Evaluación de algoritmos de clustering en citometría de flujo de alta dimensionalidad

Abstract

La citometría de flujo es una tecnica fundamental para el análisis celular que, gracias al avance tecnologico, permite medir de forma simultánea un mayor número de marcadores. Este aumento en la dimensionalidad ha generado grandes desafíos en el analisis manual de estos datos, promoviendo el desarrollo de algoritmos que automatizan este proceso. El principal objetivo de este trabajo es comparar metodologica y computacionalmente dos algoritmos de clustering, FlowSOM y flowMeans, aplicados a datos de citometría de flujo. Para ello, se emplean tanto conjuntos de datos públicos como datos reales de alta dimensionalidad proporcionados por el Instituto de Biomedicina y Genetica Molecular (IBGM). Se evalúan metricas de rendimiento como el F-score, así como la estabilidad de los resultados, el coste computacional y el impacto de aplicar una clasificacion jerárquica. Los resultados muestran que, si bien ambos algoritmos presentan resultados comparables, FlowSOM tiene una clara ventaja computacional y una mayor eficacia en contextos de alta dimensionalidad. Asimismo, la aplicacion de FlowSOM de forma jerárquica mejora significativamente los resultados.

Flow cytometry is a key technique for cellular analysis that, thanks to technological advances, allows simultaneous measurement of a large number of markers. This increased dimensionality has posed significant challenges for manual analysis, leading to the development of automated clustering algorithms. The main objective of this study is to perform a comparative evaluation of the performance of two algorithms, FlowSOM and flowMeans, applied to flow cytometry data. Both public datasets and real high-dimensional data provided by the Institute of Biomedicine and Molecular Genetics (IBGM) are used. Performance metrics such as the F-score are assessed, along with result stability, computational efficiency, and the impact of applying a hierarchical classification approach. The findings show that, although both algorithms yield comparable results, FlowSOM offers a clear computational advantage and greater effectiveness with high-dimensional data. Moreover, applying FlowSOM hierarchically leads to a notable improvement in performance.