PyScratch, göç veri analizleri için Python'da uygulanan yeni bir açık kaynaklı yazılımdır ve kullanıcı dostu bir arayüze sahip olup programlama becerisi az olan veya hiç olmayan bilim insanlarının kullanmasına olanak tanır.

Yazılım, 2017 yılında Campinas Üniversitesi'ndeki NanoCell Interactions laboratuvarında üç Brezilyalı bilim insanının ortaklığında tasarlandı.

Bu bilim insanlarının ihtiyaçlarından doğmuştur ve bugün yazılımın amacı araştırmacıların günlük uygulamalarını kolaylaştırmak, manuel analizi dışlamak, tekrarlanabilirliği artırmak ve insan hatalarını en aza indirmektir.

PyScratch: Scratch Deneylerinden Mekansal ve Zamansal Bilgileri İşlemek için Yeni Bir Araç

Görüntü analizi, bilim insanları tarafından sonuçları analiz etmek için farklı metodolojilerde kullanılan en önemli yollardan biri olmuştur.

Geçtiğimiz yıllarda sadece otomatik mikroskopların kullanımı artmakla kalmamış, aynı zamanda elde edilen verilerin karmaşıklığı da artmıştır.

Bir bilim insanının işinin bir kısmı, verilerin analiz edilmesi ve işlenmesinin yanı sıra yeni bir bilgi türüyle nasıl başa çıkılacağını keşfetmektir.

Bunun gerçekleşmesi için bilim insanlarının tüm verileri doğru bir şekilde çıkarmak ve yorumlamak için iyi ve özel araçlara ihtiyacı vardır.

PyScratch ilk olarak biyolog bir araştırmacı olan Fernanda Garcia-Fossa'nın göç deneylerinden elde ettiği büyük miktarda veriyi analiz etmesine yardımcı olmak için oluşturuldu.

"Kanser hücrelerine çizik attım ve her 15 dakikada bir fotoğraf çekerek 48 saat boyunca ekipmanın içinde inkübe ettim ve sadece bir deneyin sonunda bakıp analiz edebileceğim yaklaşık bin fotoğrafım oldu!

Bunu elle yapmak imkansızdı" diyor Garcia-Fossa. Garcia-Fossa bu sorunu çözmek için ortağı fizikçi Vladimir Gaal'in yardımına başvurdu, o sırada Gaal Python öğreniyordu ve bu da bilgilerini uygulamaya koymak için harika bir fırsattı.

Böylece, her ikisi de çizilen alanları tanıyan ve bir csv dosyasına aktaran bir Python rutini aracılığıyla çözümde çalıştı.

"Zamanla, kullanımı daha da kolaylaştıran bir kullanıcı arayüzü geliştirme ihtiyacı hissettik, bu şekilde yazılımı ihtiyaç duyan herhangi bir araştırmacı için de yayınlayabilirdik" diyen Garcia-Fossa'nın yazılımla ilgili makalesine buradan göz atabilirsiniz buraya tıklayarak.

Garcia-Fossa ayrıca görüntülerden göç alanını tanımak ve tanımlamak için biraz zaman harcadıklarını, çünkü resimlerin ışık, odak ve kontrast nedeniyle birbirinden çok farklı olabileceğini ve bugün kullanılan versiyonun zaten oldukça iyi analiz edebildiğini söylüyor.

Bununla birlikte, yayınlanan makale kullanıcıların talebi nedeniyle bazı iyileştirme ihtiyaçlarını gündeme getirdiğinden, yeni ve daha iyi sürümleri piyasaya sürmek için yazılım üzerinde çalışmaya devam ediyorlar.

Yazılım performansını doğrulamak için kullanılan göç deneyi veya çizik deneyi veya yara iyileşmesi, fizyolojik ve patolojik hücresel olayların altında yatan mekanizmayı analiz etmeyi mümkün kıldığı için biyolojide yaygın olarak kullanılan bir deneydir.

Yara iyileşmesini incelemek, anjiyogenez ve tümör gelişiminin yanı sıra gelişimi ve doku modellemesini anlamak için önemli bir yoldur.

Test iki boyutlu olarak gerçekleştirildiğinde, ne kadar hızlı olduğunu ölçmek mümkündür hücreler tanımlanan alanı kaplayarak yaraya tepki verir.

Başka bir deyişle, deney temel olarak, bir plak içindeki konfluens hücrelerin tek tabakasında bir boşluk oluşturmaktır.

Zamanla, boşluğu doldurmak için hücreler göç etmeye başlar ve hücrelerin göç hızı ölçülebilir.

Ardından, hücre göç hızını ölçmek için bir sürü görüntü elde etmeleri gerekiyor ki bu da manuel ölçüm gerektirdiği için analizin sorunlu bir adımı.

Neyse ki bugün, analiz hattımızı iyileştirmek ve yükseltmek için elimizde çok sayıda teknoloji var ve bu da bilim insanlarının bir sonuç elde etmek için daha iyi ve daha kişiselleştirilmiş yollar benimsemesine olanak tanıyor.

Garcia-Fossa ve Gaal'ın yaptığı gibi.

Günümüzde yara bölgesini işlemek için başka ticari ve ticari olmayan araçlar bulmak mümkündür.

Ancak PyScratch kadar basit değildirler ve kullanıcıdan belirli bir düzeyde programlama gerektirir ve ayrıca kullanıcının tam zamanlı dikkatini gerektirir, bu da analizi insan hatalarına karşı daha duyarlı hale getirir, ayrıca araştırmacının tüm resimleri ve verileri analiz etmek için harcadığı zaman.

Makalede yazarlar yazılımın nasıl çalıştığını açıklıyor. Deneyde yapılan tüm resimlerden kullanıcı, tablo halindeki verileri düz metin olarak saklayan bir çıktı olan virgülle ayrılmış değerler (.cvs) dosyası alıyor.

Kullanıcı daha sonra verileri normal rutininde işleyebiliyor. Garcia-Fossa, programın yüksek lisans çalışması için gerekli olduğunu söylüyor tez"Yazılım, girdi verilerini hücre göç hızı gibi biyolojik anlam ifade eden değerlere dönüştürüyor.

PyScratch sayesinde nanopartikülümün prostat kanseri hücreleri üzerindeki etkisini daha iyi analiz edebildim ve hücre göç hızını ve iyi kapanma için tam zamanı ölçebildim."

PyScratch: Scratch Deneylerinden Mekansal ve Zamansal Bilgileri İşlemek için Yeni Bir Araç

Eğer PyScratch'i denemek istiyorsanız araştırmayazılım ücretsiz olarak kullanılabilir ve bilimsel topluluğun kullanmasına izin verilerek Garcia-Fossa ve Gaal'in programı geliştirmesine ve iyileştirmesine yardımcı olunmuştur.

 ____

Nasılsın Mind the Graph şimdiye kadar nasıl gidiyor? Mind the Graph incelemesi göndererek sizin ve diğer birçok bilim insanı için platformumuzu geliştirmemize yardımcı olun. Bize deneyiminizi anlatın, sadece tıklayın Burada

logo-abone ol

Haber bültenimize abone olun

Etkili görseller hakkında özel yüksek kaliteli içerik
bilimde iletişim.

- Özel Rehber
- Tasarım ipuçları
- Bilimsel haberler ve trendler
- Öğreticiler ve şablonlar