flowMatch Meta-clustering based popula3on matching Ariful - - PowerPoint PPT Presentation

flowMatch ¡ ¡ Meta-­‑clustering ¡based ¡popula3on ¡matching ¡

Ariful ¡Azad, ¡Saumyadipta ¡Pyne, ¡Alex ¡Pothen ¡ ¡ Department ¡of ¡Computer ¡Science, ¡Purdue ¡University ¡ Dana ¡Farber ¡Cancer ¡Ins3tute, ¡Harvard ¡Medical ¡School ¡ ¡ ¡

Flow ¡Cytometry ¡– ¡Toy ¡example ¡

CD4 ¡ CD8 ¡ Cell-­‑1 ¡ 3 ¡ 1 ¡ Cell-­‑2 ¡ 12 ¡ 1 ¡ Cell-­‑3 ¡ 3.3 ¡ 4.4 ¡ ….. ¡ … ¡ … ¡ Clustering ¡ ScaNer ¡plot ¡ Popula3on ¡

Challenge-­‑4: ¡Correlated ¡popula3ons ¡ across ¡treatment ¡arms ¡ ¡

Healthy ¡ Treatment-­‑1 ¡ Treatment-­‑2 ¡ Healthy ¡ Treatment-­‑1 ¡ Treatment-­‑2 ¡

Time ¡= ¡0 ¡ Time ¡= ¡t ¡

Corresponding ¡ ¡ popula<ons ¡ Correspondence ¡ preserved ¡

Three ¡samples ¡of ¡a ¡class ¡at ¡each ¡3me ¡point ¡

Treatment-­‑1 ¡

Sample ¡comparison ¡

Treatment-­‑2 ¡

Approach: ¡Two ¡Levels ¡

• 1. Lower ¡Level: ¡Registra3on ¡of ¡popula3ons ¡

(clusters) ¡across ¡each ¡pair ¡of ¡samples ¡

• 2. Upper ¡Level: ¡Overall ¡representa3on ¡of ¡

samples ¡of ¡a ¡par3cular ¡class ¡using ¡Templates. ¡

• 1. ¡Registra3on/matching ¡of ¡popula3on ¡

across ¡a ¡given ¡pair ¡of ¡Samples ¡

• A ¡ generalized ¡ edge ¡ cover ¡ (GEC) ¡ is ¡ an ¡ edge ¡ cover ¡ which ¡

allows ¡few ¡uncovered ¡ver3ces ¡at ¡the ¡cost ¡of ¡a ¡penalty ¡(λ). ¡ ¡

• Objec3ve ¡func3on: ¡ ¡

Sample-­‑2 ¡ Sample-­‑1 ¡ Sample-­‑2 ¡ Sample-­‑1 ¡ Sample-­‑2 ¡ Sample-­‑1 ¡

¡ ¡EC ¡ ¡GEC ¡

• 2. ¡Instead ¡of ¡comparing ¡popula3ons/

clusters ¡sample ¡by ¡sample ¡… ¡ ¡

Class ¡-­‑ ¡A ¡ Class ¡-­‑ ¡B ¡

Sample ¡comparison ¡

Sample ¡-­‑ ¡A1 ¡ Sample ¡– ¡A2 ¡ Sample ¡– ¡A3 ¡ Sample ¡– ¡B3 ¡ Sample ¡– ¡B2 ¡ Sample ¡– ¡B1 ¡

We ¡can ¡compare ¡meta-­‑clusters ¡across ¡templates ¡

Class ¡-­‑ ¡A ¡ Class ¡-­‑ ¡B ¡

Template ¡-­‑ ¡A ¡ Template ¡-­‑ ¡B ¡ Template ¡comparison ¡

How ¡to ¡create ¡a ¡template ¡from ¡a ¡pair ¡of ¡ samples ¡ ¡

Sample-­‑2 ¡ Sample-­‑1 ¡

c1 ¡ c2 ¡ c3 ¡ c4 ¡ c’1 ¡ c’2 ¡ c’3 ¡ c’4 ¡

Meta-­‑cluster ¡

c1 ¡ c’1 ¡ c’2 ¡ c2 ¡ c’3 ¡ c3 ¡ c’4 ¡ c4 ¡

Template(1,2) ¡

m1 ¡ m2 ¡ m3 ¡ m4 ¡

How ¡to ¡create ¡template ¡for ¡a ¡class ¡by ¡ hierarchical ¡merging ¡

GEC ¡ GEC ¡

Merge ¡most ¡similar ¡pair ¡of ¡current ¡samples ¡ ¡

What ¡we ¡did: ¡Correlated ¡popula3ons ¡ across ¡treatment ¡arms ¡ ¡

• At ¡each ¡3me ¡point ¡create ¡dis3nct ¡templates ¡

for ¡each ¡of ¡the ¡three ¡classes ¡of ¡samples ¡ ¡

• Match ¡templates ¡across ¡3me ¡points ¡to ¡follow ¡

the ¡progression ¡of ¡popula3ons ¡defined ¡by ¡the ¡ corresponding ¡meta-­‑clusters. ¡ ¡

• Popula3ons ¡are ¡correlated ¡across ¡treatment ¡if ¡

correspondence ¡of ¡meta-­‑clusters ¡is ¡preserved. ¡

Correlated ¡popula3ons ¡across ¡ treatment ¡arms ¡ ¡

4 ¡ 6 ¡ 4 ¡ 8 ¡ 2 ¡ 8 ¡ 7 ¡ 5 ¡

T=0 ¡ T=4 ¡ T=12 ¡ T=24 ¡ T=72 ¡ 7,9 ¡ 6,7 ¡

• Each ¡number ¡is ¡a ¡meta-­‑cluster ¡at ¡a ¡3me ¡point. ¡
• The ¡correspondence ¡is ¡preserved ¡in ¡two ¡

treatment ¡arms ¡

Copaxone ¡ ¡ Interferon ¡ ¡beta ¡ ¡

Summary ¡

• Any ¡clustering ¡can ¡be ¡used ¡to ¡start ¡with ¡
• Samples ¡of ¡a ¡par3cular ¡class ¡can ¡be ¡

represented ¡using ¡Templates ¡

• Templates ¡can ¡be ¡compared ¡to ¡find ¡

corresponding ¡meta-­‑clusters ¡across ¡classes. ¡