Poder determinar la capacidad de respuesta del sistema inmune es de gran importancia para diferentes estudios clínicos y preclínicos.

En la Fundación Salud de los Andes, hemos desarrollado un sistema in-vitro de evaluación de la respuesta de diferentes células del sistema inmune provenientes de pacientes o de personas sanas, basados en la cuantificación de múltiples parámetros celulares empleando las más avanzadas técnicas de citometría de flujo, incluyendo análisis automatizados de poblaciones celulares como tSNE, FlowSOM y CITRUS (entre otros).

Nuestro sistema de inmunomonitoreo ha sido empleado para la determinación de la capacidad funcional de pacientes con cáncer de mama durante la quimioterapia y en pacientes que han ingresado a nuestros estudios clínicos.

Para mas información sobre nuestro servicio, no dude en contactarnos al correo atencionalusuario@saluddelosandes.com. o haciendo click aquí

tSNE

El método de t‐Stochastic Neighbor Embedding (t‐SNE) consiste en simplificar la información de n número de dimensiones a 2 dimensiones que describan de la mejor manera posible la variabilidad de los datos analizados, para eso el cálculo se basa en la varianza de cada variable (dimensión) y reduce a un plano de dos dimensiones determinando los dos ejes que mayormente describan la varianza de los datos.


 

FlowSOM

El algoritmo FlowSOM facilita la construcción de un mapa autoorganizado (SOM – self-organizing map). Un SOM es un tipo específico de red neuronal artificial, utilizada para la agrupación de los eventos a partir de una cuadrícula de nodos, en la que cada nodo representa un punto en el espacio de entrada multidimensional. Al agrupar, un nuevo punto (evento de citometría de flujo) se clasifica con el nodo que es su vecino más cercano. Al final determina un número de agrupaciones (Clusters) de células que comparten características comunes.


 

CITRUS

Citrus es un algoritmo útil para agrupar de manera automatizada células de diferentes donantes mediante un sistema de generación de un árbol jerárquico. Este permite identificar los grupos de poblaciones celulares significativamente diferentes entre los grupos de muestras analizados (p. ej. pacientes vs sanos, estimulados vs no estimulados). Adicionalmente muestra el fenotipo, la abundancia relativa y el modelo estadístico con los niveles de seguridad (tasa de falsos positivos, o porcentaje de error del modelo) del análisis.