မိတ်ဆက်ပေးသည်။

သိပ္ပံပညာရှင်များသည် စက္ကန့်ပိုင်းအတွင်း ထောင်ပေါင်းများစွာသော ဆဲလ်များကို မည်သို့ခွဲခြမ်းစိတ်ဖြာမည်ကို သင်တွေးဖူးပါသလား။ Flow cytometry သည် ၎င်းကို ဖြစ်နိုင်ချေရှိသော အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ၎င်းသည် သုတေသီများအား ဆဲလ်တစ်ခုချင်းစီ၏ ရုပ်ပိုင်းဆိုင်ရာနှင့် ဓာတုဂုဏ်သတ္တိများကို လျင်မြန်တိကျစွာ လေ့လာနိုင်စေပါသည်။

ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် flow cytometry ရလဒ်များကို ဖတ်ရှုပြီး အဓိပ္ပာယ်ဖွင့်ဆိုပုံကို လေ့လာပါသည်။ အရေးကြီးသော အမှတ်အသားများကို ခွဲခြားသတ်မှတ်နည်း၊ ရောဂါအခြေအနေများကို အကဲဖြတ်ရန်နှင့် ဆဲလ်လူလာလုပ်ဆောင်မှုဆိုင်ရာ ထိုးထွင်းသိမြင်မှုများကို သင်လေ့လာနိုင်မည်ဖြစ်သည်။ ဤရလဒ်များကို နားလည်သဘောပေါက်ခြင်းသည် သိပ္ပံနည်းကျ သုတေသနနှင့် လက်တွေ့အလေ့အကျင့်များတွင် အသိဥာဏ်ရှိသော ဆုံးဖြတ်ချက်များချရန် အရေးကြီးပါသည်။

flow cytometry ရလဒ်များကို နားလည်ခြင်း။

Flow Cytometry ၏ အခြေခံဗဟုသုတ

Flow cytometry သည် ဆဲလ်တစ်ခုစီမှ ပြန့်ကျဲနေသော အလင်းကို တိုင်းတာနေစဉ် လေဆာရောင်ခြည်မှတဆင့် ဆဲလ်များကို ဖြတ်သန်းခြင်းဖြင့် အလုပ်လုပ်ပါသည်။ ပြန့်ကျဲနေသောအလင်းသည် သုတေသီများအား ဆဲလ်၏အရွယ်အစားနှင့် အတွင်းပိုင်းရှုပ်ထွေးမှုဆိုင်ရာ အရေးကြီးသောအချက်အလက်များကို ပေးသည်။ ထို့အပြင်၊ ဆဲလ်မျက်နှာပြင်ပေါ်ရှိ သို့မဟုတ် ဆဲလ်အတွင်းပိုင်းရှိ ဆဲလ်သွင်ပြင်လက္ခဏာများကို ပိုမိုနားလည်သဘောပေါက်ရန် fluorescent အမှတ်အသားများကို အသုံးပြုသည်။

Flow cytometry သည် အလင်းဖြာထွက်ခြင်းနှင့် fluorescence ကန့်သတ်ချက်များဆိုင်ရာ အချက်အလက်များကို စုဆောင်းသည်။ ဆဲလ်များသည် လေဆာအလင်းနှင့် ဓါတ်ပြုသောအခါ၊ ဆဲလ်၏အရွယ်အစားနှင့် အတွင်းပိုင်းဖွဲ့စည်းပုံဆိုင်ရာ အချက်အလက်များကို ပေးစွမ်းပြီး အလင်းဖြန့်ကျက်ဒေတာကို ထုတ်ပေးပါသည်။ ဤဒေတာသည် ဆဲလ်အသေးစိတ်နှင့် ပုံသဏ္ဍာန်ကို ဆုံးဖြတ်ရန် ကူညီပေးသည်။ စိတ်လှုပ်ရှားနေချိန်တွင် အလင်းထုတ်လွှတ်သည့် ပရိုတင်း သို့မဟုတ် DNA ကဲ့သို့သော ဆဲလ်လူလာအစိတ်အပိုင်းများနှင့် ချိတ်ဆက်သည့်အခါ fluorescent tag များသည် fluorescent ဒေတာကို စုဆောင်းပါသည်။ ဤအချက်ပြမှုများသည် ဆဲလ်များ၏ အပြုအမူကို နားလည်ရန် အရေးကြီးသော မျက်နှာပြင်ပရိုတင်းများ သို့မဟုတ် DNA ပါဝင်မှုများကဲ့သို့သော သီးခြားဆဲလ်အမှတ်အသားများကို ဖော်ထုတ်ရာတွင် ကူညီပေးပါသည်။

