PyScratch er en ny open source-software implementeret i Python til analyse af migrationsdata, med en brugervenlig grænseflade, der gør det muligt for forskere med få eller ingen programmeringsfærdigheder at bruge det.

Softwaren blev udviklet i et samarbejde mellem tre brasilianske forskere i NanoCell Interactions-laboratoriet på University of Campinas i 2017.

Det blev født af disse forskeres behov, og i dag er softwarens formål at lette forskernes daglige praksis, udelukke den manuelle analyse, øge reproducerbarheden og minimere menneskelige fejl.

Billedanalyse har været en af de vigtigste metoder, som forskere har brugt til at analysere resultater.

Ikke kun brugen af automatiserede mikroskoper er steget i de seneste år, men også kompleksiteten af de indsamlede data.

En del af en forskers job er at finde ud af, hvordan man håndterer en ny slags information, og derudover analysere og behandle data.

For at det kan ske, har forskerne brug for gode og specialiserede værktøjer til at udtrække og fortolke alle data korrekt.

PyScratch blev først skabt for at hjælpe Fernanda Garcia-Fossa, en biologisk forsker, med at analysere en enorm mængde data fra hendes migrationsassays.

"Jeg kradsede kræftcellerne op og inkuberede dem i udstyret i 48 timer, mens jeg tog billeder hvert 15. minut, og efter kun ét eksperiment havde jeg omkring tusind billeder at se på og analysere!

Det var umuligt at gøre det manuelt", siger Garcia-Fossa. For at løse det problem gik Garcia-Fossa til sin partner, fysikeren Vladimir Gaal, for at få hjælp. På det tidspunkt var Gaal ved at lære Python, hvilket var en fantastisk mulighed for at bruge den viden i praksis.

Så de arbejdede begge med løsningen gennem en Python-rutine, som genkendte de ridsede områder og eksporterede dem til en csv-fil.

"Med tiden følte vi, at det var nødvendigt at udvikle en brugergrænseflade, der gjorde det endnu lettere at bruge, så vi også kunne udgive softwaren til enhver forsker, der havde brug for at bruge den," siger Garcia-Fossa om softwareartiklen, som du kan tjekke ud. klik her.

Garcia-Fossa fortæller også, at det tog et stykke tid at genkende og definere migrationsområdet ud fra billederne, da billederne kan være meget forskellige fra hinanden på grund af lys, fokus og kontrast, og den version, der bruges i dag, kan allerede analysere ret godt.

Ikke desto mindre arbejder de stadig på softwaren og lancerer nye og bedre versioner, da den offentliggjorte artikel har bragt nogle forbedringsbehov op på grund af brugernes efterspørgsel.

Det assay, der bruges til at validere softwarens ydeevne, migrationsassayet, scratch assayet eller sårheling, er et assay, der ofte bruges i biologi, fordi det gør det muligt at analysere den underliggende mekanisme for fysiologiske og patologiske cellulære hændelser.

At studere sårheling er en vigtig måde at forstå udvikling og vævsmodellering på, foruden angiogenese og tumorudvikling.

Når assayet udføres i to dimensioner, er det muligt at måle, hvor hurtigt cellerne reagerer på såret og dækker det definerede område.

Med andre ord er eksperimentet grundlæggende at skabe et hul i monolaget af konfluente celler i en plak.

Over tid begynder cellerne at migrere for at fylde hullet, og hastigheden af cellernes migration kan måles.

For at måle cellemigrationshastigheden er de nødt til at tage en masse billeder, hvilket igen er et problematisk trin i analysen, fordi det kræver manuel måling.

Heldigvis har vi i dag en masse teknologi til rådighed, som kan forbedre og opgradere vores analysepipeline, så forskerne kan anvende bedre og mere personlige metoder til at opnå et resultat.

Ligesom Garcia-Fossa og Gaal gjorde det.

I dag er det muligt at finde andre kommercielle og ikke-kommercielle værktøjer til behandling af sårområdet.

Men de er ikke så enkle som PyScratch, og de kræver en vis grad af programmering af brugeren og kræver også fuldtids opmærksomhed fra brugeren, hvilket gør analysen mere modtagelig for menneskelige fejl, plus den tid, det tager forskeren at analysere alle billeder og data.

I artiklen forklarer forfatterne, hvordan softwaren fungerer. Fra alle de billeder, der blev taget i eksperimentet, får brugeren en fil med kommaseparerede værdier (.cvs), et output, der gemmer tabeldata i ren tekst.

Brugeren kan derefter behandle dataene i sin sædvanlige rutine. Garcia-Fossa siger, at programmet var afgørende for hendes speciale: "Softwaren omdanner inputdata til værdier, der giver biologisk mening, som f.eks. cellemigrationshastighed.

Jeg kunne bedre analysere effekten af min nanopartikel på prostatacancerceller og måle cellernes migrationshastighed og det nøjagtige tidspunkt for den gode lukning, alt sammen takket være PyScratch."

Hvis du vil prøve PyScratch til din forskning, er softwaren frit tilgængelig, og alle fra det videnskabelige samfund har lov til at bruge den og hjælpe Garcia-Fossa og Gaal med at forbedre programmet.

 ____

Hvordan er din Mind the Graph-oplevelse indtil videre? Hjælp os med at forbedre vores platform for dig og for en masse andre forskere ved at skrive en Mind the Graph-anmeldelse. Fortæl os om din oplevelse, bare klik her. 

Relaterede artikler
logo-abonnement

Tilmeld dig vores nyhedsbrev

Eksklusivt indhold af høj kvalitet om effektiv visuel
kommunikation inden for videnskab.

- Eksklusiv guide
- Tips til design
- Videnskabelige nyheder og tendenser
- Vejledninger og skabeloner