Derniers sujets

Statistiques du Forum
  • Messages du forum :37
  • Sujets du forum :17
  • Membres :75
  • Dernier membre :P-H commere


Posté par : Peter G
2021-02-23, 11:27 AM
Forum : Cytométrie classique - Troubleshooting - Formation
- Pas de réponse

Bonjour,

BD arrête la production du FacsRinse et propose un autre réactif à la place au format concentré à diluer dans l'eau distillée.
Cette question est relayée sur le forum de l'université Purdue (http://www.cyto.purdue.edu/hmarchiv/index.htm)
Je mets en pièce jointe un résumé de quelques réponses des responsables de plateformes et d'utilisateurs.
Bonne lecture
Pierre

Imprimer cet élément


Posté par : SGranjeaud
2020-12-01, 10:55 PM
Forum : Analyse de données
- Pas de réponse

Webinar - Analyse non supervisée : principes et logiciels
Aïda Meghraoui-Kheddar (Valbonne) et Samuel Granjeaud (Marseille)

L'article revue cité dans la présentation est
A Cancer Biologist's Primer on Machine Learning Applications in High‐Dimensional Cytometry

Les illustrations de heatmaps sont extraites de l'article d'Aïda
Two new immature and dysfunctional neutrophil cell subsets define a predictive signature of sepsis useable in clinical practice

Merci à vous.

Pour rappel, l'analyse cytofkit présentée à l'atelier de l'AFC en Février 2019 est disponible sur i-cyto.

Imprimer cet élément


Posté par : Anne-Laure
2020-11-12, 11:23 AM
Forum : Analyse de données
- Réponses (2)

Bonjour,

J'ai une question concernant les métriques de distance.
Par exemple, si je veux utiliser UMAP sur mon jeu de données avec FlowJo, le plugin me propose 4 métriques : euclidean, manathan, cosine, hamming. Si j'ai bien compris, ces métriques correspondent à la façon dont vont être calculées les distances entre 2 points. Dans les publications je vois que c'est souvent la métrique euclidean qui est utilisée.
Mes questions sont les suivantes : Comment choisir la métrique que je dois utiliser sur mon jeu de données ? Y-a-t-il une métrique plus adaptée pour les jeux de données de cytométrie ?

Merci d'avance pour vos retours et votre aide

Anne-Laure

Imprimer cet élément


Posté par : Nicolas Dauguet
2020-10-23, 04:00 PM
Forum : Analyse de données
- Pas de réponse

Bonjour à tous,

je suis hyper-ravi que ce groupe 3C existe car avec l'évolution rapide des projets au sein de ma plateforme, je me dois de prendre de l'avance dans les nouvelles méthodes d'analyse !

J'ai une question assez concrète sur quelle serait la (les) stratégies à adopter pour enregistrer de la manière la plus rigoureuse possible les données de cytométrie en vue de pouvoir effectuer une normalisation valable des intensités de fluorescence, d'une expérience à l'autre, lors d'une analyse multi-dimensionnelle ?

Le projet concerne l'analyse de populations immunitaires et non-immunitaires (fibroblastes/cellules endothéliales) à partir de biopsies synoviales de patients atteints de polyarthrite-rhumatoïde. Il y aura un suivi longitudinal des patients pendant environ 2 ans. J'ai un panel 15 couleurs pour identifier les populations d'intérêts et les cloner (FACS ARIA III) en plaques 384 puits pour du single-cell RNAseq. C'est un projet conséquent qui va demander une grande rigueur à toutes les étapes afin que l'analyse bio-info puisse donner des résultats interprétables !

Je vois le plugin Cytonorm que FlowJo propose qui est probablement intéressant et je suis sûr qu'il existe également d'autres possibilités mais ma question concerne plus la stratégie à adopter au niveau de l'enregistrement des données FACS afin de pouvoir effectuer une vraie normalisation qui ne va pas masquer la diversité biologique qui serait réelle.

