Flow Cytometry ရလဒ်များကိုဖတ်နည်း

နိဒါန်း

သိပ္ပံပညာရှင်များသည် စက္ကန့်အနည်းငယ်အတွင်း ဆဲလ်ထောင်ပေါင်းများစွာကို ခွဲခြမ်းစိတ်ဖြာပုံကို တွေးဖူးပါသလား။ Flow cytometry သည် ၎င်းကို ဖြစ်နိုင်ချေရှိသော အစွမ်းထက်သောကိရိယာဖြစ်သည်။ ၎င်းသည် သုတေသီများအား ဆဲလ်တစ်ခုချင်းစီ၏ ရုပ်ပိုင်းဆိုင်ရာနှင့် ဓာတုဂုဏ်သတ္တိများကို လျင်မြန်တိကျစွာ လေ့လာနိုင်စေပါသည်။

 

ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် flow cytometry ရလဒ်များကို မည်သို့ဖတ်ပြီး အဓိပ္ပာယ်ဖွင့်ဆိုရမည်ကို လေ့လာပါမည်။ အရေးကြီးသော အမှတ်အသားများကို ခွဲခြားသတ်မှတ်နည်း၊ ရောဂါအခြေအနေများကို အကဲဖြတ်ရန်နှင့် ဆဲလ်လူလာလုပ်ဆောင်နိုင်စွမ်းဆိုင်ရာ ထိုးထွင်းသိမြင်မှုများကို သင်လေ့လာနိုင်မည်ဖြစ်သည်။ သိပ္ပံနည်းကျ သုတေသနနှင့် လက်တွေ့အလေ့အကျင့်များတွင် အသိဥာဏ်ရှိသော ဆုံးဖြတ်ချက်များချရန်အတွက် ဤရလဒ်များကို နားလည်ရန် အရေးကြီးပါသည်။

 

Flow Cytometry ရလဒ်များကို နားလည်ခြင်း။

Flow Cytometry ၏အခြေခံများ

Flow cytometry သည် ဆဲလ်တစ်ခုစီမှ ပြန့်ကျဲနေသော အလင်းကို တိုင်းတာနေစဉ် လေဆာရောင်ခြည်မှတဆင့် ဆဲလ်များကို ဖြတ်သန်းခြင်းဖြင့် အလုပ်လုပ်ပါသည်။ ပြန့်ကျဲနေသောအလင်းသည် သုတေသီများအား ဆဲလ်၏အရွယ်အစားနှင့် အတွင်းပိုင်းရှုပ်ထွေးမှုဆိုင်ရာ အရေးကြီးသောအချက်အလက်များကိုပေးသည်။ ထို့အပြင်၊ ဆဲလ်များအတွင်း သို့မဟုတ် ဆဲလ်အတွင်းပိုင်းရှိ တိကျသောပရိုတင်းများကို တံဆိပ်ကပ်ရန် fluorescent အမှတ်အသားများကို အသုံးပြုပြီး ဆဲလ်သွင်ပြင်လက္ခဏာများကို ပိုမိုထိုးထွင်းသိမြင်စေသည်။

 

Flow cytometers များသည် light scatter နှင့် fluorescence parameters များဆိုင်ရာ အချက်အလက်များကို စုဆောင်းပါသည်။ ဆဲလ်များသည် ၎င်းတို့၏ အရွယ်အစားနှင့် အတွင်းပိုင်းဖွဲ့စည်းပုံဆိုင်ရာ အချက်အလက်များကို ပံ့ပိုးပေးသည့် လေဆာနှင့် တုံ့ပြန်သောအခါတွင် အလင်းလွင့်သည့်ဒေတာကို ထုတ်ပေးသည်။ ဤဒေတာသည် ဆဲလ်အသေးစိတ်နှင့် ပုံသဏ္ဍာန်ကို ဆုံးဖြတ်ရန် ကူညီပေးသည်။ စိတ်လှုပ်ရှားမှုအပေါ် အလင်းထုတ်လွှတ်သည့် ပရိုတင်း သို့မဟုတ် DNA ကဲ့သို့သော ဆဲလ်လူလာအစိတ်အပိုင်းများနှင့် ချိတ်ဆက်သည့်အခါ ရောင်ရမ်းရောင်စုံဒေတာကို စုဆောင်းသည်။ ဤအချက်ပြမှုများသည် ဆဲလ်များ၏အပြုအမူကို နားလည်ရန်အတွက် အရေးကြီးသော မျက်နှာပြင်ပရိုတင်းများ သို့မဟုတ် DNA ပါဝင်မှုများကဲ့သို့သော သီးခြားဆဲလ်အမှတ်အသားများကို ခွဲခြားသတ်မှတ်ရာတွင် ကူညီပေးပါသည်။

 

Flow Cytometry ရှိ ဒေတာအမျိုးအစားများ

● Forward scatter (FSC): ဆဲလ်အရွယ်အစားကို တိုင်းတာသည်။ ပိုကြီးသော ဆဲလ်များသည် အလင်းပို၍ ဘက်သို့ လှည့်သွားသောကြောင့် ရှေ့သို့ ပြန့်ကျဲမှု ပိုထွက်လာတတ်သည်။