flow cytometry တွင် ဒေတာအမျိုးအစားများ

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

● Side Scatter (SSC): ဆယ်လူလာရှုပ်ထွေးမှု သို့မဟုတ် အတွင်းပိုင်းဖွဲ့စည်းပုံကို ဖော်ပြသည်။ ဤကန့်သတ်ချက်များသည် ဆဲလ်အမျိုးအစားများကို ခွဲခြားခြင်း သို့မဟုတ် မူမမှန်မှုများကို ရှာဖွေခြင်းအတွက် အသုံးဝင်သော ဆဲလ်များ၏ အသေးစိတ်နှင့် ရှုပ်ထွေးမှုကို ထိုးထွင်းသိမြင်စေသည်။

● Fluorescence ဘောင်များ- ဤကန့်သတ်ချက်များသည် တံဆိပ်တပ်ထားသော ပဋိပစ္စည်း၊ ဆိုးဆေး သို့မဟုတ် ပရိုတင်းမှ ထုတ်လွှတ်သော သီးခြား fluorescence ၏ ပြင်းထန်မှုကို တိုင်းတာသည်။ အမှတ်အသားအများအပြား၏ fluorescence ကိုတိုင်းတာခြင်းဖြင့်၊ flow cytometry သည် စမ်းသပ်ပစ်မှတ်ပေါ်မူတည်၍ သီးခြား receptors, DNA, သို့မဟုတ် proteins များကဲ့သို့သော သီးခြားဆဲလ်လူလာအစိတ်အပိုင်းများကို ခွဲခြားသတ်မှတ်နိုင်သည်။

အတိုင်းအတာ	ဖော်ပြပါ။	အသုံးပြု
Forward Scatter (FSC)	ဆဲလ်အရွယ်အစားကို တိုင်းတာပါ။ ပိုကြီးတဲ့ ဆဲလ်တွေက အလင်းကို ပိုဖြန့်ကျက်တယ်။	ဆဲလ်များ၏ ဆွေမျိုးအရွယ်အစားကို သတ်မှတ်ပါ။
ဘေးထွက်ကွက်ကျား (SSC)	တိုင်းတာမှုယူနစ်တစ်ခု၏ အတွင်းပိုင်းရှုပ်ထွေးမှု သို့မဟုတ် အသေးစိတ်။	ဆဲလ်ရှုပ်ထွေးမှု သို့မဟုတ် ဖွဲ့စည်းပုံကို အကဲဖြတ်ရန် ကူညီပေးသည်။
ချောင်း	အမှတ်အသား အမှတ်အသားဖြင့် ထုတ်လွှတ်သော အလင်းကို တိုင်းပါ။	ပရိုတင်း သို့မဟုတ် DNA ကဲ့သို့သော သီးခြားဆဲလ်အစိတ်အပိုင်းများကို ခွဲခြားသတ်မှတ်ပါ။

Flow Cytometry တွင် အဓိက ဂရပ်ဖစ်ဆိုင်ရာ ကိုယ်စားပြုမှုများ

Histogram

Histograms များသည် flow cytometry တွင် single-parameter data ကိုမြင်ယောင်ရန် ရိုးရှင်းသောနည်းလမ်းတစ်ခုဖြစ်သည်။ ၎င်းတို့သည် အများအားဖြင့် x-axis တွင် အလင်းဖြာထွက်ခြင်း သို့မဟုတ် fluorescence ၏ ပြင်းထန်မှုကို ပြသပြီး y-axis သည် အဖြစ်အပျက်များ (ဆဲလ်များ) ကို ကိုယ်စားပြုသည်။ ဤရိုးရှင်းသော ဂရပ်ဖစ်ကိုယ်စားပြုဖော်ပြချက်သည် ဆဲလ်များ၏လူဦးရေအနှံ့အပြားတွင် တစ်ဦးချင်းပါရာမီတာများကို ခွဲဝေရာတွင် လွယ်ကူစွာနားလည်နိုင်စေပါသည်။

ဟီစတိုဂရမ်တွင် သင်ကြည့်ရှုနိုင်သည်-

● Peak shift- ညာဘက်သို့ fluorescence intensity ရွှေ့ခြင်းသည် ပစ်မှတ်အမှတ်အသား၏ တိုးလာမှုကို ဖော်ပြသည်။ ၎င်းသည် ကုသမှုကို တုံ့ပြန်ရာတွင် ကဲ့သို့သော ပရိုတင်းဖော်ပြမှုဆိုင်ရာ ပြောင်းလဲမှုများအတွက် အသုံးဝင်သော ညွှန်ပြချက်တစ်ခုဖြစ်သည်။

