00:00:15.00Hei, olen Anne Carpenter Broad Institute:sta,
00:00:17.08ja yksi CellProfiler-projektin johtajista.
00:00:19.18Tänään haluaisin esitellä teille CellProfilerin.
00:00:22.00Se on ilmainen ja avoimen lähdekoodin ohjelmisto kuva-analyysiin,
00:00:24.18jolla voi tunnistaa ja mitata biologisia entiteettejä ja kuvia,
00:00:27.06käsitellä suuria kuvia missä tahansa mittakaavassa,
00:00:29.11pienestä kokeesta suureen,
00:00:31.21ja viedä dataa myöhempää analysointia varten.
00:00:34.12Aluksi muutamia perusasioita CellProfilerista.
00:00:36.09Sen on suunnitellut biologi – se olen minä.
00:00:38.09Kirjoitin ensimmäisen version monta vuotta sitten
00:00:40.13täyttääkseni aukon uusimpien laskentamenetelmien
00:00:00:42.19ja jokapäiväisten penkkibiologien välillä.
00:00:00:44.08Se on ilmainen.
00:00:45.17Ja koska se on avointa lähdekoodia, voit kirjoittaa omia moduulejasi, jos haluat.
00:00:48.11Se toimii Windowsissa, Macissa ja Linuxissa,
00:00:50.22liittyy moniin muihin suosittuihin biokuvan analysointiohjelmistoihin,
00:00:00:53.22ja se lukee yli 180 mikroskooppitiedostomuotoa
00:00:00:57.00Bio-Formatsin ansiosta.
00:00:00:58.18Ja monilla mittareilla mitattuna CellProfiler on erittäin suosittu
00:00:01:00.26ja pidetty biologien keskuudessa.
00:01:03.08Paras paikka aloittaa CellProfilerin käyttö
00:01:05.04on löytää esimerkkiputki,
00:01:06.24joko jostain lukemastasi artikkelista, jossa CellProfileria käytettiin;
00:01:09.08verkkokysymys-vastausfoorumilta, forum.sc;
00:01:13.13tai CellProfilerin esimerkkisivulta, ja joitakin näistä esimerkeistä näytetään tässä.
00:01:18.21Kun olet ladannut putken CellProfileriin,
00:01:20.14voidat alkaa säätää sitä räätälöidä biologiseen ongelmaasi.
00:01:24.10Päätavoitteena on tietenkin tunnistaa ja mitata
00:01:27.04jotain biologista kokonaisuutta,
00:01:28.16oli se sitten soluja tai pesäkkeitä tai synapseja ja niin edelleen.
00:01:31.09Päätökset, jotka on tehtävä, ovat,
00:01:33.03mitkä rakenteet tai alueet tai lokerot haluat tunnistaa?
00:01:36.04miten ne tunnistetaan?,
00:01:37.13ja lopuksi, mitä ominaisuuksia mitata?
00:01:39.01Ja kun laitat moduuleja yhteen CellProfilerissa,
00:01:41.03tällaisia kysymyksiä tulet esittämään itsellesi.
00:01:44.07Sekoitat ja max… sovitat nämä moduulit yhteen rakentaaksesi putken,
00:01:47.12tai työnkulun, joka suorittaa tehtäväsi.
00:01:49.25Jotkin näistä vaiheista ovat hyvin triviaaleja,
00:01:51.13esimerkiksi monikanavakuvan värien jakaminen.
00:01:53.25Joitakin vaiheita et ehkä ole ajatellut aiemmin,
00:01:56.03mutta… on hyvin tärkeää tehdä asioita, kuten
00:01:58.19korjata valaistusta, jotta parannat kvantifioinnin laatua,
00:02:01.12jotka saat kuvistasi.
00:02:03.22Kun olet esikäsitellyt kuvasi haluamallasi tavalla,
00:02:06.04voidaan lisätä moduuleja, jotka tunnistavat kiinnostavat rakenteet ja lokerot,
00:02:08.23 kuten ytimet tai solunrajat,
00:02:10.16 kuten tässä näkyy.
00:02:12.04Tämä on usein haastavin osa kuva-analyysin työnkulun määrittämisessä,
00:02:15.09mutta on paljon työkaluja ja vinkkejä, jotka antavat sinulle…
00:02:17.27 antaa sinulle auttavan käden siinä.
00:02:20.09Joitakin sellaisia parametreja, joita sinun täytyy säätää tässä prosessissa
00:02:23.28sisältää asetusten säätäminen etualan määrittämiseksi
00:02:26.26vastakohtana taustalle.
00:02:28.08Tässä on siis esimerkki, jossa se on hieman liian tiukka,
00:02:30.08hieman liian lempeä, ja sitten hieman liian tiukka,
00:02:31.29ja lopulta juuri sopiva.
00:02:33.23On muitakin asetuksia, joiden avulla voit
00:02:36.14päättää sopivan jakamisen ja yhdistämisen joidenkin kohteiden kohdalla.
00:02:39.06Tässä näkyy neljä ydintä,
00:02:40.27jotka näkyvät kaikki kiinni toisissaan.
00:02:42.14Säädimme asetuksia, kunnes nuo erotettiin toisistaan kunnolla,
00:02:45.13 käyttäen eri asetuksia moduuleissa.
00:02:48.24Ja kun olet tunnistanut kiinnostavat rakenteet,
00:02:50.28on itse asiassa hyvin suoraviivaista mitata niiden ominaisuuksia.