● Side scatter (SSC): ဆဲလ်ရှုပ်ထွေးမှု သို့မဟုတ် အတွင်းပိုင်းဖွဲ့စည်းပုံကို ဖော်ပြသည်။ ဤကန့်သတ်ချက်များသည် ဆဲလ်အမျိုးအစားများကို ခွဲခြားခြင်း သို့မဟုတ် မူမမှန်မှုများကို ရှာဖွေခြင်းအတွက် အသုံးဝင်နိုင်သည့် ဆဲလ်တစ်ခု၏အသေးစိတ်နှင့် ရှုပ်ထွေးမှုကို ထိုးထွင်းသိမြင်စေသည်။

● မီးခိုးရောင် ကန့်သတ်ချက်များ- ၎င်းတို့သည် တဂ်လုပ်ထားသော ပဋိပစ္စည်း၊ ဆိုးဆေး သို့မဟုတ် ပရိုတင်းများမှ ထုတ်လွှတ်သော သီးခြား fluorescence ၏ ပြင်းထန်မှုကို တိုင်းတာသည်။ အမှတ်အသားအများအပြား၏ fluorescence ကိုတိုင်းတာခြင်းဖြင့်၊ flow cytometry သည် စမ်းသပ်မှုပန်းတိုင်များပေါ်မူတည်၍ သီးခြား receptors, DNA, သို့မဟုတ် proteins များကဲ့သို့သော သီးခြားဆဲလ်လူလာအစိတ်အပိုင်းများကို ခွဲခြားသတ်မှတ်နိုင်သည်။

 

ကန့်သတ်ချက်	ဖော်ပြချက်	အသုံးများသည်။
Forward Scatter (FSC)	ဆဲလ်အရွယ်အစားကို တိုင်းတာသည်။ ပိုကြီးတဲ့ ဆဲလ်တွေက အလင်းကို ပိုဖြန့်ကျက်တယ်။	ဆဲလ်များ၏ ဆွေမျိုးအရွယ်အစားကို သတ်မှတ်သည်။
ဘေးထွက်ကွက်ကျား (SSC)	ဆဲလ်၏ အတွင်းပိုင်း ရှုပ်ထွေးမှု သို့မဟုတ် အသေးစိပ်ကို တိုင်းတာသည်။	ဆဲလ်ရှုပ်ထွေးမှု သို့မဟုတ် ဖွဲ့စည်းပုံကို အကဲဖြတ်ရန် ကူညီပေးသည်။
မီးချောင်း	တိုင်းတာချက်များသည် အမှတ်အသားများမှ အလင်းထုတ်လွှတ်သည်။	ပရိုတင်း သို့မဟုတ် DNA ကဲ့သို့သော သီးခြားဆဲလ်အစိတ်အပိုင်းများကို ခွဲခြားသတ်မှတ်သည်။

 

Flow Cytometry တွင် အဓိက ဂရပ်ဖစ်ဆိုင်ရာ ကိုယ်စားပြုမှုများ

ဟစ်စတိုဂရမ်များ

Histograms များသည် flow cytometry တွင် single-parameter data ကို မြင်သာစေရန် ရိုးရှင်းသောနည်းလမ်းဖြစ်သည်။ ၎င်းတို့သည် ပုံမှန်အားဖြင့် x-axis တွင် အလင်းလွင့်မှု သို့မဟုတ် fluorescence ၏ ပြင်းထန်မှုကို ပြသပြီး y-axis သည် ဖြစ်ရပ်များ (ဆဲလ်များ) ကို ကိုယ်စားပြုသည်။ ဤရိုးရှင်းသော ဂရပ်ဖစ်ကိုယ်စားပြုဖော်ပြချက်သည် ဆဲလ်များ၏လူဦးရေတစ်လျှောက်တွင် ကန့်သတ်ချက်တစ်ခု၏ဖြန့်ဝေမှုကို လွယ်ကူစွာနားလည်ရန် ကူညီပေးသည်။

 

ဟစ်စတိုဂရမ်များတွင် သင်သည် အောက်ပါတို့ကို ကြည့်ရှုနိုင်သည်။

● အထွတ်အထိပ်သို့ ရွှေ့ခြင်း- မီးချောင်း၏ ပြင်းထန်မှု ညာဘက်သို့ ရွှေ့ခြင်းသည် ပုံမှန်အားဖြင့် ပစ်မှတ်အမှတ်အသား၏ ဖော်ပြမှု တိုးလာမှုကို ညွှန်ပြသည်။ ၎င်းသည် ကုသမှုကို တုံ့ပြန်ရာတွင် ကဲ့သို့သော ပရိုတိန်းဖော်ပြမှုဆိုင်ရာ ပြောင်းလဲမှုများကို အထောက်အကူဖြစ်စေသော ညွှန်ပြချက်တစ်ခုဖြစ်သည်။

