Alt yapı çözümleyicisi, birden fazla işlem mikroskobu ölçümünün otomatik analizini gerçekleştiren kullanıcı dostu bir iş akışıdır. Bu açık kaynak yazılım Icy sıfır ton anlamına gelmez ve aynı zamanda makine işlevleri kullanarak. Daha da önemlisi, bu iş akışı uygun fiyatlı tatil bilgi ve görüntü analizi üretmek.
Sinyalin gürültü oranını artırmak ve görüntüleme veya kusurları gidermek için çok kanallı görüntüler iş akışı içinde yüklenir ve önceden işlenir. Daha sonra, görüntü bölümleme, arka plandan ROI olarak da bilinen ilgi bölgelerini yalıtır. Kümeleme düzeyine ve ilgi çekici nesnelerin yapısına bağlı olarak çeşitli segmentasyon yöntemleri mevcuttur.
Parçalı nesneler belirli bir klasörde belirli bir tanımlayıcı ile kaydedilir. Kuvvet ve sinyaller daha sonra satırlar içinde analiz edilir ve konum, boyut, yoğunluk dokularında şekil gibi birden çok özellik ancak sayı ve boyut otomatik olarak oluşturulan bir elektronik tabloya aktarılır. Icy web sitesinden Icy'yi indirin.
Ardından Protokollerin Buzlu kitaplığından Alt Yapı Çözümleyici Protokolü'nü indirin. Icy'yi açın ve şerit menüsündeki araçlara tıklayın. Protokoldüzenleyici arabirimini açmak için protokolleri tıklatın.
Yükle'ye tıklayın ve protokol alt yapı analizörü açın. Protokol yüklemesi birkaç saniye sürebilir. İş akışı, belirli alt görevleri gerçekleştiren birkaç kutudan oluşan bir ardışık hatlar olarak çalışan her blokta çalışan 13 Genel bloktan oluşur.
Her blok veya kutu numaralanır ve iş akışı içinde belirli bir rütbeye sahiptir. Bu sayıyı tıklatarak, seçili blota ilk olası konumu atayın. Diğer blokların konumları yeniden düzenlenir.
Sol üst köşe simgesine tıklayarak, blok genişletilebilir. Ayrıca büyütülebilir, daraltılabilir veya kaldırılabilir. İş akışının her ardışık hattı, diğer giriş ve çıktıyla birbirine bağlı kutular ağı tarafından doğru bir şekilde ortaya çıkar.
Bağlantı oluşturmak için, bir çıktıyı tıklatın ve imleç herhangi bir girişle ilgili olana kadar devam edin. Çıktılar etiketine tıklayarak bağlantılar kaldırılabilir. Gerekirse, dizilerin birleştirilecek şekilde dosyaları yeniden adlandırın, aynı adlar önekive ardından farklı ayırıcıvardır.
Örneğin, a görüntüsündeki tek tek kanalların dizileri a notası kırmızı, görüntü A mavialtalta, ve benzeri adlandırılmış. Aynı klasörde, birleştirmek için kanal başına yeni bir klasör oluşturun. Örneğin, kırmızı, yeşil ve mavi kanalları birleştirmek için üç klasör oluşturun ve karşılık gelen sıraları bu klasörler içinde depolayın.
Yalnızca blok birleştirme kanallarını kullanın, diğer blokları kaldırın ve protokolü birleştirme kanalları olarak kaydedin. Parametreleri ayarlamak için kutulara erişim. Kutuda, kanal numarası x, hangi kanalı ayıklamak için seçin.
Klasik RGB görüntülerde sıfır kırmızı, biri yeşil ve ikincisi mavidir. Kutusunda, klasör kanal numarası x, Kanal x görüntüleri içeren klasörün adını ters çevirin. Kutuda, ayrı kanal numarası x.
Görüntü adı için ayırıcı kullanımı. Kutuda, renk eşleme kanal numarası x, buzlu ilgili kanalı görselleştirmek için kullanmak için model sütunu bir sayı ile gösterir. Birleştirilmiş görüntülerin biçimi olan kutuya, birleştirilmiş görüntüleri kaydetmek için uzantıyı yazın.
Birleştirme kanalları bloğunun sol üst köşesinde, doğrudan klasörün sağındaki bağlantıyı tıklatın. Görünen açık iletişim kutusunda, bir numaralı kutu klasör kanalında tanımlanan ilk kanalın dizilerini içeren klasöre çift tıklayın. Sonra aç'a tıklayın, protokolü çalıştırın.
Birleştirilmiş görüntüler, tek tek kanalların klasörleri ile aynı dizinde birleştirilmiş bir klasöre kaydedilir. Nesne segmentasyonu, görüntü analizinde en zorlu adımdır. Verimlilik, elde edilen set ölçümlerinin doğruluğunu belirler.
