<![CDATA[Forum AFC - Analyse de données]]> https://forum.afcytometrie.fr/ Tue, 21 Apr 2026 11:42:16 +0000 MyBB <![CDATA[Nouveau logiciel - Scyan]]> https://forum.afcytometrie.fr/showthread.php?tid=22 Wed, 11 Oct 2023 15:29:04 +0200 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=22 Nouveau logiciel - Scyan

Basé sur des connaissances biologiques préalables, Scyan fournit une annotation rapide
des populations cellulaires sans nécessiter d'étiquette d'apprentissage.
Scyan produit un modèle interprétable qui corrige également l'effet de lot et
peut être utilisé pour le débarcodage, l'échantillonnage de cellules et la découverte de populations.

https://doi.org/10.1093/bib/bbad260
Jeudi 26 Octobre 2023 de 13h00 à 14h00
 
Q. Blampey
 
Université Paris-Saclay, CentraleSupélec,
Laboratory of Mathematics and Computer Science (MICS),
3 rue Joliot Curie, 91190,Gif-sur-Yvette, France
 
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> Nouveau logiciel - Scyan

Basé sur des connaissances biologiques préalables, Scyan fournit une annotation rapide
des populations cellulaires sans nécessiter d'étiquette d'apprentissage.
Scyan produit un modèle interprétable qui corrige également l'effet de lot et
peut être utilisé pour le débarcodage, l'échantillonnage de cellules et la découverte de populations.

https://doi.org/10.1093/bib/bbad260
Jeudi 26 Octobre 2023 de 13h00 à 14h00
 
Q. Blampey
 
Université Paris-Saclay, CentraleSupélec,
Laboratory of Mathematics and Computer Science (MICS),
3 rue Joliot Curie, 91190,Gif-sur-Yvette, France
 
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> <![CDATA[Construire une heatmap d'abondance informative]]> https://forum.afcytometrie.fr/showthread.php?tid=21 Tue, 06 Jun 2023 14:56:05 +0200 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=21 Décryptage : Construire une heatmap d'abondance informative
Jeudi 29 Juin 2023 de 13h00 à 14h00
 
S. Granjeaud
 
Plateforme Bioinformatique - Centre de Recherche en Cancérologie de Marseille, France
 
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> Décryptage : Construire une heatmap d'abondance informative
Jeudi 29 Juin 2023 de 13h00 à 14h00
 
S. Granjeaud
 
Plateforme Bioinformatique - Centre de Recherche en Cancérologie de Marseille, France
 
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> <![CDATA[Construire une heatmap]]> https://forum.afcytometrie.fr/showthread.php?tid=20 Fri, 14 Apr 2023 15:02:19 +0200 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=20 Décryptage : Pour lire une heatmap,
il faut savoir la construire
Mercredi 10 Mai 2023 de 13h00 à 14h00
 
S. Granjeaud
 
Plateforme Bioinformatique - Centre de Recherche en Cancérologie de Marseille, France
 
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> Décryptage : Pour lire une heatmap,
il faut savoir la construire
Mercredi 10 Mai 2023 de 13h00 à 14h00
 
S. Granjeaud
 
Plateforme Bioinformatique - Centre de Recherche en Cancérologie de Marseille, France
 
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> <![CDATA[Journal Club Lietchi et al. 2021]]> https://forum.afcytometrie.fr/showthread.php?tid=19 Thu, 08 Dec 2022 20:18:33 +0100 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=19 Journal Club Lietchi et al. 2021
Jeudi 26 Janvier 2023 de 13h00 à 14h00
 
A.L. Iscache
 
Plateau de cytométrie, Infinity - Institut Toulousain des Maladies
Infectieuses et Inflammatoires, Toulouse, France
 
Lien vers l'article Lietchi et al. 2021
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> Journal Club Lietchi et al. 2021
Jeudi 26 Janvier 2023 de 13h00 à 14h00
 
A.L. Iscache
 
Plateau de cytométrie, Infinity - Institut Toulousain des Maladies
Infectieuses et Inflammatoires, Toulouse, France
 
Lien vers l'article Lietchi et al. 2021
Lien de connexion sur la page du groupe
Diffusez cette annonce autour de vous.

Posez vos questions ci-dessous.
A très bientôt !
]]> <![CDATA[question on transformations]]> https://forum.afcytometrie.fr/showthread.php?tid=18 Fri, 10 Jun 2022 15:26:35 +0200 Bernd Jagla]]> https://forum.afcytometrie.fr/showthread.php?tid=18

Hi,
 
hope this finds you well.
 
