PyScratch is een nieuwe open-source software geïmplementeerd in Python voor de analyse van migratiegegevens, met een gebruiksvriendelijke interface waarmee wetenschappers met weinig of geen programmeerkennis aan de slag kunnen.
De software is in 2017 ontworpen in een samenwerkingsverband tussen drie Braziliaanse wetenschappers in het NanoCell Interactions lab van de Universiteit van Campinas.
Het werd geboren uit de noodzaak van deze wetenschappers en vandaag de dag is het doel van de software om de dagelijkse praktijk van onderzoekers te vergemakkelijken, handmatige analyse uit te sluiten, de reproduceerbaarheid te vergroten en menselijke fouten te minimaliseren.
Beeldanalyse is een van de belangrijkste manieren die wetenschappers in verschillende methodologieën gebruiken om resultaten te analyseren.
Niet alleen het gebruik van geautomatiseerde microscopen is de afgelopen jaren toegenomen, maar ook de complexiteit van de verkregen gegevens.
Een deel van het werk van een wetenschapper is om te ontdekken hoe om te gaan met een nieuw soort informatie, naast, analyseren en verwerken van gegevens.
Daartoe hebben wetenschappers goede en gespecialiseerde instrumenten nodig om alle gegevens correct te extraheren en te interpreteren.
PyScratch werd in eerste instantie gemaakt om Fernanda Garcia-Fossa, een bioloog-onderzoeker, te helpen bij het analyseren van een enorme hoeveelheid gegevens van haar migratie-assays.
"Ik voerde de kras van de kankercellen uit en incubeerde 48 uur lang in de apparatuur, waarbij ik elke 15 minuten foto's nam. Aan het einde van slechts één experiment had ik ongeveer duizend foto's om te bekijken en te analyseren!
Het was onmogelijk om het handmatig te doen", zegt Garcia-Fossa. Om dat probleem op te lossen zocht Garcia-Fossa hulp bij haar partner, de natuurkundige Vladimir Gaal. In die tijd was Gaal Python aan het leren, wat een geweldige kans was om die kennis in de praktijk te brengen.
Dus werkten beiden in de oplossing via een Python routine, die de bekraste gebieden herkende en exporteerde naar een csv bestand.
"Met de tijd voelden we de noodzaak om een gebruikersinterface te ontwikkelen die het gebruik nog makkelijker maakte, op die manier konden we de software publiceren voor elke onderzoeker die het ook wilde gebruiken", zegt Garcia-Fossa over het software-artikel dat je kunt bekijken. door hier te klikken.
Garcia-Fossa vertelt ook dat het enige tijd heeft gekost om het migratiegebied uit de beelden te herkennen en te definiëren, aangezien de beelden sterk van elkaar kunnen verschillen door licht, focus en contrast, en de versie die nu wordt gebruikt al behoorlijk goed kan analyseren.
Desondanks werken ze nog steeds aan de software om nieuwe en betere versies te lanceren, aangezien het gepubliceerde artikel enkele verbeteringsbehoeften naar voren heeft gebracht vanwege de vraag van gebruikers.
De assay die wordt gebruikt om de prestaties van de software te valideren, de migratie-assay, of scratch assay, of wondgenezing, is een assay die vaak wordt gebruikt in de biologie omdat het mogelijk blijkt het onderliggende mechanisme van fysiologische en pathologische cellulaire gebeurtenissen te analyseren.
Wondgenezing bestuderen is een belangrijke manier om de ontwikkeling en weefselmodellering te begrijpen, naast angiogenese en tumorontwikkeling.
Als de test in twee dimensies wordt uitgevoerd, is het mogelijk om te meten hoe snel cellen reageren op de wond en het gedefinieerde gebied bedekken.
Met andere woorden, het experiment komt erop neer dat er een gat wordt gemaakt in de monolaag van confluentiecellen in een plaque.
Na verloop van tijd beginnen de cellen te migreren om het gat op te vullen, en de snelheid van de celmigratie kan worden gemeten.
Om vervolgens de celmigratiesnelheid te meten moeten zij beelden maken, een heleboel ervan, wat weer een problematische stap van de analyse is omdat het handmatige metingen vereist.
Gelukkig beschikken we tegenwoordig over veel technologie om onze analysepijplijn te verbeteren en op te waarderen, waardoor wetenschappers betere en meer gepersonaliseerde manieren kunnen toepassen om een resultaat te verkrijgen.
Zoals Garcia-Fossa en Gaal het deden.
Tegenwoordig zijn er andere commerciële en niet-commerciële instrumenten beschikbaar om het wondgebied te bewerken.
Maar ze zijn niet zo eenvoudig als PyScratch, en vereisen van de gebruiker enige mate van programmering en vragen ook fulltime aandacht van de gebruiker, waardoor de analyse gevoeliger is voor menselijke fouten, plus de tijd die de onderzoeker nodig heeft om alle foto's en gegevens te analyseren.
In het artikel leggen de auteurs uit hoe de software werkt. Van alle in het experiment gemaakte foto's krijgt de gebruiker een comma-separated values (.cvs) bestand, een output die gegevens in tabelvorm opslaat in platte tekst.
De gebruiker kan dan de gegevens verwerken zoals hij gewend is. Garcia-Fossa zegt dat het programma essentieel was voor haar masterstudie proefschriftDe software zet de invoergegevens om in waarden die biologisch zinvol zijn, zoals de migratiesnelheid van cellen.
Dankzij PyScratch kon ik het effect van mijn nanodeeltje op prostaatkankercellen beter analyseren en de migratiesnelheid van de cellen en de exacte tijd voor de goede sluiting meten."
Als u PyScratch wilt proberen voor uw onderzoekDe software is vrij beschikbaar en iedereen van de wetenschappelijk De gemeenschap mag het gebruiken, wat Garcia-Fossa en Gaal helpt om het programma te verbeteren.
____
Hoe is uw Mind the Graph ervaring tot nu toe? Help ons om ons platform te verbeteren voor jou en voor een heleboel andere wetenschappers door een Mind the Graph review te plaatsen. Vertel ons over je ervaring, klik hier.
Verwante artikelen
Abonneer u op onze nieuwsbrief
Exclusieve inhoud van hoge kwaliteit over effectieve visuele
communicatie in de wetenschap.
Dutch 
English 
Chinese 
Czech 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak