Başlamak için, görüntüleme için bir floresan mikroskobu kurun. İmmüno-leke dokusu bölümleri ile tamamen lekeli bir slayt yerleştirin. Hedef ayarlandıktan sonra canlı düğmesine basın ve ardından örneğe odaklanın.
Kanalların sinyalle yeterince doygun olup olmadığını değerlendirmek için otomatik ölçeklendirme simgesini kullanın. Mikroskop ayarlarını sonlandırdıktan sonra, mikroskobu tek renkli kontrol slaytları ile yükleyin. Numunenin altına odaklanın ve bir Z-Stack kurmaya başlamak için Z-Stack menüsündeki başlat seçeneğine basın.
Ardından numunenin üzerine odaklanın ve bitiş seçeneğine basın. Görüntülerin floresan telafisi için, tek kontrol görüntülerinden birini açın. Uygun olmayan bir kanalda sinyal olup olmadığını görmek için her kanal için gri tonlamalı pencereleri gözlemleyin.
Taşma payını gidermek için, matrise sayıları manuel olarak girin, ardından yeterince çıkarılıp çıkarılmadığını test etmek için uygula'ya basın. Ardından, her denetimdeki tüm değerleri tek bir matriste birleştirin. Bu matrisi tamamen lekeli bir örneğe uygulayın.
İlastik yazılımını başlatın ve dokuların tiff dosyasını açın. Eğitim sekmesine tıklayın, ardından görüntülerdeki tek tek hücreleri vurgulamak için boya fırçası aracını kullanın. Hücreleri, iç kısım ve hücre zarı dahil edilecek şekilde vurguladığınızdan emin olun.
Ardından, ilgilenilen hücreler olmayan her şeyi vurgulamak için ikinci etiketi kullanın. Şimdi üçüncü yazılımı başlatın ve tüm floresan lekelerini içeren dokunun bir IMS görüntüsünü açın. Çekirdek tespiti için kaynak kanal olarak çekirdek üzerinde maske seçeneğini seçin.
Ardından, çekirdekleri tohum noktalarına bölmek için gelişmiş seçeneği seçin. Çekirdek çapı için bir değer ayarlayın. Görüntüde kaynaşmış birden çok hücre veya eksik hücre olup olmadığını inceleyin.
Ardından oluşturulan hücreler nesnesine, ardından oluşturma sekmesine ve ardından kullanım ayarlarını kaydetmek için toplu iş için parametreleri saklama seçeneğine tıklayın. Anaconda'yı başlatın ve ardından Anaconda içinde JupyterLab'ı başlatın. Ek Kodlama dosyasını açın 1, ardından çalıştır menüsünde tüm hücreleri çalıştır veya seçili hücreleri çalıştır'a basın.
Bir istem göründüğünde, dışa aktarılan floresan değerleri için dosya dizinini girin. Ardından, işlenen dosyaları kaydetmek için uygun herhangi bir konum için dosya dizinini girin. Verilere her kanalın adlarıyla açıklama eklemek için kodun sonraki bölümünü çalıştırın.
Bir geçit stratejisi oluşturulduktan sonra, menüde nüfusa sağ tıklayın, ardından dışa aktar'ı seçin. Parametreleri, başlıkların dahil olduğu bir csv dosyası olarak dışa aktarın. JupyterLab'ı Anaconda'da tekrar başlatın.
Ardından komut dosyasını Ek Kodlama dosyası 2'de açın ve kodu çalıştırın. Dosya için yazılımın konumunu girmeniz istendiğinde, dışa aktarılan csv dosyalarının dosya dizinini girin. Ardından, çıkış konumunu eklemeniz istendiğinde, tercih edilen bir dosya dizini seçin ve dosya dizininin sonunda dosyanın adını içerdiğinden emin olun.
Kodun geri kalanını çalıştırın. Şimdi metni bir txt dosyasına kopyalayın ve ilgili ims dosyasını üçüncü yazılımda açın. Dosyadaki hücre nesnesine tıklayın.
İstatistikler sekmesine geçin, ardından metni arama çubuğuna yapıştırın ve aramaya başlayın. İlgilenilen tüm hücreler şimdi vurgulanacaktır. Spektral olarak örtüşen floresan boyalar, çoklu boyalarla boyanan dokuda etkili bir şekilde ayrıldı.
Boyaların ayrılması, lenf dokusundaki farklı hücre tiplerini açıkça ayırt etti. Kullanıcı tanımlı makine öğrenimi, birbirine yakın bir şekilde sıkıştırıldığında bile hücreleri ayırmak için kullanıldı.