● အထွတ်အထိပ် ဖြန့်ဖြူးခြင်း- အထွတ်အထိပ်များ ဖြန့်ကျက်ခြင်းသည် ဆဲလ်လူဦးရေများတစ်လျှောက် အမှတ်အသားဖော်ပြခြင်း၏ ကွဲပြားမှုကို ထိုးထွင်းသိမြင်စေနိုင်သည်။ ပိုကျယ်သော တောင်ထွတ်များသည် တူညီသောအသုံးအနှုန်းများဖြင့် ပိုမိုကွဲပြားသော လူဦးရေကို ညွှန်ပြနိုင်သော်လည်း ကျဉ်းမြောင်းသော တောင်ထွတ်များသည် တူညီမှုကို ဖော်ပြသည်။

အစက်အပြောက်နှင့် ကွက်ကျားကွက်များ

အစက်ချကွက်များကို ကွက်လပ်ကွက်များဟုလည်း ခေါ်ကြပြီး ကန့်သတ်ချက်နှစ်ခုပါ အချက်အလက်များကို ပြသရန် မကြာခဏ အသုံးပြုကြသည်။ ဤကွက်ကွက်များသည် forward scatter (FSC) နှင့် side scatter (SSC) သို့မဟုတ် fluorescent markers များကြားတွင် မတူညီသော parameters နှစ်ခုကြားရှိ ဆက်စပ်မှုကို သတိပြုနိုင်စေပါသည်။ အစက်ကွက်များကို အသုံးပြုခြင်းဖြင့်၊ မြင်ယောင်ပုံဖော်ခြင်းတစ်ခုတွင် ဘောင်များစွာကြားရှိ ဆက်စပ်မှုကို ပိုင်းခြားစိတ်ဖြာနိုင်ပါသည်။

● Gating- အမှတ်ကွက်များတွင်၊ သင်သည် ဂိတ်များ (စတုဂံများ၊ စက်ဝိုင်းများ၊ သို့မဟုတ် polygons) များကို ထပ်ဆင့်ခွဲခြမ်းစိတ်ဖြာရန်အတွက် သီးခြားဆဲလ်ခွဲများကို ခွဲထုတ်နိုင်သည်။ Gating သည် အရွယ်အစား၊ အသေးစိတ်၊ သို့မဟုတ် အမှတ်အသားဖော်ပြမှုကဲ့သို့သော သီးခြားသတ်မှတ်ချက်များနှင့် ကိုက်ညီသည့် လူဦးရေများအပေါ် အာရုံစိုက်နိုင်စေပါသည်။

● Multiparameter ခွဲခြမ်းစိတ်ဖြာခြင်း- အစက်ချကွက်များသည် အမှတ်အသားများ သို့မဟုတ် ကွဲပြားသောအင်္ဂါရပ်များကဲ့သို့သော စံသတ်မှတ်ချက်များစွာအပေါ်အခြေခံ၍ မတူညီသောဆဲလ်လူဦးရေများကို ခွဲခြားနိုင်စေမည့် ကိန်းရှင်နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ကိန်းရှင်များကြားဆက်ဆံရေးကို မြင်ယောင်နိုင်ရန် ကူညီပေးပါသည်။ ရှုပ်ထွေးသော သို့မဟုတ် မတူညီသော ဆဲလ်လူဦးရေများကို ကိုင်တွယ်ဖြေရှင်းရာတွင် ၎င်းသည် အထူးအသုံးဝင်သည်။

ဆဲလ်လူဦးရေကို ခွဲခြားသတ်မှတ်ရန် ဗျူဟာများ

Gating နည်းပညာ	ဖော်ပြပါ။	ကိစ္စရပ်များကို အသုံးပြု
လေးထောင့်တံခါး	ပုံကြမ်းကို လေးထောင့်ပုံစံ ခွဲပါ။	ကန့်သတ်ချက်နှစ်ခု (ဥပမာ၊ FSC နှင့် SSC) ကိုခွဲခြမ်းစိတ်ဖြာရန် အသုံးပြုနိုင်သည်။
polygon ဂိတ်ပေါက်	ပိုမိုကွဲပြားသောဒေတာအချက်များပါဝင်ရန် စိတ်ကြိုက်ပုံစံများကို ဖန်တီးပါ။	ပိုရှုပ်ထွေးသော သို့မဟုတ် ပုံမမှန်သော ပုံသဏ္ဍာန်ရှိသူများအတွက် အထူးသင့်လျော်သည်။
ဘဲဥပုံတံခါး	Quadrant နှင့် ဆင်တူသော်လည်း elliptical area ကို ဖန်တီးသည်။	စုစည်းမှုမရှိသော လူစုအတွက် ထိရောက်မှုရှိသည်။

