O objetivo deste estudo é explorar abordagens computacionais avançadas em análises de citometria de fluxo, com foco na utilização das bibliotecas R para manipulação de dados imunofenotipicos. Os métodos são comparados na abordagem em análise de perfil linfocitário, buscando otimizar a identificação e caracterização das populações celulares B, T e NK.

A análise do perfil linfocitário foi realizada através do software Kaluza em um primeiro momento, como base comparativa para a aplicação no R através da importação, pré-processamento e transformação destes dados usando a biblioteca flowCore. Em sequência, a correção de artefatos e melhora da qualidade foi realizada através da biblioteca flowAI. A abordagem de clustering foi então realizada nas bibliotecas i mmunoClust e FlowSOM. Por fim, outras ferramentas foram exploradas criticamente de forma a otimizar a manipulação e exposição de dados imunofenotipicos, principalmente no que diz respeito ao racional de gates para definição e caracterização das populações celulares, sendo as principais bibliotecas relacionadas às ggcyto, openCyto, flowWorkspace e CytoML.

A aplicação das bibliotecas R possibilitou uma análise mais completa, automatizada e semisupervisionada das populações B, T e NK. A utilização das bibliotecas de Clustering, com destaque para o FlowSOM, permitiram uma identificação mais precisa das populações celulares, revelando subpopulações complexas que não seriam facilmente detectadas por métodos tradicionais, como na sistemática de gates através de dotplots. Além disso, a aplicação das bibliotecas ggcyto, openCyto, flowWorkspace e CytoML trouxeram possiblidades interessantes para a abordagem e averiguação dos resultados, favorecendo o desenvolvimento e exposição multivariada dos dados imunofenotipicos, seja a critério de controle interno ou liberação do laudo.

As abordagens de clustering avançadas proporcionam insights mais profundos sobre a heterogeneidade celular nas amostras analisadas no perfil linfocitário, sendo também possível a aplicação destas em uma maior variedade de casos. Estes métodos computacionais elucidam a identificação de padrões relevantes nas amostras analisadas, o que é especialmente importante em estudos com grandes quantidades de dados, onde torna-se possível a aplicação de estudos de bigdata e machine learning, além do comparativo com a literatura relacionada, a exemplo do entendimento e definição da ontogenia das populações B, T e NK, frente à diferentes quadros clínicos. Por fim, a visualização dos dados celulares pode ser retratada de forma mais completa, com recursos mais variados que podem reforçar o rigor e acompanhamento analítico.

A integração de bibliotecas R especializadas, como FlowSOM, OpenCyto, e outras, proporcionou uma análise mais robusta e eficiente dos dados de citometria de fluxo. As abordagens avançadas de clustering permitiram identificar as populações B, T e NK, além de caracterizar subpopulações com maior precisão e eficiência, favorecendo o entendimento da ontogenia das mesmas. Essas técnicas têm o potencial de impulsionar significativamente a pesquisa e clínica em citometria de fluxo, trazendo novos parâmetros de análise e abrindo novas possibilidades para o controle interno e entrega dos resultados, por exemplo, na investigação e monitoramento de processos biológicos complexos, além do auxílio no desenvolvimento e acompanhemento de terapias personalizadas.