Faut-il absolument utiliser les "applications settings" ? Que se passe-t-il quand un lot d'anticorps (que nous suivons) change ? Dans le cas d'un tandem, l'efficacité de FRET pouvant être différente, cela devient un "nouveau" fluorochrome à chaque n° de lot. L'application setting ne serait alors plus valable d'où la question de son utilité réelle ?
Nous faisons de manière systématique les compensations pour chaque expérience et nous avons des cellules (aliquot de PBMCs congelés) que nous utilisons à chaque fois et qui nous servent de contrôle qualité du marquage.
Est-ce qu'il faut ajouter par exemple l'acquisition de rainbow beads pour aider à la normalisation des données lors de l'analyse bio-info ?

merci d'avance pour vos réponses !
Nicolas

Nicolas Dauguet, PhD
flow cytometry & cell sorting facility (CYTF)
de Duve Institute, GECE unit 
Avenue Hippocrate 74, 1200 Bruxelles

email: nicolas.dauguet@uclouvain.be
Ph: +32(0)2.764.75.79 (office)
Ph: +32(0)2.764.75.89 (cell-sorting room)
Ph: +32(0)2.764.75.48 (FlowJo analysis workstation room)
web : http://www.deduveinstitute.be/flow-cytom...ll-sorting

Imprimer cet élément


Posté par : Quentin
2020-07-01, 01:48 PM
Forum : Analyse de données
- Pas de réponse

Bonjour,

Je propose une discussion / listing autour des différents algorithmes de clustering basé sur les graphes. J'invite toute personne a compléter / corriger le contenue de ce poste.

Le plus connu dans notre domaine est sans doute Phenograph (et son implémentation en R: Rphenograph) mais depuis peu il existe des variantes se basant sur les mêmes 3 étapes de cet algorithme pour optimiser le temps de calcul et la qualité des résultats.

Les trois étapes de ces algorithmes sont les mêmes dans le principe  :

  • Recherche des proches voisins par une métrique de distance
  • Regroupement des nœuds du graphe en "communauté" (en cluster donc au final)
A l'heure actuelle j'ai noté 5 variantes de cette approche dont deux sans publications mais avec des liens github.
  1. Phenograph  (utilisé dans cytofkit : https://pubmed.ncbi.nlm.nih.gov/26095251/ )
  2. PARC (https://www.biorxiv.org/content/10.1101/765628v1)
  3. FastPG (https://www.biorxiv.org/content/10.1101/...749v1.full)
  4. Rphenoannoy (https://github.com/stuchly/Rphenoannoy)
  5. i-cyto/RPhenograph (https://github.com/i-cyto/Rphenograph)

PS : j'éditerai ce poste pour ajouter des informations sur chaques algorithmes

Imprimer cet élément


Posté par : Fatima Lfaqihi
2020-06-19, 04:50 PM
Forum : Analyse de données
- Réponses (1)

Bonjour,
J’ai lu le papier “The art of using t-SNE for single-cell transcriptomics” (Nature Com, Kobak et al en 2019).
Au vue du titre je m’attendais à des “guidelines” pour faire un t-SNE mais il présente une méthodologie (que je trouve assez complexe pour obtenir le résultat final…)
Je voulais discuter du paramètre perplexité. Dans leur papier il est conseillé d’utiliser une perplexité = au nombre de cellules à analyser /100 ( quand on est inférieur à 100000 cellules à analyser) pour préserver la géométrie global de l’échantillon. Ne risque-on pas avec cette méthode de passer à côté de populations faiblement représentées dans l’échantillon ?
Que pensez-vous de la méthodologie pour analyser des échantillons > 100000 cellules?
Merci d’avance pour votre retour


Fatima pour Anne-Laure Smile

Imprimer cet élément


Posté par : SGranjeaud
2020-05-13, 10:03 PM
Forum : Analyse de données
- Réponses (9)

Ce forum existe pour que vous puissiez échanger des idées, converser et rencontrer d'autres personnes qui partagent un intérêt commun.

Voici quelques lignes directrices :

  • Gardez vos messages en rapport avec l'objet du forum.
  • Soyez respectueux des autres.
  • Ne publiez pas d'informations personnelles ou de photos que vous ne voudriez pas voir apparaître en public.
  • Ne postez pas de contenu haineux ou illégal.
  • Ne postez pas de contenu protégé par des droits d'auteur sans en indiquer la source.
  • Le SPAM ne sera pas toléré.
  • Utilisez des messages privés pour discuter avec les modérateurs ou d'autres membres en privé.
En résumé : soyez poli, amusez-vous et aidez-nous à construire une grande communauté.

Imprimer cet élément