● အထွတ်အထိပ်ဖြန့်ဖြူးခြင်း- အထွတ်အထိပ်ပျံ့နှံ့မှုသည် ဆဲလ်လူဦးရေတစ်လျှောက် အမှတ်အသား၏ဖော်ပြမှုတွင် ကွဲပြားမှုကို ထိုးထွင်းသိမြင်စေသည်။ ပိုမိုကျယ်ပြန့်သော အထွတ်အထိပ်တစ်ခုသည် ကွဲပြားသောအသုံးအနှုန်းများနှင့် ကွဲပြားသောလူဦးရေကို ညွှန်ပြနိုင်သော်လည်း ကျဉ်းမြောင်းသောအထွတ်အထိပ်သည် တူညီမှုကို ညွှန်ပြနေပါသည်။

 

Dot Plots နှင့် Scatter Plots များ

အစက်ချကွက်များကို ကွက်လပ်ကွက်များဟုလည်း ရည်ညွှန်းပြီး ကန့်သတ်ချက်နှစ်ခုပါ အချက်အလက်များကို ပြသရန် အများအားဖြင့် အသုံးပြုကြသည်။ ဤကွက်ကွက်များသည် ရှေ့သို့ပြန့်ကြဲခြင်း (FSC) နှင့် ဘေးဘက်ဖြန့်ကြဲခြင်း (SSC) သို့မဟုတ် အလင်းတန်းအမှတ်အသားများအကြား ခြားနားသော ကန့်သတ်ဘောင်နှစ်ခုကြားရှိ ဆက်ဆံရေးများကို ကြည့်ရှုနိုင်စေပါသည်။ အစက်ကွက်များကို အသုံးပြုခြင်းဖြင့်၊ မြင်ယောင်ပုံဖော်ခြင်းတစ်ခုတွင် ဘောင်များစွာကြားရှိ ဆက်စပ်မှုကို ပိုင်းခြားစိတ်ဖြာနိုင်ပါသည်။

 

● Gating- အစက်ချကွက်များတွင်၊ သင်သည် ဂိတ်များ (စတုဂံများ၊ စက်ဝိုင်းများ၊ သို့မဟုတ် ပေါ်လီဂွန်များ) ကို ထပ်ဆင့်ခွဲခြမ်းစိတ်ဖြာရန်အတွက် သီးခြားဆဲလ်ခွဲများကို ခွဲထုတ်နိုင်သည်။ Gating သည် သင့်အား အရွယ်အစား၊ အသေးစိတ်၊ သို့မဟုတ် အမှတ်အသားဖော်ပြမှုကဲ့သို့သော သတ်မှတ်ချက်များနှင့် ကိုက်ညီသော လူဦးရေအပေါ် အာရုံစိုက်နိုင်စေပါသည်။

● Multiparameter ခွဲခြမ်းစိတ်ဖြာခြင်း- အစက်ချကွက်များသည် အမှတ်အသားများ သို့မဟုတ် ကွဲပြားသောလက္ခဏာများကဲ့သို့သော စံသတ်မှတ်ချက်များစွာအပေါ်အခြေခံ၍ မတူညီသောဆဲလ်လူဦးရေများကြားတွင် ခွဲခြားနိုင်စေမည့် ကိန်းရှင်နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ကွဲလွဲချက်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို မြင်ယောင်နိုင်ရန် ကူညီပေးပါသည်။ ရှုပ်ထွေးသော သို့မဟုတ် မတူညီသော ဆဲလ်လူဦးရေများကို ကိုင်တွယ်ဖြေရှင်းရာတွင် ၎င်းသည် အထူးသဖြင့် အသုံးဝင်သည်။

 

ဆဲလ်လူဦးရေကို ခွဲခြားသတ်မှတ်ရန် ဗျူဟာများ

Gating Technique	ဖော်ပြချက်	Case ကိုသုံးပါ။
Quadrant Gating	ဇာတ်ကွက်ကို လေးထောင့်ပုံစံ ခွဲထားသည်။	ကန့်သတ်ချက်နှစ်ခု (ဥပမာ FSC နှင့် SSC) ကို ပိုင်းခြားစိတ်ဖြာရန် အသုံးဝင်သည်။
Polygon Gating	ပိုမိုကွဲပြားသောဒေတာအချက်များပါဝင်ရန် စိတ်ကြိုက်ပုံစံများကို ဖန်တီးပါ။	ပိုမိုရှုပ်ထွေးသော သို့မဟုတ် ပုံသဏ္ဍာန်မမှန်သော လူဦးရေများအတွက် စံပြဖြစ်သည်။
Ellipse Gating	quadrant နှင့် ဆင်တူသော်လည်း elliptical area ကို ဖန်တီးသည်။	ဗဟိုမပြုသော လူဦးရေအတွက် ထိရောက်သည်။

 

