基于流式细胞检测数据的T细胞培养质量分析方法研究.pdfVIP

基于流式细胞检测数据的T细胞培养质量分析方法研究

摘要

流式细胞检测技术(FCM)是一项对生物细微粒子进行检测的生物科学技术。在细胞

的亚群研究问题中，利用流式细胞检测方法进行细胞亚群识别已经成为一种主流。传统

的T细胞培养质量分析方法通常是对T细胞的增殖数量进行计数，绘制增长曲线，通过

细胞增殖速度判定T细胞培养是否合格。这种方法不仅耗时且分析结果不够精准。本文

则基于生物流式细胞检测数据，研究了T细胞亚群识别及其培养质量分析方法。

首先，针对不同检测通道下的T细胞流式检测数据，在进行荧光补偿和数据转化后，

设计了一种基于RBF神经网络的数据插值方法，将不同检测通道下的T细胞流式检测

数据进行融合，形成了具有完整检测特征的高维T细胞流式检测数据集。

随后，构建了多层感知机模型，通过两层隐藏层间信息传递，初步实现了基于流式

细胞检测数据的T细胞亚群识别。为了进一步提高识别性能，又设计了更为复杂的

DenseNet模型，通过特征重用，大幅提高了T细胞亚群识别效果。基于生物知识，设计

了随机森林模型对易混淆的特征相近、样本数量较多的两大类细胞亚群进行了精分。最

后，通过多个模型相结合，实现了T细胞亚群的精确识别，实验验证了所设计方法的有

效性。

最后，基于T细胞亚群识别结果计算出各类亚群细胞之间的比例关系，构建了支持

向量机模型，初步实现了T细胞培养质量分析。为了进一步提高分析性能，增强模型可

解释性，又设计了XGBoost模型。不仅更高效的实现了T细胞培养质量分析，并且指

出了对分析结果贡献较大的特征。通过与实际生产数据进行对比，验证了所设计方法的

准确性。

本文研究可有效降低T细胞培养的实际成本，并大幅提升工作效率。

关键词：流式细胞检测技术；细胞培养质量分析；深度学习；数据插值；亚群识别

基于流式细胞检测数据的T细胞培养质量分析方法研究

Abstract

Bioflowcytometry(FCM)isabiosciencetechniqueforsortingbiologicalfineparticles.

Intheproblemofcellsubpopulationdetermination,theuseofflowcytometrytoidentifycell

subpopulationhasbecomeamainstream.ThetraditionalmethodofTcellculturequality

analysisisusuallytocounttheproliferationnumberofTcells,drawagrowthcurve,and

determinewhetherTcellcultureisqualifiedbycellproliferationrate.Thismethodisnotonly

time-consumingbutalsoinaccurateinanalyzingtheresults.Inthispaper,basedonthedataof

flowcytometry,westudiedthemethodofTcellsubpopulationrecognitionandculturequality

analysis.

Firstly,adatainterpolationmethodbasedonRBFneuralnetworkwasdesignedforTcell

flowdetectiondataunderdifferentdetectionchannelsafterfluorescencecompensationanddata

transformation,andTcellflowdetectiondataunderdifferentdetectionchannelswerefusedto

f