NC | CRUSTY：用于快速分析和可视化高维流式细胞术数据的

流式细胞术 (FCM) 可以在短时间内以合理的成本研究来自数百万个细胞和数百个样本的数十个参数，其生成的数据量相当可观。计算方法可用于识别新的亚群和分子生物标志物，但通常需要深入的生物信息学专业知识和不同平台的使用。为了克服这些限制，近日《Nature Communications 》发表了一种交互式、用户友好的Web工具—— CRUSTY，用于快速识别高维FCM数据中的群体。

CRUSTY是什么？

CRUSTY是一种交互式、用户友好的Web工具，结合了最流行的FCM数据分析算法，能够可视化图形和表格结果，并在几分钟内自动生成出版质量的数据。CRUSTY还拥有一个交互式界面，用于实时探索结果。因此，CRUSTY 使大量用户能够挖掘复杂的数据集，并减少数据探索和解释所需的时间。

CRUSTY工作流程概述

CRUSTY的主要功能

CRUSTY通过标准浏览器提供，具有直观的界面，用户可以控制每个计算步骤的各种参数。CRUSTY功能基于Scanpy Python包，其包含最全面的数据分析工具集，具有最新的方法和频繁的更新。该网络工具集成的功能例如，PhenoGraph、pyVIA和FlowSOM包中的聚类函数，非线性降维方法（umap-learn），以及用于质量控制（FlowAI）和批量校正（Scanorama）的工具。CRUSTY还提供了一个交互式界面，用于实时快速可视化结果。CRUSTY自动生成矢量化的高质量图，用于直接插入研究文稿。CRUSTY可以通过专用的web服务器轻松访问(https://crusty.humanitas.it/)，因此不需要在用户的计算机上安装软件包。原则上，CRUSTY可用于分析任何FCM和质谱仪数据集，从而填补了高维数据生成和探索之间存在的空白。

选定的CRUSTY数据输出 CRUSTY交互式FCM数据分析

CRUSTY与同类工具的比较

尽管有多种商业软件可用于分析FCM数据，但高维数据集通常通过R或Python中的开源生物信息学算法进行处理。最近开发了可免费用于聚类分析的Web服务器，但与CRUSTY相比有局限性。

CRUSTY与类似软件包之间的特定功能比较

未来，CRUSTY还将持续更新。访问CRUSTY

👉 https://crusty.humanitas.it/.

使用Python实现的流程源代码可在GitHub上免费下载：

👉 https://github.com/luglilab/Cytophenograph.

Docker镜像可在Docker Hub公共存储库中获取： 

👉 https://hub.docker.com/r/sinnamone/cytophenograph5.

参考文献

Puccio, S., Grillo, G., Alvisi, G. et al. CRUSTY: a versatile web platform for the rapid analysis and visualization of high-dimensional flow cytometry data. Nat Commun 14, 5102 (2023). https://doi.org/10.1038/s41467-023-40790-0

首发公号：深圳国家基因库大数据平台