PyScratch on uusi Python-kielellä toteutettu avoimen lähdekoodin ohjelmisto, joka on tarkoitettu migraatiodatan analysointiin ja jonka käyttäjäystävällinen käyttöliittymä mahdollistaa sen käytön myös tutkijoille, joilla on vain vähän tai ei lainkaan ohjelmointitaitoja.

Ohjelmisto suunniteltiin kolmen brasilialaisen tutkijan yhteistyönä Campinasin yliopiston NanoCell Interactions -laboratoriossa vuonna 2017.

Se syntyi näiden tutkijoiden tarpeesta, ja nykyään ohjelmiston tarkoituksena on helpottaa tutkijoiden päivittäistä toimintaa, poistaa manuaalinen analyysi, lisätä toistettavuutta ja minimoida inhimilliset virheet.

PyScratch: A New Tool to Process Spatial and Temporal Information from Scratch Assays

Kuva-analyysi on ollut yksi tärkeimmistä tavoista, joita tutkijat ovat käyttäneet eri menetelmissä tulosten analysointiin.

Automaattisten mikroskooppien käyttö on lisääntynyt viime vuosina, mutta myös saatujen tietojen monimutkaisuus on lisääntynyt.

Osa tiedemiehen työtä on selvittää, miten käsitellä uudenlaista tietoa, analysoida ja käsitellä tietoja.

Tätä varten tutkijat tarvitsevat hyviä ja erikoistuneita työkaluja, jotta he voivat poimia ja tulkita kaikki tiedot oikein.

PyScratch luotiin alun perin auttamaan biologian tutkijaa Fernanda Garcia-Fossaa analysoimaan valtavaa määrää dataa migraatiomäärityksistä.

"Suoritin syöpäsolujen raaputuksen ja inkuboin laitteistossa 48 tuntia, otin kuvia 15 minuutin välein, ja vain yhden kokeen päätteeksi minulla oli noin tuhat kuvaa katsottavana ja analysoitavana!

Sitä oli mahdotonta tehdä manuaalisesti", Garcia-Fossa sanoo. Ongelman ratkaisemiseksi Garcia-Fossa pyysi apuun yhteistyökumppaniaan, fyysikko Vladimir Gaalia, joka tuohon aikaan opetteli Pythonia, mikä oli loistava tilaisuus soveltaa tietojaan käytäntöön.

Molemmat työskentelivät ratkaisussa Python-rutiinin avulla, joka tunnisti naarmuuntuneet alueet ja vei ne csv-tiedostoon.

"Kun aika, tunsimme tarvetta kehittää käyttöliittymä, joka tekee vielä helpompi käyttää, sillä tavalla voisimme julkaista ohjelmiston kaikille tutkijoille, jotka tarvitsivat käyttää myös", sanoo Garcia-Fossa noin ohjelmisto artikkeli, että voit tarkistaa sen ulos klikkaamalla tästä.

Garcia-Fossa kertoo myös, että vaellusalueen tunnistaminen ja määrittäminen kuvista kesti jonkin aikaa, koska kuvat voivat olla hyvin erilaisia valon, tarkennuksen ja kontrastin vuoksi, ja nykyään käytetty versio pystyy jo analysoimaan melko hyvin.

He työskentelevät kuitenkin edelleen ohjelmiston parissa ja julkaisevat uusia ja parempia versioita, sillä julkaistussa artikkelissa on tuotu esiin joitakin parannustarpeita käyttäjien kysynnän vuoksi.

Ohjelmiston suorituskyvyn validointiin käytetty testi, migraatiomittaus, raaputuskoe tai haavan paraneminen, on biologiassa yleisesti käytetty testi, koska sen avulla voidaan analysoida fysiologisten ja patologisten solutapahtumien taustalla olevia mekanismeja.

Haavan paranemisen tutkiminen on tärkeä tapa ymmärtää kehitystä ja kudosten mallintamista, angiogeneesin ja kasvainten kehityksen lisäksi.

Kun määritys tehdään kaksiulotteisena, voidaan mitata, kuinka nopeasti solut reagoida haavaan ja peittää määritellyn alueen.

Toisin sanoen koe on periaatteessa seuraava: luodaan aukko monokerroksiseen solukerrokseen, joka koostuu plakkiin sulautuneista soluista.

Ajan mittaan solut alkavat vaeltaa täyttääkseen aukon, ja solujen vaellusnopeus voidaan mitata.

Sitten solujen siirtymisnopeuden mittaamiseksi on otettava kuvia, ja niitä on otettava useita, mikä puolestaan on ongelmallinen vaihe analyysissä, koska se edellyttää manuaalista mittausta.

Onneksi meillä on nykyään käytössämme paljon teknologiaa, jonka avulla voimme parantaa ja päivittää analyysiputkeamme, jolloin tutkijat voivat ottaa käyttöön parempia ja yksilöllisempiä tapoja saada tuloksia.

Kuten Garcia-Fossa ja Gaal tekivät sen.

Nykyään on mahdollista löytää muita kaupallisia ja ei-kaupallisia työkaluja haava-alueen käsittelyyn.

Ne eivät kuitenkaan ole yhtä yksinkertaisia kuin PyScratch, ja ne vaativat käyttäjältä jonkinasteista ohjelmointitaitoa ja vaativat myös kokoaikaista huomiota käyttäjältä, jolloin analyysi on alttiimpi inhimillisille virheille, ja lisäksi tutkijalta kuluu aikaa kaikkien kuvien ja tietojen analysointiin.

Artikkelissa kirjoittajat selittävät, miten ohjelmisto toimii. Kaikista kokeessa tehdyistä kuvista käyttäjä saa pilkulla erotettujen arvojen (.cvs) tiedoston, joka on tuloste, johon tallennetaan taulukkomuotoiset tiedot tavallisena tekstinä.

Käyttäjä voi sitten käsitellä tietoja tavalliseen tapaansa. Garcia-Fossa sanoo, että ohjelma oli välttämätön hänen maisterintutkintonsa kannalta. opinnäytetyö, "Ohjelmisto muuntaa syöttötiedot biologisesti järkeviksi arvoiksi, kuten solujen siirtymisnopeudeksi.

Pystyin analysoimaan paremmin nanohiukkaseni vaikutusta eturauhassyöpäsoluihin ja mittaamaan solujen siirtymisnopeuden sekä tarkan ajan hyvän sulkeutumisen, ja kaikki tämä PyScratchin ansiosta."

PyScratch: A New Tool to Process Spatial and Temporal Information from Scratch Assays

Jos haluat kokeilla PyScratchia omassa tutkimus, ohjelmisto on vapaasti saatavilla ja kaikki alkaen tieteellinen yhteisö saa käyttää sitä, mikä auttaa Garcia-Fossaa ja Gaalia parantamaan ja kehittämään ohjelmaa.

 ____

Miten sinun Mind the Graph kokemusta tähän mennessä? Auta meitä parantamaan alustaa sinulle ja monille muille tutkijoille lähettämällä Mind the Graph-arvostelu. Kerro meille kokemuksestasi, klikkaa vain täällä

logo-tilaus

Tilaa uutiskirjeemme

Eksklusiivista korkealaatuista sisältöä tehokkaasta visuaalisesta
tiedeviestintä.

- Eksklusiivinen opas
- Suunnitteluvinkkejä
- Tieteelliset uutiset ja suuntaukset
- Oppaat ja mallit