数据前处理——你以为的”good events”到底是不是good events?
在介绍内容之前想要先问大家几个问题?
1、是否开始跑样之后,迅速开始收样?
2、在开始收样之后你们是否在仪器上又多次调整了流速?
3、在开始收样之后,发现数据不对劲是否会把样品管拔下再插上?
什么?这些情况都出现过?
那你可就要小心了,你的数据可能 not good!
在2016年,Fletez- Brant科学家就做过研究,研究表明,哪怕你仪器的质控做得合格,还是会有0-13%的数据是不太好的,这跟我们的操作相关,也跟仪器的状态和性质相关。
那如何判断仪器的状态如何?又如何去除不好的数据?
首先,我们拿到数据之后,先要对我们的数据质量进行检测。
导入数据之后,先双击点开数据前的○,会跳出来一个窗口。
每个通道的状态会显示成单独一个小方格,在虚线内轻微波动时,表示各个通道较为稳定,得到的数据也不会有太大偏差;而波动较大时,一方面得到数据的可信度会降低,另一方面仪器通道的稳定性有待标准。
只要把鼠标放在○上,会提示数据的质量,如果显示OK,则表示可以通过,如果显示为红色,则表示数据本身已经出现了了较大的质量问题,不太建议继续分析使用。
检查完数据质量之后,这个时候,“sample quality is OK”是代表数据合格,但是这个时候不好的数据还是存在的,如何把这些数据去除掉呢?
需要用到我们的一个插件功能FLOWAI。
选中样本,点击插件中的flowA等待分析好即可。这时候会出现一个BadEvents和一个GoodEventsI。
我们只需要用good events进行后面的分析即可。在双参数散点图上看原始数据和GoodEventsI其实是不明显的,但是我们可以通到看Time门更直观地观察到,它们的区别。下图是BadEvents占不同比例的结果。
在第三组图中,很明显的可以观察到,造成如此大的数据质量问题的原因,大概率是因为在收样过程中调整了流速导致液流不稳定的结果;而第四组图中,更大可能是因为,刚跑样,还未等待液流稳定就开始收样,导致前期大片数据需要被去除。
所以在上机的过程中,我们应当,先跑样调整细胞圈门,再调整流速确认收样速率,最后再开始收样,而且过程中千万不要插拔样品管。
时间固然重要,但是也不要贪图省事哦!
联系客服