Detection and monitoring of normal and leukemic cell populations with hierarchical clustering of flow cytometry data.

Klinika dětské hematologie a onkologie
 
Mgr. Karel Fišer, Ph.D., je hlavním autorem článku vydaného v Cytometry. Představuje v něm novou metodu k vyhodnocování dat získaných z průtokové cytometrie, založenou na klastrové analýze s novým základním algoritmem užívajícím Mahalanobisovu vzdálenost. Navíc, v kombinaci s metodou strojového učení, je výborným nástrojem pro analýzu stále vzrůstajícího množství dat získaných průtokovou cytometrií a je možné ji zautomatizovat.
 
Hlavního autora jsme se zeptali, jaký je princip nové metody:
Principem metody je změření vzdálenosti datových bodů (v našem případě buněk) v mnoharozměrném prostoru naměřených parametrů určujících buněčný immunofenotyp. Tato vzdálenost se pak použije v automatickém hierarchickém shlukování buněk do populací, které jsou pak již biologicky relevantní. Tedy například k zařazení leukemických buněk do kontextu fyziologických krevních elementů. Následně je pak možné naučit počítač takové buňky rozeznávat automaticky. V uvedené práci jsme ukázali, jak lze metodu použít pro detekci minimální residuální nemoci v průběhu léčby akutní lymfoblastické leukemie.
 
-mk-