Cytobank是一个云平台，可以分析流式数据，尤其是针对高维流式数据（参数可以高达30个以上）的SPADE与viSNE分析方法。其账号有三种，分别是Basic，Premium，Enterprise。Basic不能用于SPADE与viSNE分析，而Premium可以使用这两种方法。（注：Cytobank平台不支持IE，我开始使用的是Chrome，但有时候不太稳定，后来改用了Firefox，运行比较流畅。）
Cytobank提供viSNE、SPADE和FlowSOM等无监督聚类算法，与传统通过手动分析方法相比，降低了主观因素以及某些可能无法检测到的非预期影响，增大了未知表型的发现机会。
image.png
Cytobank平台的聚类、降维和可视化工具充分利用可伸缩的云计算，在不占用计算机的情况下快速进行大量分析。软件即时自动将全部工作结果保存在云端，以确保不会丢失数据、工作不致中断。软件本机算法实现而且完全支持RESTful API接口，简化流程的同时还可与信息学工作流集成。
image
现在以此文献（Behbehani, G. K., et al. (2012). "Single-cell mass cytometry adapted to measurements of the cell cycle." Cytometry A 81(7): 552-566.）为例演示一下如何使用，这篇文献中的Figure6使用的是SPADE方法，就用这个数据文件，数据文件参见http://reports.cytobank.org/104/v6，下载后的流式数据文件是ACS格式的，这是一种新型的流式数据文件，可以参见以前的笔记，此文件可以被普通的压缩文件解压（例如好压，Bandizip等）。解压后的Figure6数据文件参见此路径（Single_Cell_Mass_Cytometry_Adapted_to_Measurements_of_the_Cell_Cycle_Cytometry_June_2012\experiments\Figures 6&7\fcs_files）下的流式文件，就是常见的fcs格式流式文件（NormalMarrow-1+2.fcs），此文件可以在Cytobank平台中进行分析。
先在Cytobank平台申请一个Premium账号，在登录界面的右上角的"Log In"，单击其中的"Premium"进行申请。单击"New Experiment"这个绿色的按钮，新建一个实验，输入相关的实验信息，星号是必填项目。信息填写完毕，最下面的灰色按钮会变绿，单击"Create Experiment"，之后会出现上传文件的对话框，上传文件之后，打开SPADE选项卡下的"New SPADE Analysis"，输入输信息，先对细胞种群进行门设置（圈定的细胞指标是DAN(Ir intercalator)与cell length，可以参见文献的附加信息（Supplemental Figure 2）），门设置之后，按照文献中的给出的分类依据（有25个表现标志）进行SPADE分析，分析完后会收到Email，这个过程要几分钟。分析结果如下所示：
image.png
分析结果的界面由以下几个部分构成，分别为：
（一）SPADE Analysis Controls由三个部分构成：
①Compensation：在分析过程中选择补偿（这个补偿不知道与传统的流式中的补偿是不是一回事，文献中给出的数据没有）
②Target Number of Clusters：选择SPADE算法进行聚类的个数。输入你想要分类的数目，最终的分析结果与这个数目接近，默认的是200（200通常是9到15个表面标记的选择，而文献中的给出的250，因为其表现标志为25个）。
③Downsampled Events Target：SPADE算法在进行聚类之前，先对FCS文件进行密度采样。可以指定一个百分比（默认的是10），或者是输入一个绝对数目。特定的值是指每个文件（例如"absolute number: 1000"是指每个文件中的1000个事件，"percent: 10%"是指每个文件中采样的数目是10%。注意：这种密度采样之后，然后会用50000个事件进行随机聚类。
（二）SPADE Setup由三个部分构成，如下所示：
①Populations：选择进行SPADE聚类的细胞种群。通常划定的种群是活的单细胞（例如文献中划定细胞的方法是用cell length与DNA来划定单细胞的），虽然用户有时候也会选定一个特定的细胞群（有的时候只是想看T细胞亚群的一些特定种类，例如只看CD3+)
②Clustering Channels：可以选择一个或者是多个通常用于聚类。通常用户选择一些细胞表面标记，即那些经常用于手动门设置的一些细胞表面标记。
③Fold-Change Groups：如果用户有两个或更多的文件时，SPADE会对每个指标的倍性变化（Fold-Change）进行计算，设置SPADE组。如果有多个时间点或者多种条件，这就是一种设置组别的方式。
注：Fold-Change即倍性变化，这是一种用于描述两个用于相比的对象数量差异的方法。例如，第一个样本和第二个样本的量是50/10，那么FC（Ratio）就是5，反之就是0.2。用这种方法分析微阵列的数据可以说明：1)从基因表达的绝对值而来的表达变化是有意义的；2）这种方法可以说明基因表达变化是否显著；3）可以利用这种模型用于有效数据的筛选。
（三）Actions是指对分析的结果进行处理，例如对分析进行重命名，下载分析结果的PDF格式，下载分析数据等，很好理解。
（四）Events Plot是各个事件的二维图。
（五）SPADE Tree Rendering
(1) Metric：使用节点颜色颜色的统计度量，有三个，分别为median, fold, coe
(2) Scale Range：两个选项，分别为Local与Global，Local将会用当前显示的文件来决定颜色比例尺(color scale)的最小与最大值值。Global会使用分析过程中所有文件来进行颜色比例尺最小与最大值的设置（这个是节点颜色，与后面的节点大小不同）。
(3)Scale Symmetry：对称将会使颜色标记在0附近（如果要观察fold-changes时，配色方案中心会有一个黑色，这非常有用，例如当设置为Asymmetric，即不对称，这时发现配色比例尺的数值是从小到大，而当设置为Symmetric，对即对称时，配色比例尺的数值则是从负值到最大，并且其相加为0，这两个端点关于0点对称）。
(4) Color Scheme是配色方案。
(5) Background Color：背景颜色。
(6) Node Size：Min/Max Size控制节点的最大与最小的直径。
(7) Scale Range：两个选项，分别为Local与Global，Local将会用当前显示的文件来决定颜色比例尺(color scale)的最小与最大值值。Global会使用分析过程中所有文件来进行颜色比例尺最小与最大值的设置（这个是节点直径，与前面的节点颜色不同）。
<wbr>
(8) Annotation这个是标注，Add Bubble与Remove Selected Bubble(s)的功能是往树状图上添加或者是删除一个泡泡。 用泡泡可以划分相似的节点。
(9) Merging可以收缩相似的节点，可以将这些相似的节点看成一个来处理。
(10) Rotation用来旋转选中的节点，按z键也可以。
(11) Save Tree：可视化的结果会每10秒保存一次。
(12) Reset可以将SPADE树恢复到原始状态。
（六）右边的SPADE Tree是分析的树状结果。
（七）Node Attributes是节点属性，单击节点后，可以显示相关信息。
网友评论