Gating မိတ်ဆက်

Gating သည် သင့်အား ပိုမိုကြီးမားသောနမူနာတစ်ခုမှ သီးခြားဆဲလ်လူဦးရေများကို ခွဲခြားခွဲခြားနိုင်စေမည့် flow cytometry တွင် အရေးပါသောနည်းပညာတစ်ခုဖြစ်သည်။ သင်၏ flow cytometry ဒေတာတွင် ဂိတ်ပေါက်များကို အသုံးပြုခြင်းဖြင့်၊ အရွယ်အစား၊ ရှုပ်ထွေးမှု၊ သို့မဟုတ် အမှတ်အသားဖော်ပြမှုကဲ့သို့သော သီးခြားလက္ခဏာများပြသသည့် ဆဲလ်များကို သင်အာရုံစိုက်နိုင်သည်။

 

ဂိတ်ပေါက်ခြင်းလုပ်ငန်းစဉ်တွင် ပုံမှန်အားဖြင့် အောက်ပါတို့ ပါဝင်ပါသည်။

● လူဦးရေကို ရွေးချယ်ခြင်း- Gates သည် သင့်အား သိရှိထားသော လက္ခဏာများပေါ်အခြေခံ၍ သီးခြားဆဲလ်များ၏ အပိုင်းခွဲတစ်ခုကို ခွဲထုတ်ရန် ကူညီပေးပါသည်။ ဥပမာအားဖြင့်၊ သီးခြားအမှတ်အသားတစ်ခုအတွက် အပြုသဘောဆောင်သည့်ဆဲလ်များ (ဥပမာ၊ CD3 အတွက် T cells) သို့မဟုတ် သီးခြားကွဲပြားသောဂုဏ်သတ္တိများရှိသော ဆဲလ်များတွင် သင်ဂိတ်ပေါက်နိုင်သည်။

● မလိုလားအပ်သော လူဦးရေများကို ဖယ်ထုတ်ခြင်း- Gates သည် သင့်အား ခွဲခြမ်းစိတ်ဖြာမှုကို ကွဲလွဲစေသော ဆဲလ်သေများ သို့မဟုတ် အပျက်အစီးများကဲ့သို့သော မလိုလားအပ်သော အမှုန်အမွှားများကို ဖယ်ထုတ်ရန် ကူညီပေးပါသည်။ ၎င်းသည် သင်ခွဲခြမ်းစိတ်ဖြာသည့် အချက်အလက်သည် တိကျပြီး သင့်သုတေသနနှင့် သက်ဆိုင်ကြောင်း သေချာစေပါသည်။

 

လူဦးရေများကို စစ်ထုတ်ရန် Gating ကိုအသုံးပြုနည်း

flow cytometry data ကို ထိထိရောက်ရောက် အဓိပ္ပာယ်ဖွင့်ဆိုရန်၊ စိတ်ဝင်စားသူ လူဦးရေအပေါ် အာရုံစိုက်သည့် သင့်လျော်သော ဂိတ်များကို သတ်မှတ်ရန် အရေးကြီးပါသည်။ ဥပမာအားဖြင့်:

● ဆဲလ်သေများကို ဖယ်ထုတ်ခြင်း- ဆဲလ်သေများသည် ရှင်သန်နိုင်သောဆဲလ်များနှင့် ခွဲခြားသိမြင်နိုင်စေရန် အသုံးပြုနိုင်သည့် ထူးခြားသောကွဲပြားသော ဂုဏ်သတ္တိများကို ပြသလေ့ရှိသည်။ forward scatter (FSC) နှင့် side scatter (SSC) တို့ကို ကြည့်ရှုခြင်းဖြင့်၊ သင်သည် သင်၏ဒေတာကို လွဲသွားစေမည့် အသေ သို့မဟုတ် apoptotic ဆဲလ်များကို ဖယ်ထုတ်နိုင်သည်။

● သတ်မှတ်ထားသောလူဦးရေများကို သီးခြားခွဲထုတ်ခြင်း- Gating သည် အမှတ်အသားများ သို့မဟုတ် ရုပ်ပိုင်းဆိုင်ရာလက္ခဏာများပေါ်အခြေခံ၍ သတ်မှတ်ထားသောဆဲလ်များ၏ အပိုင်းခွဲများကို ရွေးချယ်ပြီး ခွဲခြမ်းစိတ်ဖြာနိုင်စေပါသည်။ ဥပမာအားဖြင့်၊ သင်သည် သတ်မှတ်ထားသော မျက်နှာပြင်ပရိုတိန်း (ဥပမာ CD3) ကို ပစ်မှတ်ထားခြင်းဖြင့် T ဆဲလ်များကို တံခါးပေါက်နိုင်ပြီး ၎င်းတို့၏ အခြားအမှတ်အသား (ဥပမာ၊ ဆိုက်တိုကင်အဆင့်များ) ၏ ၎င်းတို့၏ဖော်ပြမှုကို ပိုင်းခြားစိတ်ဖြာနိုင်သည်။

 