Bu nedenle, yapı çözümleyicisi görüntü karmaşıklığı ve kullanıcı ihtiyaçlarına uyarlanmış farklı alternatifler önermek için hem basit hem de daha karmaşık algoritmaları entegre eder. Nesneler birbirine dokunmuyorsa, diğer kullanıcı kümelenmiş nesneleri ayrı ayrı ayırt etmek zorunda değildir Blok bölümleme A.Nesnelerin birbirine dokunmadığı, ancak bazıları yakın olduğunda, blok segmentasyon B.Yüksek kümeleme düzeyi ve konveks şekli olan nesneler için kullanın, blok segmentasyon C.Nesneleri yüksek kümeleme düzeyi mevcut ve düzensiz şekiller varsa kullanın , blok segmentasyon D.Kümelerde blok segmentasyonunu kullanarak sitoplazmaya dokunmayı tek tek segmente göre segmentasyon olarak segmentasyon olarak segmente eder. Birincil nesne bölümleçasyonu için blok uyarlayıcı, belirli bir alt yapı için verimliliklerini karşılaştırmak veya farklı alt yapı türlerini segmentlemek için birkaç bloğun aynı çalıştırmada kullanılabileceğini bağımsız olarak işleyebilir.
Segmentasyonu göstermek için, daha fazla sayıda soruna uyacak blok bölümlendirme B seçilmiştir. Bu blogu kullanmak için. İlk olarak, klasörü seçin.
Daha sonra, kanal sinyalini çağırır nesnenin kanalını segmente ayarlar. Örneğin, B'ye karşılık gelmek üzere, HK kutusunda, algılanacak nesnelerin piksellerinde yoğunluk sınıfları parametresini ve yaklaşık minimum ve maksimum boyutlarını ayarlayın. Yoğunluk sınıfları için, iki değer pikselleri arka plan ve ön plan olmak üzere iki sınıfhalinde sınıfa göre sınıflar.
Böylece nesneler ve arka plan arasındaki kontrast yüksek olduğunda uyarlanır. Ön plandaki nesnelerin kökenleri yoğunlukları varsa veya arka planla kontrast düşükse, sınıf sayısını artırın. Kutuda etkin konturlar nesnelerin kenarlıklarının algılanmasını en iyi duruma getirin.
İşlem sırasında, bölümlenmiş nesnelerin görüntülerini kaydetmek için bir klasör oluşturulur. Kutu metinde, çekirdekleri segmente etmek gibi bu klasörü adlandırın. Parçalı nesnelerin görüntülerini kaydetmek için biçimi ayarlamak için, parçalı nesnelerin görüntülerinin kutu biçimini doldurun, protokolü çalıştırdı.
Klasör, birleştirilmiş görüntüler içeren klasörde oluşturulur. Parçalı nesnelerde analiz edilecek yasa ve kanal ve hücre bölmelerinin sayısına uyum sağlamak için farklı bloklar geliştirilmiştir. Aşağıdaki örnekte, çözümleme için, aynı bölmedeki blok floresan çözümlemesi P.Two kanalını seçin ve klasörü seçin.
Bu çözümleme parametreleri gelen klasörü görüntüleri YG ayarlamak önce segmentasyon bloğu işlenmiş olmalıdır, bir ters eğik çizgi öncesinde parçalı nesnelerin görüntülerini içeren klasörün adını yazın. Parçalı nesnelerin görüntülerinin gelen kutusu biçimi, segmente nesnelerin görüntülerini kaydetmek için kullanılan biçimi yazın. Gelen kutusu her iki nesneyi kaldırmak için kenarlıkları öldürür.
Aksi takdirde, şu anda, görüntüleme daha tam J toplama kurulumu bu işlevi kullanmak için gereklidir. Kutularda kanal spot sinyali, noktalar tespit edilmesi gereken kanal ayarlayın. Klasik RTP görüntülerde sıfır kırmızıdır Bir yeşil, iki mavidir.
Lokalize molekülün kutularına, lekelere lokalize olan molekülün adını yazın. Cevaplanacak alan sayısı molekül sayısına bağlıdır. Dedektör bloğu başına düşen dalga boylarındaki kutularda, her bir Kanal için noktalar algılama parametrelerini ayarlayın.
Bir odada farklı blokları işlemek için, blok seç klasörü ile seçilen blokların bağlantılarını tutun. İş akışının iyi işlenmesinin altında yer aldığından emin olun. İş akışını çalıştırmadan önce, kullanılmayan blokları kaldırmak ve yeni protokolü başka bir adla kaydetmek de önerilir.
İş akışını başlatmak için çalıştır'ı tıklatın. Açıldığında göz görünümü kitapları belirir. Hemşire resimlerini içeren klasöre çift tıklayın Sonra Aç'a tıklayın, iş akışı otomatik olarak çalışacaktır.
