Flowcytometrie is een techniek waarbij er per seconde eigenschappen van duizenden individuele cellen worden opgemeten, bijvoorbeeld bij de analyse van een bloedstaal. Door deze eigenschappen te bestuderen, kunnen verschillende types cellen geïdentificeerd worden. De verhouding tussen deze celtypes vormt belangrijke informatie bij de ontwikkeling van geneesmiddelen. Vroeger werden slechts enkele eigenschappen opgemeten, waardoor de analyse manueel kon gebeuren. Tegenwoordig neemt het aantal eigenschappen dat simultaan gemeten wordt steeds sterker toe, waardoor geautomatiseerde technieken noodzakelijk worden. In dit doctoraat werden technieken ontwikkeld op basis van machinaal leren die kunnen omgaan met de specifieke uitdagingen van flowcytometriedata. Zo is FlowSOM een nieuwe visualisatietechniek, die dankzij een tweestapsclustering snelle en accurate resultaten kan behalen om een dataset te verkennen. FloReMi is een pijplijn waarbij de progressietijd tot aids wordt voorspeld voor hiv-patiënten. Deze methode selecteerde relevante celpopulaties uit de vele mogelijkheden en behaalde de beste resultaten in de FlowCAP IV-wedstrijd. Ten slotte werd ook een methode ontwikkeld die celtype-specifieke batch-effecten kan normaliseren, een cruciale voorbereidende stap bij klinische studies waarbij patiëntenstalen over een langere periode verzameld worden en de resultaten toch vergelijkbaar moeten blijven. De ontwikkeling van deze nieuwe algoritmes vereenvoudigt de analyse van flowcytometriedata en biedt immunologen nieuwe perspectieven op hun data.