Advanced Flow Cytometry ခွဲခြမ်းစိတ်ဖြာခြင်း။

Multicolor Flow Cytometry

Multicolor flow cytometry သည် နမူနာတစ်ခုတွင် မတူညီသောဆဲလ်အမှတ်အသားများကို တစ်ပြိုင်နက်ခွဲခြမ်းစိတ်ဖြာရန် fluorescent markers အများအပြားကိုအသုံးပြုခြင်းပါဝင်သည့် အဆင့်မြင့်နည်းပညာတစ်ခုဖြစ်သည်။ ဤနည်းလမ်းသည် ရှုပ်ထွေးသောဆဲလ်အရောအနှောအတွင်း ဆဲလ်အမျိုးအစားများနှင့် အမျိုးအစားခွဲများအကြား ခွဲခြားနိုင်စွမ်းကို သိသိသာသာ တိုးမြင့်စေသည်။

 

● အားသာချက်များ- Multicolor flow cytometry ၏ အဓိကအားသာချက်မှာ ကန့်သတ်ဘောင်များစွာကို တစ်ပြိုင်နက်တည်းခွဲခြမ်းစိတ်ဖြာနိုင်စေပြီး စမ်းသပ်မှုများကို ပိုမိုထိရောက်စေခြင်းဖြစ်ပါသည်။ ဆဲလ်တစ်ခုတည်းရှိ အမှတ်အသားများ အများအပြားကို စစ်ဆေးရန် လိုအပ်သောအခါ ၎င်းသည် အထူးအသုံးဝင်သည်။

● အရောင်မျိုးစုံရလဒ်များကို ဘာသာပြန်ခြင်း- ရောင်စုံစီးဆင်းမှု cytometry ရှိ အမှတ်အသားတစ်ခုစီသည် တိကျသောလှိုင်းအလျားတစ်ခုဖြင့် စိတ်လှုပ်ရှားနေပြီး ဆဲလ်အမျိုးအစားများ သို့မဟုတ် ပြည်နယ်များအကြား တိကျသောကွဲပြားမှုကို ရရှိစေသည်။ ၎င်းသည် ခုခံအားဆဲလ်ပရိုဖိုင်းဆွဲခြင်း၊ ကင်ဆာသုတေသနနှင့် အမှတ်အသားများ အများအပြားကို တပြိုင်နက်ခွဲခြမ်းစိတ်ဖြာရန် လိုအပ်သည့် အခြားနေရာများတွင် အထူးသဖြင့် အထောက်အကူဖြစ်သည်။

 

အမှတ်အသား အမျိုးအစား	Fluorochrome သုံးတယ်။	အသုံးများသောလျှောက်လွှာ
CD3 (T cells)	FITC၊ PE၊ APC	ကိုယ်ခံအားပုံသွင်းခြင်းတွင် T lymphocytes ကိုခွဲခြားသတ်မှတ်ခြင်း။
CD4 (Helper T ဆဲလ်)	PerCP-Cy5.5၊ APC	ခုခံအားလုပ်ဆောင်ချက်အတွက် အထောက်အကူ T ဆဲလ်များကို ခွဲခြားသတ်မှတ်ခြင်း။
CD8 (Cytotoxic T ဆဲလ်)	PE၊ APC၊ BV421	ခုခံအားတုံ့ပြန်မှုတွင် cytotoxic T ဆဲလ်များကိုခွဲခြားသတ်မှတ်ခြင်း။
CD19 (ဘီဆဲလ်)	FITC၊ PE၊ PerCP	ခုခံအားစနစ်နှင့် သွေးကင်ဆာလေ့လာမှုများတွင် ပရိုဖိုင်းဘီဆဲလ်များ။

 

သင်သည် ရှုပ်ထွေးသောဒေတာအတွက် PCA၊ SPADE နှင့် tSNE ကို သီဆိုထားသည်။

Flow cytometry ဒေတာတွင် ဘောင်များစွာ ပါဝင်လေ့ရှိသည်၊ ၎င်းသည် ဘက်ပေါင်းစုံမှ မြင့်မားသော ဒေတာအတွဲများကို ဖြစ်ပေါ်စေနိုင်သည်။ ဤရှုပ်ထွေးသောဒေတာအတွဲများကို ထိရောက်စွာခွဲခြမ်းစိတ်ဖြာရန်၊ သုတေသီများသည် အဆင့်မြင့်ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနည်းပညာများကို အသုံးပြုသည်-

● Principal Component Analysis (PCA): PCA သည် အချက်အလက်များစွာကို ထိန်းသိမ်းထားစဉ်တွင် ကြီးမားသောဒေတာအတွဲများ၏ အတိုင်းအတာကို လျှော့ချရန်အတွက် အသုံးပြုသည့် ကိန်းဂဏန်းဆိုင်ရာ နည်းလမ်းတစ်ခုဖြစ်သည်။ ၎င်းသည် များစွာသော ကိန်းရှင်များကြားရှိ ပုံစံများနှင့် ဆက်ဆံရေးများကို ခွဲခြားသတ်မှတ်ရန် ကူညီပေးပြီး ရှုပ်ထွေးသောဒေတာများကို မြင်သာစေရန် လွယ်ကူစေသည်။