ဂိတ်ပေါက်မိတ်ဆက်ခြင်း။

Gating သည် သင့်အား ပိုမိုကြီးမားသောနမူနာများမှ သီးခြားဆဲလ်လူဦးရေများကို ခွဲခြားခွဲခြားနိုင်စေမည့် flow cytometry တွင် အဓိကနည်းပညာတစ်ခုဖြစ်သည်။ သင်၏ flow cytometry ဒေတာတွင် ဂိတ်များကို အသုံးပြုခြင်းဖြင့်၊ အရွယ်အစား၊ ရှုပ်ထွေးမှု၊ သို့မဟုတ် အမှတ်အသားဖော်ပြမှုကဲ့သို့သော သီးခြားလက္ခဏာများပြသသည့် ဆဲလ်များကို သင်အာရုံစိုက်နိုင်သည်။

ဂိတ်ပေါက်ခြင်းလုပ်ငန်းစဉ်တွင် အများအားဖြင့် ပါဝင်သည်-

● လူဦးရေကို ရွေးချယ်ပါ- Gates သည် သင့်အား သိရှိထားသော လက္ခဏာများပေါ်အခြေခံ၍ သတ်မှတ်ထားသော ဆဲလ်အခွဲများကို သီးခြားခွဲထုတ်ရန် ကူညီပေးပါသည်။ ဥပမာအားဖြင့်၊ သင်သည် သီးခြားအမှတ်အသားတစ်ခုအတွက် အပြုသဘောဆောင်သည့်ဆဲလ်များ (ဥပမာ CD3 အတွက် T ဆဲလ်များကဲ့သို့) သို့မဟုတ် သီးခြားကွဲလွဲမှုဂုဏ်သတ္တိရှိသည့် ဆဲလ်များကို ဂိတ်ပေါက်နိုင်သည်။

● မလိုလားအပ်သော လူဦးရေများကို ဖယ်ထုတ်ပါ- Gates သည် သင့်အား ခွဲခြမ်းစိတ်ဖြာမှုကို လွဲသွားစေနိုင်သည့် ဆဲလ်သေများ သို့မဟုတ် အပျက်အစီးများကဲ့သို့သော မလိုလားအပ်သော အမှုန်အမွှားများကို ဖယ်ထုတ်ရန်လည်း ကူညီပေးနိုင်ပါသည်။ ၎င်းသည် သင်ခွဲခြမ်းစိတ်ဖြာသည့် အချက်အလက်သည် တိကျပြီး သင့်သုတေသနနှင့် သက်ဆိုင်ကြောင်း သေချာစေပါသည်။

လူဦးရေကို စစ်ထုတ်ရန် Gating ကိုအသုံးပြုနည်း

flow cytometry ဒေတာကို ထိထိရောက်ရောက် အဓိပ္ပာယ်ဖွင့်ဆိုရန်၊ စိတ်ဝင်စားသော လူဦးရေအတွက် သင့်လျော်သော ဂိတ်များကို သတ်မှတ်ရပါမည်။ ဥပမာအားဖြင့်:

● ဆဲလ်သေများကို ဖယ်ထုတ်ပါ- ဆဲလ်သေများသည် ၎င်းတို့အား ရှင်သန်နိုင်သောဆဲလ်များနှင့် ခွဲခြားသိမြင်နိုင်စေရန် အသုံးပြုနိုင်သည့် ထူးခြားသော ပျံ့နှံ့သွားသည့် ဂုဏ်သတ္တိများကို ပြသလေ့ရှိသည်။ forward scatter (FSC) နှင့် side scatter (SSC) တို့ကို ကြည့်ရှုခြင်းဖြင့်၊ သင်သည် သင်၏ဒေတာကို လှည့်စားနိုင်သည့် အသေ သို့မဟုတ် apoptotic ဆဲလ်များကို ဖယ်ထုတ်နိုင်သည်။

● သီးခြားလူဦးရေများကို သီးခြားခွဲထုတ်ခြင်း- Gating သည် သင့်အား အမှတ်အသားများ သို့မဟုတ် ရုပ်ပိုင်းဆိုင်ရာလက္ခဏာများပေါ်အခြေခံ၍ သီးခြားဆဲလ်များ၏ အပိုင်းခွဲများကို ရွေးချယ်ပြီး ခွဲခြမ်းစိတ်ဖြာနိုင်စေပါသည်။ ဥပမာအားဖြင့်၊ သင်သည် သတ်မှတ်ထားသော မျက်နှာပြင်ပရိုတင်း (ဥပမာ CD3) ကို ပစ်မှတ်ထားခြင်းဖြင့် T ဆဲလ်များကို တံခါးပိတ်နိုင်ပြီး ၎င်းတို့၏ အခြားအမှတ်အသား (ဥပမာ၊ cytokine ပမာဏ) ကို ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။

