flowjo之数据前处理

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！