● SPADE (Spanning-tree Progression Analysis of Density-normalized Events): SPADE သည် ကွဲပြားသောလူဦးရေအတွင်း ဆဲလ်များ၏ လူဦးရေခွဲများကို အာရုံစိုက်ခြင်းဖြင့် ကြီးမားသောဒေတာအတွဲများကို ပိုင်းခြားစိတ်ဖြာရန် အသုံးပြုသည့်နည်းပညာတစ်ခုဖြစ်သည်။ ဤနည်းလမ်းသည် သုတေသီများအား အချိန်ကြာလာသည်နှင့်အမျှ ဆဲလ်လူဦးရေ၏ ဒိုင်းနမစ်ကို လေ့လာရန် သို့မဟုတ် ကုသမှုကို တုံ့ပြန်ရန် ခွင့်ပြုသည်။

● tSNE (t-Distributed Stochastic Neighbor Embedding): tSNE သည် အချက်အလက်များ၏ အတိုင်းအတာကို လျှော့ချရန်အတွက် အသုံးပြုသည့် အယ်လဂိုရီသမ်တစ်ခုဖြစ်ပြီး အမြင့်ဘက်မြင်နေရာရှိ ဆဲလ်များကြားရှိ ဆက်ဆံရေးများကို မြင်သာစေရန် ပိုမိုလွယ်ကူစေသည်။ ၎င်းသည် အလားတူလက္ခဏာများရှိသောဆဲလ်များကို အစုလိုက်အပြုံလိုက်ပြုလုပ်ရန်အတွက် အထူးအသုံးဝင်သည်။

 

ဤအဆင့်မြင့်နည်းပညာများသည် သုတေသီများအား ရှုပ်ထွေးသောစီးဆင်းမှု cytometry ဒေတာမှ အဓိပ္ပါယ်ရှိသော ထိုးထွင်းသိမြင်မှုကို ထုတ်ယူနိုင်ပြီး ကြီးမားသောဒေတာအတွဲများကို အနက်ပြန်ဆိုရာတွင် လွယ်ကူချောမွေ့စေပါသည်။

 

ရလဒ်များကို ဘာသာပြန်ခြင်း။

ပုံမှန်မဟုတ်သောဆဲလ်များကို ခွဲခြားသိမြင်ခြင်း

Flow cytometry ကို ကင်ဆာရောဂါရှာဖွေရာတွင် ကဲ့သို့သော ဆဲလ်များရှိ မူမမှန်မှုများကို ရှာဖွေရန် ဆေးခန်းဆက်တင်များတွင် တွင်ကျယ်စွာ အသုံးပြုပါသည်။ မီးချောင်းများနှင့် ကွဲအက်မှုပုံစံများကို နှိုင်းယှဉ်ခြင်းဖြင့်၊ ကျန်းမာသောဆဲလ်များနှင့် ပုံမှန်မဟုတ်သောလက္ခဏာများပြသသောသူတို့ကို ခွဲခြားနိုင်သည်။

 

ဥပမာအားဖြင့်:

● ကင်ဆာရောဂါရှာဖွေခြင်း- ကင်ဆာရောဂါဗေဒတွင်၊ ကင်ဆာဆဲလ်များ၏ ပုံမှန်မျက်နှာပြင်အမှတ်အသားများကို ရှာဖွေခြင်းဖြင့် သို့မဟုတ် ကင်ဆာဆဲလ်များ၏ ပုံမှန်ဖြစ်သော DNA ပါဝင်မှုဆိုင်ရာပြောင်းလဲမှုများကို ရှာဖွေခြင်းဖြင့် ကင်ဆာဆဲလ်များကို ခွဲခြားသတ်မှတ်ရန် Flow Cytometry ကို အများအားဖြင့် အသုံးပြုသည်။

● Immune cell profileing- Flow cytometry ကို ကိုယ်ခံအားဆဲလ်များကိုခွဲခြမ်းစိတ်ဖြာရန်၊ activated, memory, သို့မဟုတ် regulatory T cells in immune responses in immune responses in immune function or disease progression ကို စောင့်ကြည့်ရန် ကူညီပေးသည်။

 

အပြုသဘောနှင့် အဆိုးမြင်ထိန်းချုပ်မှုများကို နားလည်ခြင်း။

သင့်ရလဒ်များ၏တရားဝင်မှုကိုသေချာစေရန်၊ သင်၏စမ်းသပ်မှုများတွင် သင့်လျော်သောအပြုသဘောနှင့်အနုတ်လက္ခဏာထိန်းချုပ်မှုများကို ထည့်သွင်းရန် အရေးကြီးသည်-

● အပြုသဘောဆောင်သောထိန်းချုပ်မှု- တိကျသောအမှတ်အသားအသုံးအနှုန်းကိုပြသသင့်သောနမူနာတစ်ခု၊ ဆန်းစစ်ချက်သည်မျှော်လင့်ထားသည့်အတိုင်းအလုပ်လုပ်ကြောင်းသေချာစေသည်။

