细胞群内所有细胞抗体APC的荧光强度采用高斯混合模型的聚类算法，将两个细胞群分为与所检测细胞因子个数相同的若干个细胞群；

5)利用核密度概率密度函数计算公式对每个细胞群内所有细胞抗体APC的荧光强度进行计算核密度概率密度函数，对核密度概率密度函数曲线的峰个数进行检测，如果峰的个数大于1，则进入步骤6)，否则进入步骤7)；

6)对细胞群FSC-H采用核密度概率密度函数计算公式计算核密度概率密度函数，并根据核密度概率密度函数的波峰和波谷对细胞群继续进行分群；

7)检测所有细胞群内细胞点数，将细胞点数少于60的细胞群与周围距离最近的细胞群进行合并；

8)根据每个细胞群抗体APC的平均荧光强度，将每个细胞群与所检测的细胞因子进行对应；

9)采用高斯混合模型对每个细胞群内所有细胞的PE抗体的荧光强度进行离群点检测，并去除离群点；

10)计算每个细胞因子的细胞群PE抗体的平均荧光强度。

2.根据权利要求1所述的一种多因子细胞因子自动分析方法，其特征在于，步骤2)所述的对所有细胞的FSC-H采用核密度估计方法，去除细胞碎片，核密度概率密度函数计算公式如下：

其中，f为核密度概率密度函数，fsch_i为i个流式细胞的FSC-H，i＝1...n；h为带宽，默认设为10；K为核函数，采用高斯核函数，计算公式：

利用python的scipy.signal模块中的函数find_peaks进行对所有流式细胞FSC-H值计算出的核密度概率密度函数曲线进行峰值检测，峰值检测时将输入参数prominence和height的值均设置为核密度概率密度最大值×0.1，检测结果为该核密度概率密度函数曲线的若干个峰值及谷值，如果检测结果包含两个以上峰值，则将所有FSC-H值小于最小谷值的流式细胞划为碎片细胞，所述的最小谷值是指大于最小峰值的首个谷值。

3.根据权利要求1所述的一种多因子细胞因子自动分析方法，其特征在于，步骤3)包括：

(3.1)聚类方法以欧氏距离为基础，首先选择一个细胞点作为第1个细胞群的聚类中心，再选择一个与第1个细胞群的聚类中心欧氏距离最大的细胞点作为第2个细胞群的聚类中心，然后以此类推，确定所有细胞群的聚类中心；最后计算其余未作为聚类中心的细胞点与各个细胞群聚类中心的欧氏距离，按照最小距离原则归入距离最小的细胞群，从而将有效细胞分为若干个细胞群；

(3.2)然后对所有有效细胞点的FSC-H采用核密度估计算法，计算出有效细胞点的FSC-H的核密度概率密度函数，利用python的scipy.signal模块中的函数find_peaks对每个细胞群的FSC-H核密度概率密度函数曲线进行峰值检测，峰值检测时输入参数prominence和height的值均设置为核密度概率密度最大值×0.1，检测结果为该核密度概率密度函数曲线的若干个峰值及谷值，通过峰值之间的大小比较，找到最大的两个峰值之间的最小谷值，并通过核密度概率密度函数计算出最小谷值所对应的FSC-H值作为分群阈值；

(3.3)计算每个细胞群FSC-H的平均值，并将每群细胞FSC-H平均值与分群阈值进行比较，将FSC-H平均值大于分群阈值的所有细胞群分作为一个新的细胞群，将FSC-H平均值小于分群阈值的所有细胞群分作为为另一个新的细胞群。