High-speed automatic characterization of rare events in flow cytometric data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378050%3A_____%2F20%3A00531927" target="_blank" >RIV/68378050:_____/20:00531927 - isvavai.cz</a>

Výsledek na webu

<a href="https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0228651" target="_blank" >https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0228651</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1371/journal.pone.0228651" target="_blank" >10.1371/journal.pone.0228651</a>

Jazyk výsledku

angličtina

Název v původním jazyce

High-speed automatic characterization of rare events in flow cytometric data

Popis výsledku v původním jazyce

A new computational framework for FLow cytometric Analysis of Rare Events (FLARE) has been developed specifically for fast and automatic identification of rare cell populations in very large samples generated by platforms like multi-parametric flow cytometry. Using a hierarchical Bayesian model and information-sharing via parallel computation, FLARE rapidly explores the high-dimensional marker-space to detect highly rare populations that are consistent across multiple samples. Further it can focus within specified regions of interest in marker-space to detect subpopulations with desired precision.

Název v anglickém jazyce

High-speed automatic characterization of rare events in flow cytometric data

Popis výsledku anglicky

A new computational framework for FLow cytometric Analysis of Rare Events (FLARE) has been developed specifically for fast and automatic identification of rare cell populations in very large samples generated by platforms like multi-parametric flow cytometry. Using a hierarchical Bayesian model and information-sharing via parallel computation, FLARE rapidly explores the high-dimensional marker-space to detect highly rare populations that are consistent across multiple samples. Further it can focus within specified regions of interest in marker-space to detect subpopulations with desired precision.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

PLoS ONE

ISSN

1932-6203

e-ISSN

—

Svazek periodika

15

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

18

Strana od-do

e0228651

Kód UT WoS článku

000534633200028

EID výsledku v databázi Scopus

—