● အဆိုးမြင်ထိန်းချုပ်မှု- အမှတ်အသားအသုံးအနှုန်းကို မပြသသင့်သောနမူနာတစ်ခု၊ နောက်ခံမီးချောင်း သို့မဟုတ် အတိအကျမဟုတ်သော ချိတ်တွဲမှုကို ရှာဖွေဖော်ထုတ်ရန် ကူညီပေးသည်။

 

ထိန်းချုပ်မှုများသည် သင့်ဒေတာများ၏ တိကျမှုကို စစ်ဆေးရန်နှင့် လေ့လာတွေ့ရှိထားသော ရလဒ်များသည် သင်လေ့လာနေသော ဇီဝဖြစ်စဉ်များ၏ အမှန်တကယ်ရောင်ပြန်ဟပ်ကြောင်း သေချာစေရန်အတွက် အရေးကြီးပါသည်။

 

Flow Cytometry Data Interpretation အတွက် လက်တွေ့ကျသော အကြံပြုချက်များ

သင့်လျော်သော ထိန်းချုပ်မှုများ ပါဝင်သည်။

သင်၏စီးဆင်းမှု cytometry စမ်းသပ်မှုများတွင် ထိန်းချုပ်မှုများအပါအဝင် တိကျသောဒေတာရရှိရန် အရေးကြီးသည်။ ထိန်းချုပ်မှုများသည်-

● အသုံးပြုထားသော မီးချောင်းအမှတ်အသားများ၏ ထိရောက်မှုကို စစ်ဆေးပါ။

● လေ့လာတွေ့ရှိထားသော fluorescence သည် ပစ်မှတ်ဆဲလ်များအတွက် အတိအကျဖြစ်ပြီး စမ်းသပ်ဆဲပစ္စည်းများ သို့မဟုတ် သီးခြားစည်းနှောင်မှုကြောင့်မဟုတ်ကြောင်း သေချာပါစေ။

 

Experimental Design ကို နားလည်ပါ။

သင်စုဆောင်းထားသောဒေတာသည် အဓိပ္ပာယ်ရှိပြီး မျိုးပွားနိုင်ကြောင်း သေချာစေရန်အတွက် ကောင်းမွန်သောဒီဇိုင်းပြုလုပ်ထားသော စမ်းသပ်မှုများသည် အရေးကြီးပါသည်။ သင်၏စမ်းသပ်မှုကို ဒီဇိုင်းရေးဆွဲသည့်အခါ အောက်ပါတို့ကို ထည့်သွင်းစဉ်းစားပါ-

● နမူနာပြင်ဆင်မှု- ပုံစံကွဲလွဲမှားမှုကို လျှော့ချရန် သင့်လျော်သောနမူနာကိုင်တွယ်ခြင်းသည် မရှိမဖြစ်လိုအပ်ပါသည်။ ဥပမာအားဖြင့်၊ သင့်ဆဲလ်များသည် ဆဲလ်တစ်ခုတည်းတွင် ဆိုင်းငံ့ထားကြောင်း သေချာစေခြင်းသည် တိကျသောခွဲခြမ်းစိတ်ဖြာမှုအတွက် အရေးကြီးပါသည်။

● အကန့်ဒီဇိုင်း- အမှတ်အသားများ နှင့် ဖလိုရိုခရုမ်များ ရွေးချယ်မှုသည် စမ်းသပ်မှု၏ ပန်းတိုင်များအပေါ် အခြေခံသင့်သည်။ ဥပမာအားဖြင့်၊ သင်သည် ခုခံအားဆဲလ်လူဦးရေများကို ခွဲခြမ်းစိတ်ဖြာရန် စိတ်ဝင်စားပါက၊ မတူညီသော T ဆဲလ်ခွဲများကို သီးခြားခွဲခြားသတ်မှတ်ပေးသည့် အမှတ်အသားများကို ရွေးချယ်ပါ။

 

