Cytobank Premium

Cytobank, yüksek boyutlu tek hücre verilerinin yapay zeka öğrenimi destekli analizini sunan bulut tabanlı bir platformdur. Premium lisanslar, paylaşılan bir buluta erişim sağlar ve sorumlu araştırmacıların veya daha küçük grupların ihtiyaçlarını karşılamak için tasarlanmıştır. İhtiyaçlarınıza göre farklı lisans türleri mevcuttur. Güçlü boyut azaltma, kümeleme ve tahmin algoritmaları araştırmanızı hızlandırır.  Akış ve kütle sitometresini veya diğer tek hücre verilerini yönetmek ve arşivlemek ve herhangi bir web tabanlı cihazdan farklı disiplinler ve coğrafyalar genelinde iş arkadaşlarınızla kolayca iş birliği yapmak için Cytobank platformunu kullanın.


Yalnızca Araştırma Amaçlı Kullanım İçindir. Tanılama prosedürlerinde kullanmak için uygun değildir.

Resources + Tools
Öğrenme Merkezi Ücretsiz Deneme Sürümü Destek Teklif İste
Product Image - 1

Cytobank Premium Özellikleri

Öznelliği Azaltın

  • FlowSOM veya SPADE kullanarak fenotipik açıdan benzer hücreleri otomatik olarak kümeleyin
  • Çok boyutlu verileri iki boyutlu bir grafikte görselleştirmek için viSNE kullanın ve nadir görülen biyolojik alt kümelerin tanımlanmasını kolaylaştırın
  • Tek hücre verilerini otomatik olarak alt kümeye ayırın ve CITRUS kullanan örnek grupları arasında istatistiksel güçle öngörücü biyobelirteçleri tanımlayın

Verilerden İçgörüye

İş Birliği Yapın

ML destekli Analizi Demokratik Hale Getirin

  • Biyologlar için üretilmiştir, kodlama veya eklenti gerekmez, Öğrenim Merkezini ziyaret edin
  • Yeni sorular için makaleler, ipuçları ve püf noktaları ile destek talep formunun yer aldığı çevrimiçi bilgi havuzu
  • Projelerinizi düzenlemek ve bulmak için Deney Yöneticisini kullanın, deneyler arasındaki ilişkileri göstermek için ağaç görünümünü kullanın

Explore Cytobank Premium Licenses

Explore Cytobank Premium Models

Cytobank Premium Specifications

Compatibility FCS 2.0, 3.0, and 3.1 files from instrument agnostic. DROP is able to import any numeric data in a text delimited (comma, semicolon, tab) format.
Plot Types Contour Plots, Density Plots, Dot Plots, Heatmap, Histograms, Overlay Plots
Algorithms CITRUS, FlowSOM, SPADE, viSNE, UMAP, opt-SNE, tSNE-CUDA, Automatic Gating, PeacoQC
Statistics
  • Student’s t-test
  • Mann-Whitney U test
  • Paired student’s t-test
  • Wilcoxon signed-rank test
  • Kruskal-Wallis H test
  • One-way analysis of variance
  • Two-way analysis of variance
License Type Academic, Commercial
License Term 1–3 Years

Content and Resources

Filter by:
Resource Type
A Flow Cytometry Approach for the Characterization and Isolation of Extracellular Vesicles (PDF)
Using Machine Learning Algorithms to Provide Deep Insights into Cellular Subset Composition
Use Machine Learning Algorithms to Explore the Potential of Your High Dimensional Flow Cytometry Data Example of a 20–color Panel on CytoFLEX LX Explore the potential of high dimensional flow cytometry data with an Example of a 20–color Panel on CytoFLEX LX. Understand how to perform machine learning algorithms like viSNE and FlowSOM to identify phenotypes of populations/subsets present in the 20–color CytoFLEX LX flow cytometry data. Build a computational flow cytometry data analysis pipeline with Cytobank. Learn how to assess the quality of viSNE maps and FlowSOM clustering results. Recognize how pre–processing steps can affect the result quality of machine learning algorithms.
How to use R to rewrite FCS files with different number of channels <span style="color: #183247; background-color: #ffffff;">How to use R to rewrite FCS files with different number of channels</span>
Get the Cytobank Platform and Publish

Technical Documents

Didn't find what you are looking for? For more results click here.

For Research Use Only. Not for use in diagnostic procedures.