အဆင့်မြင့်စီးဆင်းမှု cytometry ခွဲခြမ်းစိတ်ဖြာ

Multicolor flow cytometry

Multicolor flow cytometry သည် fluorescent markers အများအပြားကို အသုံးပြု၍ နမူနာတစ်ခုရှိ မတူညီသော ဆဲလ်လူလာအမှတ်အသားများကို တစ်ပြိုင်နက်ခွဲခြမ်းစိတ်ဖြာမှုပါ၀င်သည့် အဆင့်မြင့်နည်းပညာတစ်ခုဖြစ်သည်။ ဤနည်းလမ်းသည် ရှုပ်ထွေးသောဆဲလ်အရောအနှောများတွင် ဆဲလ်အမျိုးအစားများနှင့် အမျိုးအစားခွဲများကို ပိုင်းခြားနိုင်စွမ်းကို သိသိသာသာ တိုးမြင့်စေသည်။

● အားသာချက်များ- Multicolor flow cytometry ၏ အဓိကအားသာချက်မှာ ဘောင်များစွာကို တစ်ပြိုင်နက်တည်းခွဲခြမ်းစိတ်ဖြာနိုင်ပြီး စမ်းသပ်မှုကို ပိုမိုထိရောက်အောင်ပြုလုပ်နိုင်ခြင်းကြောင့်ဖြစ်သည်။ ဆဲလ်လူဦးရေတစ်ခုတည်းတွင် အမှတ်အသားများ အများအပြားကို စစ်ဆေးရန် လိုအပ်သည့်အခါ ၎င်းသည် အထူးအသုံးဝင်သည်။

● ရောင်စုံရောင်စုံရလဒ်များကို အဓိပါယ်ဖွင့်ဆိုခြင်း- အရောင်မျိုးစုံစီးဆင်းမှု cytometry ရှိ အမှတ်အသားတစ်ခုစီသည် ဆဲလ်အမျိုးအစားများ သို့မဟုတ် ပြည်နယ်များကြား တိကျသောခြားနားမှုကို ခွင့်ပြုပေးသော အလင်း၏လှိုင်းအလျားအလိုက် တိကျသောလှိုင်းအလျားဖြင့် စိတ်လှုပ်ရှားစေသည်။ ၎င်းသည် ခုခံအားဆဲလ်ခွဲခြမ်းစိတ်ဖြာမှု၊ ကင်ဆာသုတေသနနှင့် အမှတ်အသားအများအပြားကို တစ်ပြိုင်နက်ခွဲခြမ်းစိတ်ဖြာရန် လိုအပ်သည့် အခြားနယ်ပယ်များအတွက် အထူးအသုံးဝင်သည်။

Tag အမျိုးအစား	ချောင်းဆိုးဆေးသုံးပါ။	အသုံးများသော application များ
CD3 (T cells)	FITC၊ PE၊ APC	immunoassays တွင် T lymphocytes ကိုဖော်ထုတ်ခြင်း။
CD4 (အကူ T ဆဲလ်)	PerCP-Cy5.5၊APC	ခုခံအားလုပ်ဆောင်ချက်ကို သိရှိနိုင်သော အထောက်အကူ T ဆဲလ်များ။
CD8 (cytotoxic T ဆဲလ်)	PE၊ APC၊ BV421	ခုခံအားတုံ့ပြန်မှုတွင် cytotoxic T ဆဲလ်များကိုအသိအမှတ်ပြုခြင်း။
CD19 (ဘီဆဲလ်)	FITC၊ PE၊ PerCP	ကိုယ်ခံစွမ်းအားနှင့် သွေးကင်ဆာ သုတေသနတွင် B ဆဲလ်များကို ခွဲခြမ်းစိတ်ဖြာခြင်း။

