PyScratch on uus avatud lähtekoodiga tarkvara, mis on rakendatud Pythonis migratsiooniandmete analüüsiks, mille kasutajasõbralik kasutajaliides võimaldab seda kasutada väheste või üldse mitte programmeerimisoskustega teadlastel.
Tarkvara töötati välja kolme Brasiilia teadlase koostöös Campinase ülikooli NanoCell Interactions laboris 2017. aastal.
See sündis nende teadlaste vajadusest ning tänapäeval on tarkvara eesmärk hõlbustada teadlaste igapäevast praktikat, välistada käsitsi tehtav analüüs, suurendada reprodutseeritavust ja minimeerida inimlikke vigu.
Pildianalüüs on olnud üks olulisemaid viise, mida teadlased kasutavad tulemuste analüüsimiseks erinevates metoodikates.
Viimastel aastatel on suurenenud mitte ainult automatiseeritud mikroskoopide kasutamine, vaid ka kogutud andmete keerukus.
Osa teadlase tööst on avastada, kuidas käsitleda uut liiki teavet, lisaks analüüsida ja töödelda andmeid.
Selleks on teadlastel vaja häid ja spetsialiseeritud vahendeid, et kõiki andmeid õigesti välja võtta ja tõlgendada.
PyScratch loodi esmalt selleks, et aidata bioloogioloogi Fernanda Garcia-Fossa'l analüüsida tohutut hulka andmeid tema migratsiooniuuringutest.
"Ma tegin vähirakkude nullistamist ja inkubeerisin seadmes 48 tundi, tehes iga 15 minuti tagant pilte, ja ainult ühe katse lõpuks oli mul umbes tuhat pilti, mida vaadata ja analüüsida!
Käsitsi oli seda võimatu teha," ütleb Garcia-Fossa. Selle probleemi lahendamiseks pöördus Garcia-Fossa oma partneri, füüsik Vladimir Gaali poole, kes sel ajal õppis Pythonit, mis oli suurepärane võimalus neid teadmisi praktikas rakendada.
Niisiis, mõlemad töötasid lahenduses läbi Pythoni rutiini, mis tuvastas kriimustatud alad ja eksportis csv-faili.
"Mis aeg, tundsime vajadust arendada kasutajaliides, mis teeb veelgi lihtsam kasutada, sel viisil võiksime avaldada tarkvara iga teadlane, et vaja kasutada ka", ütleb Garcia-Fossa umbes tarkvara artikkel, et saate vaadata seda välja klõpsates siin.
Garcia-Fossa räägib ka, et neil võttis aega rändepiirkonna äratundmine ja määratlemine piltide põhjal, sest pildid võivad valguse, fookuse ja kontrasti tõttu olla üksteisest väga erinevad, ja täna kasutatav versioon suudab juba päris hästi analüüsida.
Sellegipoolest töötavad nad endiselt tarkvara kallal, tuues turule uusi ja paremaid versioone, kuna avaldatud artikkel on kasutajate nõudluse tõttu esile toonud mõningaid parendusvajadusi.
Tarkvara jõudluse valideerimiseks kasutatav katse, migratsioonikatse või kriimustuskatse või haavade paranemise katse, on bioloogias tavaliselt kasutatav katse, sest see võimaldab analüüsida füsioloogiliste ja patoloogiliste rakusündmuste aluseks olevaid mehhanisme.
Haava paranemise uurimine on oluline viis arengu ja kudede modelleerimise mõistmiseks, lisaks angiogeneesile ja kasvajate arengule.
Kui test viiakse läbi kahes mõõtmes, on võimalik mõõta, kui kiiresti rakud reageerivad haavale, mis katab määratletud ala.
Teisisõnu, eksperiment põhimõtteliselt on, luua lõhe monokihi konfluentsuse rakkude plaat.
Aja jooksul hakkavad rakud tühimiku täitmiseks rändama ja rakkude rände kiirust saab mõõta.
Seejärel peavad nad rakkude migratsioonikiiruse mõõtmiseks hankima pilte, hulganisti, mis omakorda on analüüsi problemaatiline etapp, sest see nõuab käsitsi mõõtmist.
Õnneks on tänapäeval meie käsutuses palju tehnoloogiat, mis võimaldab parandada ja ajakohastada meie analüüsitorustikku, võimaldades teadlastel võtta kasutusele paremaid ja personaalsemaid viise tulemuste saamiseks.
Nagu Garcia-Fossa ja Gaal seda tegid.
Tänapäeval on võimalik leida muid kaubanduslikke ja mittekaubanduslikke vahendeid haavapinna töötlemiseks.
Kuid need ei ole nii lihtsad kui PyScratch ja nõuavad kasutajalt teatud tasemel programmeerimist ning nõuavad kasutajalt ka täiskohaga tähelepanu, mis muudab analüüsi inimlikele vigadele vastuvõtlikumaks, lisaks võtab uurija aega kõigi piltide ja andmete analüüsimiseks.
Artiklis selgitavad autorid, kuidas tarkvara töötab. Kõikidest eksperimendi käigus tehtud piltidest saab kasutaja komadega eraldatud väärtuste (.cvs) faili, väljundit, mis salvestab tabeliandmed lihtsas tekstis.
Seejärel saab kasutaja andmeid töödelda oma tavapärase rutiiniga. Garcia-Fossa ütleb, et programm oli tema magistritöö jaoks hädavajalik: "Tarkvara muudab sisendandmed bioloogiliselt mõistlikuks väärtuseks, näiteks rakkude rände kiiruseks.
Tänu PyScratchile suutsin paremini analüüsida oma nanoosakeste mõju eesnäärmevähirakkudele ja mõõta rakkude migratsioonikiirust ning täpset aega hea sulgemise saavutamiseks."
Kui soovite PyScratchi oma uurimistööks proovida, on tarkvara vabalt kättesaadav ja kõik teadusringkonnad võivad seda kasutada, aidates Garcia-Fossal ja Gaalil programmi täiustada ja parandada.
____
Kuidas on teie Mind the Graph kogemus seni kulgenud? Aita meil parandada meie platvormi sinu ja paljude teiste teadlaste jaoks, kui sa saadad Mind the Graph kommentaari. Rääkige meile oma kogemusest, lihtsalt klõpsake siin.
Tellige meie uudiskiri
Eksklusiivne kvaliteetne sisu tõhusa visuaalse
teabevahetus teaduses.
