Transformación de datos

[luciaantona]

Hola,

Estoy trabajando con datos de citometría de flujo en R para mi TFM y me ha surgido una duda sobre la transformación de los datos antes de hacer UMAP.

He visto que se utilizan distintas transformaciones, principalmente arcsinh (con diferentes cofactores, por ejemplo 6000) y la transformación biexponencial (logicle), pero no tengo claro:

En qué casos es más apropiado usar una u otra
Si el uso de arcsinh con cofactor 6000 es correcto o depende del tipo de dato/instrumento
Si hay alguna recomendación estándar cuando el objetivo es hacer reducción de dimensionalidad (por ejemplo UMAP)
Cualquier aclaración o referencia sería de mucha ayuda.

Gracias!

[DavidRach]

Hola Lucia,

Todavia nos falta algunas semanas para cubrir el tema, pero aqui hay unos ejemplos de lo que estoy planeando cubrir.

En terminos de si debes usar arcsinh o biexponencial, depende un poco de quien estaba escribiendo el codigo. Anteriormente, era menos facil implementar biexponencial, por ello muchos de los papeles previos analisando citometria de flujo convencional estaban transformando via flowCore, primeramente su implementacion de logicle. Adicionalmente, porque la mayoria de los ejemplos de citometria de R no estaban tan enfocados en convencional, sino mas hacia mass cytometry, dado que ellos normalmente usan arcsinh para sus transformaciones, muchos de los ejemplos de codigo publicados usan arcsinh

En contexto de spectral flow cual es mejor usar, el tema subio en el Discord hace algunas semanas. Mitad de la comunidad esta usando biexponencial cuando estan haciendo sus analisis semi-supervisados, la otra mitad son aficionados de arcsinh. Lo que todos acordaban es que lo mas importante es asegurar que los argumentos dados a las transformaciones que estas usando acuerdan con tus datos, porque sin calibracion ambos pueden causar problemas.

Del ejemplo de ariba, usando biexponencial, pero asegurando que los marcadores individuales estaban bien transformados (con buena resolucion entre positivo y negativo para cada marcador, comparable de lo que ya hubieras normalmente hecho para un analisis supervisado)

Vice versa, si las transformaciones resultaron que los datos fueran mas estrechados, el mismo codigo hubiera salido asi:

Y misma situacion con Arcsinh

Y si los argumentos estan mas o menos

Afuera de asegurar que las transformaciones aplicadas te permiten resolucion entre las poblaciones positivas y negativas, algunos protocoles tambien intentan asegurar de que todos los fluoroforos empiezen y terminen alrededor de los mismos lugares en terminos de MFI (todos las poblaciones negativas para todos los marcadores quedando hubicadas alrededor de 0, y todas las poblaciones positivas alredor de 10^4 o equivalente en arcsinh).

En practica, esto es mas facil para implementar con datos de convencional (150) o de mass (5), pero son algo dificil de calibrar para spectral dado que frecuentemente cada fluoroforo requiere su propio cofactor para atener esta meta. Dado que esto resulta en bastante mas codigo, el ejemplo tendra que esperar para otro dia (y ademas no es claro para mi si es necesario para la mayoria de los algoritmos que estamos usando hoy en dia o solo en algunos de los originales)

En fin, no se si esto deja mas dudas que respuestas 😅 Tambien hay este video de Cytobytes donde Felix cubre el tema desde su punto de vista.

Saludos-
David