İşlem tamamlandığında, başarıyla yürütülen iş akışı sağ alt köşede görünür, tüm bloklar yeşil işaretle işaretlenir. Değilse blok ve ok işareti sunan iç kutu öğeleri doğru gösterir. Daha da önemlisi, birkaç ekran, işlemeyi denetlemek için her çalışma sırasında ara sonuçları görselleştirmeye olanak sağlar.
Bu iş akışının hızı, esnekliği ve işlevselliği çeşitli örneklerle sınırlandırılacaktır. Bu ilk örnekte, NF kappa B.After simülasyonunun nükleer translokasyonlarını artan TNF alfa konsantrasyonları ile analiz ediyoruz. Nükleus ve sitoplazma segmentasyon C ve E blokları kullanılarak delineated edildi.
NF kappa B sinyal gelişmeye küresel translokasyon analizi bloğu kullanılarak analiz edildi. 96 görüntüde 40.000'den fazla hücre 26 dakikada analiz edildi. Oluşturulan veriler, NF Kappa B nükleer translokasyonun TNF alfa tarafından indüksiyonunu gösteren bu doz yanıt eğrisini oluşturmak için kullanıldı.
İş akışı, dosya boyutunu algılamak ve özellikleri hakkında belirli bilgileri ayıklamak için de kullanılabilir. Burada, proteinler için EDC lokalizasyonu ile tek tek hücrelerdeki özellikler tespit edildi. Sitoplazmadaki çekirdekler segmentasyon A ve E blokları kullanılarak delilendirilmiştir.
EDC4 bu örnek C.In floresan analiz blokları kullanılarak analiz edilmiş, analiz edilen her iki hücrede de sitoplazmik EDC4 işareti saptırılmıştır. Her bir tam tarafın piksel boyutu elektronik tabloda verilir. Bu örnekte, karbonhidratları oksidatif stresin daha uzun bir kinetik lerini incelemek için iş akışının çok yönlülüklerinden yararlandık.
Bobinin nükleer kuvvet işareti karbonhidratların ana yapısal bileşenleridir Sayı ve büyüklükleri boyut, stres durumuna göre analiz edilmiştir, çift iplikçik kırıkları ile 53BP1 ile lokalize olarak değerlendirilir. Çekirdekleri segmentasyon proxy kullanılarak tespit edildi, Nükleer kuvvet ve koilin ve 53BP1 sinyalleri, aynı anda floresan analizi Blok B.2300 bireysel hücrelerden veri kullanılarak analiz edildi, biz onların boyutunda bir azalma ile ilişkili stres indüksiyon sonra Greenfield sitenin sayısında önemli bir artış kanıtlanmıştır. Bu veriler, oksidatif stresin, bobin ekspresyonundaki bir değişikliği haklı göstermek için nükleer plazmik bir dağılım kullanarak karbonhidratların çekirdekleşme gücünü daha küçük nükleer sayıya dönüştürerek yerelleştirmeyi değiştirebileceğini ve eğri cisimlerin çekirdekleşmesini değiştirebileceğini kuvvetle göstermektedir.
Bir eksojen GFP bobin füzyon proteini aşırı ifade edildi. Vücudumuzun özellikleri GFP bobin aşırı ekspresyon seviyesine göre analiz edildi. Çekirdekler segmentasyon bloğu A.Coilin ve GFP bobinin floresan sinyalleri kullanılarak, aynı anda floresan analiz bloğu B.GFP bobinaşırı ifade düzeyi kullanılarak analiz edildi bireysel çekirdeklerde GFP sinyalinin anlam yoğunluğu ile yansıtıldı.
Alt yapı analizörü tarafından elde edilen veriler, aşırı ifadedeki GFP bobininin karbonhidratların boyutunu ve sayısını önemli ölçüde artırdığını göstermektedir. Oksidatif stres karbonhidrat sayısını artırır ama boyutlarını azaltır beri. Bu veriler karbonhidratların yapısı üzerindeki oksidatif stres etkisinin büyük olasılıkla belirli miktarda bobin üzerinde bir etki den ziyade bileşimlerinin değişmesiyle ortaya çıkarılabilen bir etki olduğunu yansıtabilir.
Yani yapı analizörü biyo görüntü analizi için son derece modüler bir iş akışıdır. Kanalların basit birleştirilmesinden binlerce hücredeki birden fazla kat ve sinyalin nicelleştirilmesine kadar çeşitli bağlamlara uyarlanabilir. Ayrıca görüntü karmaşıklığına bağlı olarak basit ve karmaşık segmentasyon algoritmalarını entegre eder ve floresan sinyal özelliklerinin çıkarılmasını otomatikleştirir.
