Aigenpulse a déployé une mise à jour de sa suite d’expériences CytoML – sa solution d’apprentissage automatique de bout en bout automatisée visant spécifiquement à rationaliser et à automatiser l’analyse cytométrique à grande échelle et à remplacer les processus de déclenchement manuels.
La dernière version de la suite (v5.2) introduit de nouvelles fonctionnalités d’analyse impartiale et dispose d’une interface facile à utiliser sans avoir besoin d’une installation difficile ou d’un script de programme.
Les utilisateurs peuvent effectuer des analyses automatisées de manière impartiale pour des cas d’utilisation exploratoires, y compris FlowSOM et Phenograph pour le clustering basé sur des algorithmes, et utiliser de puissantes méthodes de réduction de dimensionnalité telles que tSNE et UMAP pour visualiser les données connectées.
L’outil de traitement par lots permet d’explorer simultanément une gamme de paramètres pour aider les scientifiques à trouver la meilleure représentation de leurs données. Une fois que les clusters intéressants ont été identifiés, ceux-ci peuvent être superposés avec l’expression de marqueurs et de nombreux types de méta-données pour conduire les tests d’hypothèse. Avec la possibilité de rétrocéder les événements de clusters sélectionnés en deux dimensions, les nouvelles fonctionnalités d’analyse non biaisées rationalisent le processus d’attribution des identités aux populations à partir des sorties de clustering – une tâche traditionnellement ardue. Pour permettre la comparaison et la validation des approches, les résultats peuvent également être comparés à des méthodes de déclenchement semi-automatisées.
Satnam Surae, directeur des produits chez Aigenpulse, a déclaré: «Lorsque les chercheurs ont besoin de données pour soutenir des cas d’utilisation réglementaires, l’analyse guidée / semi-automatisée est essentielle car elle est reproductible à 100%. Cependant, il existe une multitude de données riches qui sous-tendent les informations fournies par la cytométrie en flux, et ici, une analyse impartiale des cas d’utilisation exploratoire peut aider à découvrir de nouvelles informations en trouvant de nouvelles populations ou en regroupant des populations non intuitives, par exemple.
«Les outils d’analyse impartiaux permettent de simplifier, d’unifier, de traiter et de visualiser des données multidimensionnelles complexes afin qu’elles puissent être plus facilement explorées et comparées. Ce type d’analyse peut être très utile pour explorer des données sans aucune hypothèse préalable, comme moyen de découvrir de nouvelles idées. Il s’agit d’une technique complémentaire aux approches semi-automatisées et est interopérable au sein de la suite CytoML 5.2, permettant la comparaison et la validation. »
CytoML automatise chaque étape du cycle de vie des données de cytométrie en flux, de l’acquisition des données à la génération d’informations. Il peut aider à augmenter le débit de traitement et d’analyse des données jusqu’à 600%, augmentant simultanément la précision, la reproductibilité et la qualité des données de cytométrie en flux. Il peut être implémenté dans un environnement GxP et, en plus d’automatiser le traitement, la plate-forme permet la réutilisation des données de cytométrie traitées, intégrant des comptages de population identifiés par déclenchement manuel (au format .csv) pour augmenter la valeur des données et permettre le cross- analyse de projet.
CytoML s’appuie sur la plate-forme d’intelligence de données de pointe d’Aigenpulse, conçue pour accélérer le processus de découverte et de développement de médicaments. La plate-forme Aigenpulse exploite les derniers outils d’intelligence artificielle et d’apprentissage automatique pour fournir des analyses avancées pour soutenir la prise de décision scientifique.
Pour plus d’informations, visitez: https://www.aigenpulse.com/cytoml-suite/