I am interested in discussing transformations for cytometry data analysis.
 
Specifically, I found that mainly for reproducibility reasons, one should use the arcsinh transformation and adjust the cofactor such that there is only one population around zero.
 
Question: why not shift all values to being >=1 and then use either log transform or arcsinh, but this time adjust the cofactor to optimize the separation of different clusters?
 
I believe that one could be worried about shifting the means/MFIs of the individual populations, and this might be important for comparing between samples. But in my experience, comparing between samples is not possible without a proper alignment of the distributions. 
Some biologists say that that shift in distributions/population/MFIs is biologically significant, and I would agree. But these are different questions. Counting/identifying cell types and shifts in MFIs are different questions and should be handled separately (mho).
 
I have already spoken to a few people about this but without a clear and convincing answer.
 
Would anyone be willing to discuss this? 
If this interests many people, we might organize an afternoon to discuss it???
 
Looking forward to your answers.
 
Best,
 
Bernd]]>

Hi,
 
hope this finds you well.
 
I am interested in discussing transformations for cytometry data analysis.
 
Specifically, I found that mainly for reproducibility reasons, one should use the arcsinh transformation and adjust the cofactor such that there is only one population around zero.
 
Question: why not shift all values to being >=1 and then use either log transform or arcsinh, but this time adjust the cofactor to optimize the separation of different clusters?
 
I believe that one could be worried about shifting the means/MFIs of the individual populations, and this might be important for comparing between samples. But in my experience, comparing between samples is not possible without a proper alignment of the distributions. 
Some biologists say that that shift in distributions/population/MFIs is biologically significant, and I would agree. But these are different questions. Counting/identifying cell types and shifts in MFIs are different questions and should be handled separately (mho).
 
I have already spoken to a few people about this but without a clear and convincing answer.
 
Would anyone be willing to discuss this? 
If this interests many people, we might organize an afternoon to discuss it???
 
Looking forward to your answers.
 
Best,
 
Bernd]]> <![CDATA[IFCshiny: R Interactive Shiny Application for Imaging and Conventional Flow Cytometry]]> https://forum.afcytometrie.fr/showthread.php?tid=15 Tue, 14 Sep 2021 10:00:49 +0200 ydemont]]> https://forum.afcytometrie.fr/showthread.php?tid=15
Nous venons de mettre en ligne une application R open source pour le traitements des données de cytométrie appelée IFCshiny.

Cette application offre une interface utilisateur au package IFC précédemment publié sur CRAN. Initialement conçu pour les données de cytométrie en image, le package IFC a récemment gagné des nouvelles fonctionnalités permettant également de traiter les fichiers de cytométrie conventionnelle (type fcs)

L'application permet aux outils de gagner en interactivité et les rend, par conséquent, bien plus facilement accessibles. Ainsi, les utilisateurs, qui craindraient les lignes de commandes, seront ravis de savoir qu'ils pourront:
- importer leurs fichiers,
- créer des graphs 1D, 2D et même 3D,
- y dessiner/éditer des gates,
- manipuler des populations,
- créer des rapports graphiques et statistiques,
- exporter leurs analyses.
Tout cela, très facilement, juste par clique de souris.

Par ailleurs, l'application offre la possibilité mettre en œuvre divers algorithmes pour traiter les données. Vous pourrez y retrouver:
- de la réduction de dimensionnalité,
- de l'analyse non supervisée,
- ou supervisée.
PCA, tSNE, UMAP, kmeans, LDA, SVM, GB, EM, FlowSOM sont de la partie.

L'application est toute jeune et encore en pleine maturation.
Vos retours et apports seront précieux dans son développement.

Elle a néanmoins bénéficié de la plus grande attention avant sa mise à disposition pour en faire un outils utile et fonctionnel pour la communauté des cytométristes.

Pour l'utiliser, c'est par ici]]>
Nous venons de mettre en ligne une application R open source pour le traitements des données de cytométrie appelée IFCshiny.

