PyScratch to nowe oprogramowanie typu open-source zaimplementowane w Pythonie do analizy danych migracyjnych, z przyjaznym dla użytkownika interfejsem umożliwiającym korzystanie z niego naukowcom z kilkoma lub żadnymi umiejętnościami programistycznymi.

Oprogramowanie zostało zaprojektowane we współpracy trzech brazylijskich naukowców z laboratorium NanoCell Interactions na Uniwersytecie w Campinas w 2017 roku.

Powstało z potrzeby tych naukowców, a dziś celem oprogramowania jest ułatwienie codziennej praktyki badaczy, wykluczenie ręcznej analizy, zwiększenie powtarzalności i zminimalizowanie błędów ludzkich.

Analiza obrazu jest jednym z najważniejszych sposobów wykorzystywanych przez naukowców w różnych metodologiach do analizy wyników.

W ostatnich latach wzrosło nie tylko wykorzystanie zautomatyzowanych mikroskopów, ale także złożoność pozyskiwanych danych.

Częścią pracy naukowca jest odkrycie, jak radzić sobie z nowym rodzajem informacji, poza tym analizować i przetwarzać dane.

Aby tak się stało, naukowcy potrzebują dobrych i wyspecjalizowanych narzędzi do prawidłowego wyodrębniania i interpretowania wszystkich danych.

PyScratch został stworzony, aby pomóc Fernandzie Garcia-Fossa, badaczce biologicznej, w analizie ogromnej ilości danych z jej testów migracji.

"Wykonałem zarysowanie komórek rakowych i inkubowałem je w urządzeniu przez 48 godzin, wykonując zdjęcia co 15 minut, a pod koniec tylko jednego eksperymentu miałem około tysiąca zdjęć do obejrzenia i przeanalizowania!

Nie dało się tego zrobić ręcznie", mówi Garcia-Fossa. Aby rozwiązać ten problem, Garcia-Fossa zwróciła się o pomoc do swojego partnera, fizyka Vladimira Gaala. W tym czasie Gaal uczył się Pythona, co było świetną okazją do wykorzystania tej wiedzy w praktyce.

Tak więc obaj pracowali nad rozwiązaniem za pomocą procedury Pythona, która rozpoznawała porysowane obszary i eksportowała je do pliku csv.

"Z biegiem czasu poczuliśmy potrzebę opracowania interfejsu użytkownika, który uczyniłby go jeszcze łatwiejszym w użyciu, w ten sposób moglibyśmy opublikować oprogramowanie dla każdego badacza, który również potrzebowałby go użyć", mówi Garcia-Fossa o artykule na temat oprogramowania, który można sprawdzić. klikając tutaj.

Garcia-Fossa powiedział również, że rozpoznanie i zdefiniowanie obszaru migracji na podstawie zdjęć zajęło im trochę czasu, ponieważ zdjęcia mogą się bardzo różnić od siebie ze względu na światło, ostrość i kontrast, a wersja używana obecnie może już całkiem dobrze analizować.

Niemniej jednak nadal pracują nad oprogramowaniem, wprowadzając nowe i lepsze wersje, ponieważ opublikowany artykuł wskazał na pewne potrzeby ulepszeń ze względu na zapotrzebowanie użytkowników.

Test używany do walidacji wydajności oprogramowania, test migracji, test zadrapań lub gojenia się ran, jest testem powszechnie stosowanym w biologii, ponieważ umożliwia analizę mechanizmu leżącego u podstaw fizjologicznych i patologicznych zdarzeń komórkowych.

Badanie gojenia się ran jest ważnym sposobem na zrozumienie rozwoju i modelowania tkanek, oprócz angiogenezy i rozwoju nowotworów.

Gdy test jest wykonywany w dwóch wymiarach, możliwe jest zmierzenie, jak szybko komórki reagują na ranę, obejmując określony obszar.

Innymi słowy, eksperyment polega na utworzeniu luki w monowarstwie zlepionych komórek w płytce nazębnej.

Z czasem, aby wypełnić lukę, komórki zaczynają migrować, a prędkość migracji komórek można zmierzyć.

Następnie, aby zmierzyć prędkość migracji komórek, konieczne jest uzyskanie wielu obrazów, co z kolei jest problematycznym etapem analizy, ponieważ wymaga ręcznego pomiaru.

Na szczęście w dzisiejszych czasach mamy do dyspozycji wiele dostępnych technologii, które usprawniają i ulepszają nasz proces analizy, umożliwiając naukowcom przyjęcie lepszych i bardziej spersonalizowanych sposobów uzyskiwania wyników.

Tak jak zrobili to Garcia-Fossa i Gaal.

Obecnie można znaleźć inne komercyjne i niekomercyjne narzędzia dostępne do przetwarzania obszaru rany.

Nie są one jednak tak proste jak PyScratch i wymagają od użytkownika pewnego poziomu programowania, a także wymagają od użytkownika pełnej uwagi, przez co analiza jest bardziej podatna na błędy ludzkie, plus czas potrzebny badaczowi na analizę wszystkich zdjęć i danych.

W artykule autorzy wyjaśniają, jak działa oprogramowanie. Ze wszystkich zdjęć wykonanych w eksperymencie użytkownik otrzymuje plik z wartościami oddzielonymi przecinkami (.cvs), dane wyjściowe, które przechowują dane tabelaryczne w postaci zwykłego tekstu.

Użytkownik może następnie przetwarzać dane w zwykły sposób. Garcia-Fossa mówi, że program był niezbędny do jej pracy magisterskiej: "Oprogramowanie przekształca dane wejściowe w wartości, które mają sens biologiczny, takie jak prędkość migracji komórek.

Dzięki PyScratch mogłem lepiej przeanalizować wpływ mojej nanocząsteczki na komórki raka prostaty i zmierzyć prędkość migracji komórek oraz dokładny czas dobrego zamknięcia".

Jeśli chcesz wypróbować PyScratch do swoich badań, oprogramowanie jest dostępne za darmo i każdy ze społeczności naukowej może z niego korzystać, pomagając Garcii-Fossie i Gaalowi w ulepszaniu i ulepszaniu programu.

 ____

Jakie są Twoje dotychczasowe doświadczenia z Mind the Graph? Pomóż nam ulepszyć naszą platformę dla Ciebie i wielu innych naukowców, publikując recenzję Mind the Graph. Opowiedz nam o swoich doświadczeniach, po prostu kliknij tutaj. 

Powiązane artykuły
logo-subskrybuj

Zapisz się do naszego newslettera

Ekskluzywne, wysokiej jakości treści na temat skutecznych efektów wizualnych
komunikacja w nauce.

- Ekskluzywny przewodnik
- Wskazówki dotyczące projektowania
- Wiadomości naukowe i trendy
- Samouczki i szablony