통계적 파일 매칭을 이용한 흐름 세포 측정 데이터 보완
본 논문은 흐름 세포 측정에서 서로 다른 튜브에 나뉘어 측정된 부분적인 마커 데이터를 결합하여 고차원 완전 데이터를 복원하는 방법을 제안한다. 단순 최근접 이웃(NN) 보간이 가짜 군집을 만들 수 있음을 보이고, 동일 군집 내에서 NN을 적용하는 클러스터 기반 보간을 제안한다. 이를 위해 결측 데이터를 포함한 가우시안 혼합 모델(특히 PPCA 혼합)을 EM 알고리즘으로 학습하고, 도메인 지식을 활용한 초기화 전략을 설계하였다. 실제 흐름 세포 …
저자: Gyemin Lee (1), William Finn (2), Clayton Scott (1
**1. 서론 및 배경**
흐름 세포 측정은 개별 세포의 물리·화학적 특성을 빠르게 정량화하는 기술로, 임상 진단 및 연구에 널리 활용된다. 그러나 동시에 측정 가능한 마커 수는 레이저·광원·형광체의 제한으로 보통 5~7개에 불과하고, 실제 연구에서는 수십 개의 마커가 필요하다. 따라서 동일 샘플을 여러 튜브에 나누어 서로 다른 마커 조합을 측정하는 ‘파일 매칭(file matching)’ 전략이 일반적이다. 각 파일은 공통 마커(FS, SS 등)와 파일 전용 마커를 포함하며, 파일 간에 겹치는 마커는 제한적이다. 이때 목표는 모든 마커를 포함하는 고차원 데이터셋을 복원하는 것이다.
**2. 기존 방법과 문제점**
이전 연구
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기