သုံးပါ ။ ရှုပ်ထွေးသောဒေတာကိုလုပ်ဆောင်ရန် PCA၊ SPADE နှင့် tSNE ကို

Flow cytometry ဒေတာတွင် ဘောင်များ အများအပြားပါဝင်လေ့ရှိသည်၊ ၎င်းသည် အဘက်ဘက်မှ မြင့်မားသော ဒေတာအတွဲများကို ဖြစ်ပေါ်စေနိုင်သည်။ ဤရှုပ်ထွေးသောဒေတာအတွဲများကို ထိထိရောက်ရောက်ခွဲခြမ်းစိတ်ဖြာရန်၊ 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 မတူညီသော လူဦးရေများအတွင်း ဆဲလ်များ၏ လူဦးရေခွဲများကို အာရုံစိုက်ခြင်းဖြင့် ကြီးမားသောဒေတာအတွဲများကို ပိုင်းခြားစိတ်ဖြာရန် နည်းပညာတစ်ခုဖြစ်သည်။ ဤချဉ်းကပ်နည်းသည် သုတေသီများအား အချိန်ကြာလာသည်နှင့်အမျှ ဆဲလ်လူဦးရေ၏ ဒိုင်းနမစ်များကို လေ့လာနိုင်စေသည် သို့မဟုတ် ကုသမှုကို တုံ့ပြန်သည့်အနေဖြင့် လုပ်ဆောင်နိုင်သည်။

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

ဤအဆင့်မြင့်နည်းပညာများသည် သုတေသီများအား ရှုပ်ထွေးသောစီးဆင်းမှု cytometry ဒေတာမှ အဓိပ္ပါယ်ရှိသော ထိုးထွင်းသိမြင်မှုကို ထုတ်ယူနိုင်ပြီး ကြီးမားသောဒေတာအတွဲများ၏အနက်ကို လွယ်ကူချောမွေ့စေသည်။

ရလဒ်များကို ဘာသာပြန်ပါ။

ကျန်းမာသောဆဲလ်များနှင့် ပုံမှန်မဟုတ်သောဆဲလ်များကို ခွဲခြားသတ်မှတ်ပါ။

Flow cytometry ကို ကင်ဆာရောဂါရှာဖွေခြင်းကဲ့သို့သော ဆဲလ်များ၏ မူမမှန်မှုများကို သိရှိရန် ဆေးခန်းဆက်တင်များတွင် တွင်ကျယ်စွာအသုံးပြုပါသည်။ fluorescence နှင့် scattering ပုံစံများကို နှိုင်းယှဉ်ခြင်းဖြင့်၊ ပုံမှန်မဟုတ်သော လက္ခဏာများပြသသည့် ကျန်းမာသောဆဲလ်များနှင့် ဆဲလ်များအကြား ခွဲခြားနိုင်ပါသည်။

ဥပမာအားဖြင့်:

● ကင်ဆာရောဂါရှာဖွေခြင်း- ကင်ဆာရောဂါဗေဒတွင်၊ ကင်ဆာဆဲလ်များ၏ မျက်နှာပြင်အမှတ်အသားများကို ရှာဖွေခြင်းဖြင့် ၎င်းတို့နှင့်ထူးခြားသော DNA ပါဝင်မှုဆိုင်ရာပြောင်းလဲမှုများကို ရှာဖွေခြင်းဖြင့် ကင်ဆာဆဲလ်များကို ခွဲခြားသတ်မှတ်ရန် မကြာခဏအသုံးပြုသည်။

● ကိုယ်ခံအားဆဲလ်ခွဲခြမ်းစိတ်ဖြာခြင်း- Flow cytometry ကို ခုခံအားဆဲလ်များကိုခွဲခြမ်းစိတ်ဖြာပြီး ခုခံအားတုံ့ပြန်မှုများတွင် activated၊ memory သို့မဟုတ် regulatory T ဆဲလ်များကို ခွဲခြားသတ်မှတ်ရန်အတွက်လည်း အသုံးပြုနိုင်ပြီး၊ ၎င်းသည် ခုခံအားလုပ်ဆောင်မှု သို့မဟုတ် ရောဂါတိုးတက်မှုကို စောင့်ကြည့်နိုင်သည်။

အပြုသဘောနှင့် အဆိုးမြင်ထိန်းချုပ်မှုများကို နားလည်ပါ။

ရလဒ်များ၏တရားဝင်မှုကိုသေချာစေရန်၊ သင့်လျော်သောအပြုသဘောနှင့်အနုတ်လက္ခဏာထိန်းချုပ်မှုများကိုစမ်းသပ်မှုတွင်ထည့်သွင်းရပါမည်-

● အပြုသဘောဆောင်သောထိန်းချုပ်မှု- တိကျသောအမှတ်အသားတစ်ခု၏ဖော်ပြမှုကိုပြသသည့်နမူနာတစ်ခုသည် ဆန်းစစ်မှုမျှော်လင့်ထားသည့်အတိုင်းအလုပ်လုပ်ကြောင်းသေချာစေသင့်သည်။