00:02:53.28Pistät vain eri moduulit näille eri metriikkakategorioille,
00:02:56.24 joihin kuuluu kirjanpito siitä, kuinka monta asiaa on olemassa;
00:02:59.02koko; muodot;
00:03:00.22tekstuurit, joka on fluoresenssin intensiteetin värjäyskuvion tasaisuus;
00:03:04.22ja sekä intensiteetin määrä, joka voi vastata esimerkiksi proteiinituotteen todellista määrää kuvissasi;
00:03:10.12sekä sellaisia asioita kuin spatiaaliset suhteet.
00:03:13.13Nyt kun putkistosi on säädetty mieleiseksesi,
00:03:15.15voit ajaa sitä monilla kuvilla automaattisesti.
00:03:17.25Nyt, jos se on pieni määrä,
00:03:19.19voisit ajaa sitä kannettavalla tietokoneellasi tai työpöydälläsi.
00:03:21.07Jos se on hyvin suuri koe,
00:03:23.01tulee sinun ehkä ajaa kuvia laskentaklusterissa
00:03:25.10tai käyttää pilviresursseja verkossa.
00:03:27.15Ja on olemassa työkaluja, jotka auttavat sinua tekemään molemmat.
00:03:29.21Viimeiseksi voit tutkia dataa käyttämällä, oikeastaan,
00:03:32.18mitä tahansa data-analyysiohjelmistoa.
00:03:34.07Yksi vaihtoehto on CellProfiler Analyst.
00:03:36.11Se on suunniteltu niin, että voit tutkia dataa suurista kuvasarjoista
00:03:38.23jossa data on interaktiivisesti linkitetty kuviin.
00:03:41.16Sen avulla voit myös luokitella fenotyyppejä automaattisesti.
00:03:43.22Katsotaanpa näitä molempia ominaisuuksia.
00:03:45.28Ensiksi, tutkimustyökalut.
00:03:47.23Se sisältää monia datan visualisointeja
00:03:49.22joita näkee oikeastaan missä tahansa taulukkolaskentaohjelmassa.
00:03:51.28Ero on siinä, että CellProfiler Analystissa,
00:03:54.00jokainen datapiste on linkitetty kuviin, jotka tuottivat kyseisen datapisteen.
00:03:57.08Tämän avulla voit tutkia kuviesi piirteitä
00:03:59.24ja tuotettuja metriikoita,
00:04:01.15ja yrittää tunnistaa, mitä…
00:04:03.02mitä kokeessasi tapahtuu,
00:04:04.20tai mahdollisesti jopa tehdä joitakin laadunvalvontatoimenpiteitä
00:04:07.02 tunnistamaan, jos on kuvia, jotka ovat epätarkkoja,
00:04:09.00 tai joissa on kylläisyyttä tai muunlaisia artefakteja.
00:04:12.04Ja CellProfiler Analystin suosituin ominaisuus on sen luokittelija.
00:04:15.26Mitä se tekee on se, että se näyttää useita soluja kokeestasi
00:04:19.01– tai muita tunnistamiasi kohteita —
00:04:21.08ja se pyytää sinua lajittelemaan ne
00:04:23.21kiinnostavan fenotyypin perusteella.
00:04:24.29Ja niinpä sinä….
00:04:26.15 sinun tarvitsee vain vetää ja pudottaa yksittäisiä soluja
00:04:28.11lajitellaksesi ne fenotyypin kannalta positiivisiksi ja negatiivisiksi,
00:04:31.05tai oikeastaan sinulla voi olla niin monta lokeroa kuin haluat.
00:04:32.25Ja sitten, kun lajittelet yksittäisiä soluja,
00:04:36.03tietokone oppii sinulta ja yrittää tunnistaa,
00:04:38.24mitkä ovat solujen mittarit, jotka erottavat eri lokerot toisistaan?
00:04:42.03Kun lajittelet yhä useampia soluja,
00:04:45.02ja kun korjaat virheitä,
00:04:46.26luokittelija tulee yhä paremmaksi,
00:04:48.14 siihen pisteeseen asti, että tietokone voi korvata sinut oikean vastauksen tekemisessä
00:04:52.20suurelle määrälle soluja.
00:04:54.10Kun luokittelija on koulutettu,
00:04:56.01voidaan lajitella… voidaan pisteyttää miljoonia tai miljardeja soluja
00:04:59.13täysin automatisoidusti.
00:05:00.24Laboratorioni on työskennellyt yhdessä useiden muiden kanssa ympäri maailmaa
00:05:03.10luodakseen uuden verkkopohjaisen työkalun kuvien luokitteluun
00:05:05.24joka perustuu syväoppimiseen.
00:05:07.16Katsokaa siis sen verkkosivuilta
00:05:09.08sekä katsokaa, onko se valmis käytettäväksi.
00:05:11.26Voit oppia lisää näistä aiheeseen liittyvistä iBiology-videoista
00:05:14.18mikroskopiasta ja kuva-analyysistä.
00:05:16.10Ja toivon, että kokeilet biokuvien analysointia
00:05:18.19 CellProfilerin avulla,
00:05:20.04ja suuntaat online Scientific Community Image Forumiin, jos tarvitset apua alkuun pääsemisessä.

Ja jos tarvitset apua alkuun pääsemisessä.