Le laboratoire d’hématologie utilise une approche non supervisée par carte auto-adaptative (SOM) pour détecter la persistance de cellules leucémiques à très faible taux. Pour cela un script R a été développé, script qui est utilisé en production. Cette approche s’avère plus sensible et plus spécifique que l’approche classique de détection de la maladie résiduelle des leucémies aigues myéloïdes.
Cependant l’approche mise en place au laboratoire est largement empirique. De nombreux paramètres n’ont pas été testés de façon systématique. A l’occasion du changement de cytomètre la méthode doit être systématisée et simplifiée.
Les étudiants utiliseront les données de cytométrie déjà disponibles, les outcomes connus pour déterminer les paramètres les plus pertinents pour l’analyse non supervisée (nombre de noeuds de l’analyse SOM, nombre optimal d'évènements à analyser, méthode de normalisation des données). Il apprendront à maitriser le code déjà écrit pour l'adapter à une analyse en 13 couleurs (analyses 10 couleurs actuellement).
Compétences requises ou à développer: Développement sous R, analyse non supervisée par carte auto-adaptative (SOM en anglais). La compréhension de la structure des données de cytométrie en flux et les problématiques biologiques de suivi des leucémies aigues seront développées en interaction avec les encadrants.
Vial, J.P.; Lechevalier, N.; Lacombe, F.; Dumas, P.-Y.; Bidet, A.; Leguay, T.; Vergez, F.; Pigneux, A.; Béné, M.C. Unsupervised Flow Cytometry Analysis Allows for an Accurate Identification of Minimal Residual Disease Assessment in Acute Myeloid Leukemia. Cancers 2021, 13, 629. https://doi.org/10.3390/cancers13040629
Lacombe F, Lechevalier N, Vial JP, Béné MC. An R-Derived FlowSOM Process to Analyze Unsupervised Clustering of Normal and Malignant Human Bone Marrow Classical Flow Cytometry Data. Cytometry A. 2019 Nov;95(11):1191-1197. doi: 10.1002/cyto.a.23897. Epub 2019 Oct 2. PMID: 31577391.