PyScratch är en ny programvara med öppen källkod som implementerats i Python för analys av migrationsdata, med ett användarvänligt gränssnitt som gör det möjligt för forskare med få eller inga programmeringskunskaper att använda det.
Programvaran utformades 2017 i ett samarbete mellan tre brasilianska forskare i NanoCell Interactions-laboratoriet vid universitetet i Campinas.
Den föddes ur dessa forskares behov, och idag är programvarans syfte att underlätta forskarnas dagliga arbete, utesluta manuell analys, öka reproducerbarheten och minimera mänskliga fel.
Bildanalys har varit ett av de viktigaste sätten för forskare att analysera resultat med hjälp av olika metoder.
Inte bara användningen av automatiserade mikroskop har ökat under de senaste åren, utan även komplexiteten i de data som samlas in.
En del av en forskares jobb är att ta reda på hur man ska hantera en ny typ av information, och dessutom analysera och bearbeta data.
För att detta ska vara möjligt behöver forskarna bra och specialiserade verktyg för att korrekt extrahera och tolka alla data.
PyScratch skapades först för att hjälpa Fernanda Garcia-Fossa, en biologforskare, att analysera en enorm mängd data från sina migrationsanalyser.
"Jag skrapade cancercellerna och inkuberade dem i utrustningen under 48 timmar, tog bilder var 15:e minut och i slutet av ett enda experiment hade jag ungefär tusen bilder att titta på och analysera!
Det var omöjligt att göra det manuellt", säger Garcia-Fossa. För att lösa det problemet tog Garcia-Fossa hjälp av sin partner, fysikern Vladimir Gaal, som just då höll på att lära sig Python, vilket var ett utmärkt tillfälle att omsätta den kunskapen i praktiken.
Så de båda arbetade med lösningen genom en Python-rutin, som kände igen de repade områdena och exporterade till en csv-fil.
"Med tiden kände vi oss tvungna att utveckla ett användargränssnitt som gör det ännu enklare att använda, på det sättet kunde vi publicera programvaran för alla forskare som också behövde använda den", säger Garcia-Fossa om artikeln om programvaran som du kan kolla in klicka här.
Garcia-Fossa berättar också att det tog ett tag att känna igen och definiera migrationsområdet från bilderna eftersom bilderna kan skilja sig mycket från varandra på grund av ljus, fokus och kontrast, och den version som används idag kan redan analysera ganska bra.
De arbetar dock fortfarande med att lansera nya och bättre versioner av programvaran, eftersom den publicerade artikeln har tagit upp vissa förbättringsbehov på grund av användarnas efterfrågan.
Det assay som används för att validera programvarans prestanda, migrationsassay, scratch assay eller sårläkning, är ett assay som ofta används inom biologi eftersom det gör det möjligt att analysera den underliggande mekanismen för fysiologiska och patologiska cellulära händelser.
Att studera sårläkning är ett viktigt sätt att förstå utveckling och vävnadsmodellering, förutom angiogenes och tumörutveckling.
När analysen utförs i två dimensioner är det möjligt att mäta hur snabbt cellerna reagerar på såret och täcker det definierade området.
Med andra ord är experimentet i princip att skapa ett gap i monolagret av konfluenta celler i en plack.
Med tiden börjar cellerna migrera för att fylla gapet, och hastigheten för cellernas migration kan mätas.
För att mäta cellmigrationshastigheten måste de sedan ta bilder, massor av bilder, vilket i sin tur är ett problematiskt steg i analysen eftersom det kräver manuell mätning.
Lyckligtvis har vi idag tillgång till en hel del teknik som kan förbättra och uppgradera vår analyspipeline, så att forskare kan använda bättre och mer personliga sätt att få fram ett resultat.
Som Garcia-Fossa och Gaal gjorde det.
Idag är det möjligt att hitta andra kommersiella och icke-kommersiella verktyg för att bearbeta sårområdet.
Men de är inte lika enkla som PyScratch, och kräver av användaren en viss nivå av programmering och kräver också heltid uppmärksamhet från användaren, vilket gör analysen mer mottaglig för mänskliga fel, plus den tid som forskaren tar för att analysera alla bilder och data.
I artikeln förklarar författarna hur programvaran fungerar. Från alla bilder som tagits i experimentet får användaren en kommaseparerade värden-fil (.cvs), en fil som lagrar tabelldata i klartext.
Användaren kan sedan bearbeta data i sin vanliga rutin. Garcia-Fossa säger att programmet var avgörande för hennes magisteruppsats: "Programvaran omvandlar indata till värden som är biologiskt meningsfulla, till exempel cellmigrationshastighet.
Jag kunde bättre analysera effekten av min nanopartikel på prostatacancerceller och mäta cellmigrationshastigheten och den exakta tiden för det goda avslutet, allt tack vare PyScratch."
Om du vill prova PyScratch för din forskning är programvaran fritt tillgänglig och alla inom forskarvärlden får använda den, vilket hjälper Garcia-Fossa och Gaal att utveckla och förbättra programmet.
____
Hur är din erfarenhet av Mind the Graph hittills? Hjälp oss att förbättra vår plattform för dig och för många andra forskare genom att skriva en Mind the Graph-recension. Berätta för oss om din upplevelse, klicka bara på här.
Prenumerera på vårt nyhetsbrev
Exklusivt innehåll av hög kvalitet om effektiv visuell
kommunikation inom vetenskap.