Cette application offre une interface utilisateur au package IFC précédemment publié sur CRAN. Initialement conçu pour les données de cytométrie en image, le package IFC a récemment gagné des nouvelles fonctionnalités permettant également de traiter les fichiers de cytométrie conventionnelle (type fcs)

L'application permet aux outils de gagner en interactivité et les rend, par conséquent, bien plus facilement accessibles. Ainsi, les utilisateurs, qui craindraient les lignes de commandes, seront ravis de savoir qu'ils pourront:
- importer leurs fichiers,
- créer des graphs 1D, 2D et même 3D,
- y dessiner/éditer des gates,
- manipuler des populations,
- créer des rapports graphiques et statistiques,
- exporter leurs analyses.
Tout cela, très facilement, juste par clique de souris.

Par ailleurs, l'application offre la possibilité mettre en œuvre divers algorithmes pour traiter les données. Vous pourrez y retrouver:
- de la réduction de dimensionnalité,
- de l'analyse non supervisée,
- ou supervisée.
PCA, tSNE, UMAP, kmeans, LDA, SVM, GB, EM, FlowSOM sont de la partie.

L'application est toute jeune et encore en pleine maturation.
Vos retours et apports seront précieux dans son développement.

Elle a néanmoins bénéficié de la plus grande attention avant sa mise à disposition pour en faire un outils utile et fonctionnel pour la communauté des cytométristes.

Pour l'utiliser, c'est par ici]]> <![CDATA[IFC R package]]> https://forum.afcytometrie.fr/showthread.php?tid=13 Wed, 09 Jun 2021 10:21:51 +0200 ydemont]]> https://forum.afcytometrie.fr/showthread.php?tid=13
Je suis heureux de pouvoir informer la communauté des cytométristes de l'existence d'un package R pour les données de cytométrie en image.
Ce package R est publié sur CRAN

Si vous souhaitez participer à son développement vous pouvez le retrouver sur github

Amicalement,
L'auteur de ce package.]]>
Je suis heureux de pouvoir informer la communauté des cytométristes de l'existence d'un package R pour les données de cytométrie en image.
Ce package R est publié sur CRAN

Si vous souhaitez participer à son développement vous pouvez le retrouver sur github

Amicalement,
L'auteur de ce package.]]> <![CDATA[2021-Roca et al-Nat Comm]]> https://forum.afcytometrie.fr/showthread.php?tid=12 Thu, 03 Jun 2021 17:07:57 +0200 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=12 Carlos P. Roca, Oliver T. Burton, Václav Gergelits, Teresa Prezzemolo, Carly E. Whyte, Richard Halpert, Łukasz Kreft, James Collier, Alexander Botzki, Josef Spidlen, Stéphanie Humblet-Baron & Adrian Liston
Nature Communications volume 12, Article number: 2890 (2021)
https://www.nature.com/articles/s41467-021-23126-8

Compensation automatisée - Disponible dans FlowJo avec AutoSpread]]> Carlos P. Roca, Oliver T. Burton, Václav Gergelits, Teresa Prezzemolo, Carly E. Whyte, Richard Halpert, Łukasz Kreft, James Collier, Alexander Botzki, Josef Spidlen, Stéphanie Humblet-Baron & Adrian Liston
Nature Communications volume 12, Article number: 2890 (2021)
https://www.nature.com/articles/s41467-021-23126-8