နိဂုံး

စီးဆင်းမှု cytometry ရလဒ်များကို ဖတ်ခြင်းနှင့် စကားပြန်ဆိုခြင်းသည် နည်းပညာ၊ နည်းလမ်းများနှင့် ဇီဝဗေဒဆိုင်ရာ အကြောင်းအရာများကို ရှင်းလင်းစွာ နားလည်ရန် လိုအပ်သည်။ flow cytometry အခြေခံများ၊ အဆင့်မြင့်ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် သင့်လျော်သော စမ်းသပ်ဒီဇိုင်းကို ကျွမ်းကျင်ခြင်းဖြင့်၊ သင်သည် သိပ္ပံနည်းကျရှာဖွေတွေ့ရှိမှုကို မောင်းနှင်ပေးပြီး လက်တွေ့ဆုံးဖြတ်ချက်များကို အသိပေးသည့် အဖိုးတန်သော ထိုးထွင်းသိမြင်မှုကို ရရှိနိုင်ပါသည်။ ကင်ဆာသုတေသန၊ ကိုယ်ခံစွမ်းအားဆိုင်ရာ၊ သို့မဟုတ် ရောဂါရှာဖွေရေးတွင် အလုပ်လုပ်သည်ဖြစ်စေ၊ ပိုမိုကောင်းမွန်သောကုသမှုများနှင့် လူနာရလဒ်များကို ပိုမိုကောင်းမွန်လာစေမည့် အသိဥာဏ်ရှိသော ဆုံးဖြတ်ချက်များချရန်အတွက် အရေးကြီးသောအချက်မှာ flow cytometry data ကို ဘာသာပြန်ဆိုခြင်းဖြစ်ပါသည်။ သူတို့ရဲ့သုတေသနကိုတိုးမြှင့်ဖို့ရှာဖွေနေသူတို့အဘို့သို့မဟုတ်လက်တွေ့ခွဲခြမ်းစိတ်ဖြာ, ထုတ်ကုန်ကနေ HKeybio သည် တိကျသော ဒေတာအဓိပ္ပာယ်ဖွင့်ဆိုမှုနှင့် ဆဲလ်ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အဖိုးတန်ကိရိယာများကို ပံ့ပိုးပေးသည့် တိုးတက်စီးဆင်းမှု cytometry အပလီကေးရှင်းများအတွက် ထူးခြားသောဖြေရှင်းချက်များကို ပေးဆောင်သည်။

 

အမြဲမေးလေ့ရှိသောမေးခွန်းများ

Q: Flow Cytometry ဆိုတာဘာလဲ။

A- Flow cytometry သည် လေဆာရောင်ခြည်ဖြင့် ဆဲလ်များ သို့မဟုတ် အမှုန်များ၏ ရုပ်ပိုင်းဆိုင်ရာနှင့် ဓာတုဂုဏ်သတ္တိများကို ပိုင်းခြားစိတ်ဖြာရန် အသုံးပြုသည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ ၎င်းသည် အရွယ်အစား၊ ရှုပ်ထွေးမှုနှင့် အမှတ်အသားများဆိုင်ရာ အချက်အလက်များကို စုဆောင်းရန်အတွက် အလင်းအမှုန်အမွှားနှင့် မီးချောင်းများကို တိုင်းတာသည်။

မေး- flow cytometry ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်မည်နည်း။

A- flow cytometry ရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုရန်၊ အရွယ်အစား၊ ရှုပ်ထွေးမှုနှင့် အမှတ်အသားဖော်ပြချက်အပေါ် အခြေခံ၍ ဆဲလ်လူဦးရေကို ခွဲခြားသတ်မှတ်ရန် အလင်းပြန့်ကျဲမှုဒေတာ (ရှေ့နှင့် ဘေးဘက်ဖြန့်ကျက်) နှင့် မီးချောင်းများ၏ ပြင်းထန်မှုကို အာရုံစိုက်ပါ။

မေး- Flow Cytometry တွင် ဂိတ်ပေါက်ဗျူဟာများကား အဘယ်နည်း။

A- flow cytometry တွင် Gating သည် ပိုမိုအသေးစိတ်ခွဲခြမ်းစိတ်ဖြာနိုင်စေခြင်းဖြင့် ပိုမိုအသေးစိတ်ခွဲခြမ်းစိတ်ဖြာနိုင်စေသည့် ဖြန့်ကျက်မှု သို့မဟုတ် fluorescence ဂုဏ်သတ္တိများအပေါ်အခြေခံ၍ နယ်နိမိတ်သတ်မှတ်ခြင်းဖြင့် သီးခြားဆဲလ်လူဦးရေများကို သီးခြားခွဲထုတ်ခြင်းလုပ်ငန်းစဉ်ဖြစ်သည်။

မေး- Multicolor flow cytometry က ဘာကြောင့် အသုံးဝင်တာလဲ။

A- Multicolor flow cytometry သည် နမူနာတစ်ခုတွင် အမှတ်အသားအများအပြားကို တစ်ပြိုင်နက်ခွဲခြမ်းစိတ်ဖြာနိုင်စေပြီး ဆဲလ်လူဦးရေနှင့် ၎င်းတို့၏ဝိသေသလက္ခဏာများကို ပိုမိုကျယ်ကျယ်ပြန့်ပြန့်နားလည်မှုပေးပါသည်။

မေး- Flow Cytometry ကင်ဆာသုတေသနမှာ ဘယ်လိုကူညီနိုင်မလဲ။

A- Flow cytometry သည် သီးခြားကင်ဆာဆဲလ်အမှတ်အသားများကို ရှာဖွေဖော်ထုတ်ပြီး အကျိတ်လက္ခဏာများကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ရောဂါရှာဖွေခြင်း၊ ကြိုတင်ခန့်မှန်းခြင်းနှင့် ကုသမှုစောင့်ကြည့်ခြင်းအတွက် အဖိုးတန်သောထိုးထွင်းသိမြင်မှုများကို ပံ့ပိုးပေးပါသည်။