消除无关染料干扰的TRU-OLS算法显著提升流式细胞术数据解混精度

本研究针对高复杂度染色面板(40-50色)中染料冗余导致的流式数据解混方差增大问题，开发了基于先验生物知识的TRU-OLS算法。该方法通过事件特异性染料筛选机制，仅使用目标事件实际携带的染料进行解混，在4-6色和40色面板中均实现了解混数据方差的统计学显著降低，为高维流式数据分析提供了新范式。

　　

近年来，随着染色面板复杂度飙升（常规达40-50色标记），光谱流式细胞仪(spectral flow cytometers)面临严峻的数据解混挑战。传统方法将所有染料纳入混合矩阵的做法存在明显缺陷——尽管样本中单个事件仅携带部分染料，冗余染料的引入仍会导致解混丰度分布方差增大。这项研究创新性地提出TRU-OLS（靶向冗余优化最小二乘法）解混策略，通过整合先验生物知识（如未染色对照），智能筛选每个事件实际携带的染料子集进行精准解混。实验证明，该方案在简单（4-6色）和复杂（40色）染色体系中，均能显著降低解混数据的统计方差，可视化结果也展现出更清晰的细胞群体分群。这项突破为高参数流式数据分析提供了更精确的工具，尤其有利于稀有细胞亚群的鉴别和微弱信号检测。