● အဆိုးမြင်ထိန်းချုပ်မှု- အမှတ်အသားဖော်ပြချက်မပြသသင့်သောနမူနာများသည် နောက်ခံမီးချောင်းများ သို့မဟုတ် သီးခြားစည်းနှောင်မှုမဟုတ်သော ပေါင်းစပ်မှုကို ရှာဖွေတွေ့ရှိရန် ကူညီပေးသည်။

ထိန်းချုပ်မှုများသည် သင့်ဒေတာများ၏ တိကျမှုကို စစ်ဆေးရန်နှင့် လေ့လာတွေ့ရှိထားသောရလဒ်များသည် သင်လေ့လာနေသော ဇီဝဖြစ်စဉ်ကို အမှန်တကယ်ထင်ဟပ်ကြောင်း သေချာစေရန်အတွက် အရေးကြီးပါသည်။

Flow Cytometry Data Interpretation အတွက် လက်တွေ့ကျသော အကြံပြုချက်များ

သင့်လျော်သောထိန်းချုပ်မှုများပါဝင်သည်။

flow cytometry စမ်းသပ်မှုများတွင် ထိန်းချုပ်မှုများအပါအဝင် တိကျသောဒေတာရရှိရန် အရေးကြီးပါသည်။ ထိန်းချုပ်ရန် ကူညီပေးသည်-

● အသုံးပြုထားသောချောင်းတံဆိပ်၏ထိရောက်မှုကိုစစ်ဆေးပါ။

● လေ့လာတွေ့ရှိထားသော မီးချောင်းများသည် ပစ်မှတ်ဆဲလ်အတွက် အတိအကျဖြစ်ပြီး စမ်းသပ်ဆဲပစ္စည်း သို့မဟုတ် အတိအကျမဟုတ်သော ပေါင်းစပ်မှုကြောင့်မဟုတ်ကြောင်း သေချာပါစေ။

စမ်းသပ်ဒီဇိုင်းကို နားလည်ပါ။

သင်စုဆောင်းထားသောဒေတာသည် အဓိပ္ပာယ်ရှိပြီး မျိုးပွားနိုင်ကြောင်းသေချာစေရန် ကောင်းမွန်စွာဒီဇိုင်းဆွဲထားသော စမ်းသပ်မှုများသည် အရေးကြီးပါသည်။ သင်၏စမ်းသပ်မှုကို ဒီဇိုင်းရေးဆွဲသည့်အခါ အောက်ပါအချက်များကို ထည့်သွင်းစဉ်းစားပါ-

●နမူနာပြင်ဆင်မှု- မှန်ကန်သောနမူနာကိုင်တွယ်ခြင်းသည် ကွဲပြားမှုကို လျှော့ချရန် အရေးကြီးပါသည်။ ဥပမာအားဖြင့်၊ သင့်ဆဲလ်များသည် ဆဲလ်တစ်ခုတည်းတွင် ဆိုင်းငံ့ထားကြောင်း သေချာစေခြင်းသည် တိကျသောခွဲခြမ်းစိတ်ဖြာမှုအတွက် အရေးကြီးပါသည်။

● အကန့်ဒီဇိုင်း- အမှတ်အသားများနှင့် ချောင်းဆိုးဆေးများ ရွေးချယ်မှုသည် စမ်းသပ်မှုပန်းတိုင်များအပေါ် အခြေခံသင့်သည်။ ဥပမာအားဖြင့်၊ သင်သည် ခုခံအားဆဲလ်လူဦးရေများကို ခွဲခြမ်းစိတ်ဖြာရန် စိတ်ဝင်စားပါက၊ မတူညီသော T ဆဲလ်ခွဲများကို သီးခြားခွဲခြားသတ်မှတ်ပေးသည့် အမှတ်အသားများကို ရွေးချယ်ပါ။