Compensation automatisée - Disponible dans FlowJo avec AutoSpread]]> <![CDATA[Intelligence collective - Test d'outils]]> https://forum.afcytometrie.fr/showthread.php?tid=11 Thu, 03 Jun 2021 16:49:49 +0200 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=11 Aïda a repéré un papier intéressant sur la compensation et m'a demandé mon avis. Mais je ne suis pas compétent sur cette question. Par contre je me dis que plusieurs d'entre vous le sont. Si cela vous tente de l'essayer parce que vous avez/aurez besoin, eh bien, ce serait bien que vous puissiez faire un petit retour à la communauté. Même rien qu'un petit "J'ai testé, c'est bien/moyen/pas convaincant/à fouiller.", histoire de pouvoir éventuellement vous contacter, à un moment ou un autre.
Bien sûr, on a des journées très remplies (contrairement à Zoe Shepard). Donc l'idée est de tester sur ses propres données parce qu'on les connait bien, et d'en tirer une conclusion (ou pas), en quelques mots et sans avoir à publier ses données. En tout cas de remonter une information, si minime soit-elle, vers la communauté.
Je me lance et je crée un post avec l'article identifié par Aïda (merci à toi). A vous d'alimenter le post avec votre opinion sur l'approche ou votre test. Eviter les "mercis" (j'ai dit merci, moi ?), qui font super plaisir, mais n'apportent pas d'information. Envoyez un mail directement plutôt.
Si l'approche vous intéresse et que vous avez une idée d'amélioration, laissez un message ci-dessous.
Si un outil vous intéresse, ouvrez un post.
Je vous propose de faire un bilan dans 1 an.
Bien à vous,
Samuel]]> Aïda a repéré un papier intéressant sur la compensation et m'a demandé mon avis. Mais je ne suis pas compétent sur cette question. Par contre je me dis que plusieurs d'entre vous le sont. Si cela vous tente de l'essayer parce que vous avez/aurez besoin, eh bien, ce serait bien que vous puissiez faire un petit retour à la communauté. Même rien qu'un petit "J'ai testé, c'est bien/moyen/pas convaincant/à fouiller.", histoire de pouvoir éventuellement vous contacter, à un moment ou un autre.
Bien sûr, on a des journées très remplies (contrairement à Zoe Shepard). Donc l'idée est de tester sur ses propres données parce qu'on les connait bien, et d'en tirer une conclusion (ou pas), en quelques mots et sans avoir à publier ses données. En tout cas de remonter une information, si minime soit-elle, vers la communauté.
Je me lance et je crée un post avec l'article identifié par Aïda (merci à toi). A vous d'alimenter le post avec votre opinion sur l'approche ou votre test. Eviter les "mercis" (j'ai dit merci, moi ?), qui font super plaisir, mais n'apportent pas d'information. Envoyez un mail directement plutôt.
Si l'approche vous intéresse et que vous avez une idée d'amélioration, laissez un message ci-dessous.
Si un outil vous intéresse, ouvrez un post.
Je vous propose de faire un bilan dans 1 an.
Bien à vous,
Samuel]]> <![CDATA[R et la cytométrie]]> https://forum.afcytometrie.fr/showthread.php?tid=10 Tue, 16 Mar 2021 17:31:50 +0100 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=10
Je viens d'écrire quelques pages sur le thème "R et la cytométrie". J'ai rassemblé les ressources que j'ai trouvées intéressantes lors de mes escapades sur internet. De quoi débuter, se perfectionner et plus si affinités.

Si vous avez besoin d'aide, ne comptez pas sur moi... mais sur le forum !

Si vous avez des bons tuyaux, mettez les en commentaires pour que tout le monde en profite.

Portez-vous bien.]]>
Je viens d'écrire quelques pages sur le thème "R et la cytométrie". J'ai rassemblé les ressources que j'ai trouvées intéressantes lors de mes escapades sur internet. De quoi débuter, se perfectionner et plus si affinités.

Si vous avez besoin d'aide, ne comptez pas sur moi... mais sur le forum !

Si vous avez des bons tuyaux, mettez les en commentaires pour que tout le monde en profite.

Portez-vous bien.]]> <![CDATA[Webinar - Analyse non supervisée : principes et logiciels]]> https://forum.afcytometrie.fr/showthread.php?tid=7 Tue, 01 Dec 2020 21:55:14 +0100 SGranjeaud]]> https://forum.afcytometrie.fr/showthread.php?tid=7 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.]]> 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.]]> <![CDATA[UMAP - métrique]]> https://forum.afcytometrie.fr/showthread.php?tid=6 Thu, 12 Nov 2020 10:23:11 +0100 Anne-Laure]]> https://forum.afcytometrie.fr/showthread.php?tid=6
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]]>
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]]> <![CDATA[Qeulle stratégie pour normaliser des effets batch ?]]> https://forum.afcytometrie.fr/showthread.php?tid=5 Fri, 23 Oct 2020 16:00:49 +0200 Nicolas Dauguet]]> https://forum.afcytometrie.fr/showthread.php?tid=5
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]]>
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]]> <![CDATA[Graph-Based Clustering]]> https://forum.afcytometrie.fr/showthread.php?tid=4 Wed, 01 Jul 2020 13:48:57 +0200 Quentin]]> https://forum.afcytometrie.fr/showthread.php?tid=4
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]]>
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]]> <![CDATA[t-SNE]]> https://forum.afcytometrie.fr/showthread.php?tid=3 Fri, 19 Jun 2020 16:50:56 +0200 Fatima Lfaqihi]]> https://forum.afcytometrie.fr/showthread.php?tid=3 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]]> 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]]>