နိဂုံးချုပ်အားဖြင့်

စီးဆင်းမှု cytometry ရလဒ်များကို ဖတ်ခြင်းနှင့် ဘာသာပြန်ဆိုခြင်းများသည် နည်းပညာပိုင်းဆိုင်ရာ၊ နည်းစနစ်ပိုင်းနှင့် ဇီဝဗေဒဆိုင်ရာ နောက်ခံအကြောင်း ရှင်းလင်းပြတ်သားစွာ နားလည်ရန် လိုအပ်သည်။ flow cytometry အခြေခံများကို ကျွမ်းကျင်ပိုင်နိုင်စွာ၊ အဆင့်မြင့်ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနှင့် သင့်လျော်သော စမ်းသပ်မှုပုံစံကို ကျွမ်းကျင်ခြင်းဖြင့်၊ သင်သည် သိပ္ပံနည်းကျရှာဖွေတွေ့ရှိမှုများကို တွန်းအားပေးပြီး လက်တွေ့ဆုံးဖြတ်ချက်များကို အသိပေးသည့် အဖိုးတန်သော ထိုးထွင်းသိမြင်မှုကို ရရှိနိုင်ပါသည်။ ကင်ဆာသုတေသန၊ ကိုယ်ခံစွမ်းအားဆိုင်ရာ၊ သို့မဟုတ် ရောဂါရှာဖွေရေးတွင် အလုပ်လုပ်သည်ဖြစ်စေ၊ စီးဆင်းမှု cytometry ဒေတာကို အဓိပ္ပာယ်ပြန်ဆိုခြင်းသည် အသိဥာဏ်ရှိသော ဆုံးဖြတ်ချက်များချရာတွင် အရေးပါပြီး ပိုမိုကောင်းမွန်သောကုသမှုများနှင့် လူနာရလဒ်များကို ပိုမိုကောင်းမွန်လာစေပါသည်။ သုတေသန သို့မဟုတ် လက်တွေ့ခွဲခြမ်းစိတ်ဖြာမှုကို မြှင့်တင်လိုသူများအတွက်၊ HKeybio ၏ထုတ်ကုန်များသည် တိကျသောဒေတာအဓိပ္ပာယ်ဖွင့်ဆိုမှုနှင့် ဆဲလ်လူလာခွဲခြမ်းစိတ်ဖြာမှုအတွက် တန်ဖိုးရှိသောကိရိယာများကို ပံ့ပိုးပေးသည့် တိုးတက်စီးဆင်းမှု cytometry အပလီကေးရှင်းများအတွက် ထူးခြားသောဖြေရှင်းချက်များကို ပေးပါသည်။

အမြဲမေးလေ့ရှိသောမေးခွန်းများ

မေး- flow cytometry ဆိုတာဘာလဲ။

A- Flow cytometry သည် ၎င်းတို့၏ ရုပ်ပိုင်းဆိုင်ရာနှင့် ဓာတုဂုဏ်သတ္တိများကို ခွဲခြမ်းစိတ်ဖြာရန် လေဆာရောင်ခြည်ဖြင့် အလင်းပေးခြင်းဖြင့် ဆဲလ်များ သို့မဟုတ် အမှုန်များကို ပိုင်းခြားစိတ်ဖြာသည့် နည်းပညာတစ်ခုဖြစ်သည်။ ၎င်းသည် အရွယ်အစား၊ ရှုပ်ထွေးမှုနှင့် အညွှန်းတပ်ခြင်းဆိုင်ရာ အချက်အလက်များကို စုဆောင်းရန်အတွက် အလင်းဖြာထွက်ခြင်းနှင့် မီးချောင်းများကို တိုင်းတာသည်။

မေး- flow cytometry ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုမည်နည်း။

A- flow cytometry ရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုရန်၊ အရွယ်အစား၊ ရှုပ်ထွေးမှုနှင့် အမှတ်အသားဖော်ပြမှုတို့အပေါ် အခြေခံ၍ ဆဲလ်လူဦးရေကို ခွဲခြားသတ်မှတ်ရန် အလင်းဖြာထွက်သည့်ဒေတာ (ရှေ့နှင့် ဘေးဘက်ခြမ်း) နှင့် မီးချောင်းများ၏ ပြင်းထန်မှုကို အာရုံစိုက်ပါ။

မေး- flow cytometry တွင် Gating strategy ကဘာလဲ။

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

မေး- Multicolor flow cytometry က ဘာကြောင့် အသုံးဝင်တာလဲ။

A- Multicolor flow cytometry သည် နမူနာတစ်ခုတွင် အမှတ်အသားများ အများအပြားကို တစ်ပြိုင်နက် ပိုင်းခြားစိတ်ဖြာနိုင်ပြီး ဆဲလ်လူဦးရေနှင့် ၎င်းတို့၏ ဝိသေသလက္ခဏာများကို ပိုမိုပြည့်စုံစွာ နားလည်နိုင်စေပါသည်။

မေး- flow cytometry သည် ကင်ဆာသုတေသနကို မည်သို့ကူညီပေးသနည်း။

A- Flow cytometry သည် တိကျသောကင်ဆာဆဲလ်အမှတ်အသားများကိုခွဲခြားသတ်မှတ်ပြီး အကျိတ်လက္ခဏာများကိုခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ရောဂါရှာဖွေခြင်း၊ ကြိုတင်ခန့်မှန်းခြင်းနှင့် ကုသမှုစောင့်ကြည့်ခြင်းအတွက် အဖိုးတန်သောထိုးထွင်းသိမြင်မှုများကိုပေးစွမ်းသည်။