肿瘤细胞球体的高通量图像分析:一个用户友好的软件应用来测量球体的大小自动准确
July 8th, 2014
我们提出了一种高通量的图像分析软件应用程序来测量成像的明视场显微术的三维肿瘤球状体的尺寸。此应用程序提供了快速和有效的方式来研究治疗药物的球体，这有利于研究人员谁希望使用球体在药物屏幕的效果。
以下实验的总体目标是使用高通量图像分析软件测量用明场显微镜成像的三维肿瘤 S 的大小。这是通过首先将所有带有 3D 肿瘤类固醇的图像排列到该类固醇大小程序的正确目录结构和文件名中来实现的。作为第二步类固醇，sizer 根据 active contour 算法自动计算该类固醇的边界并测量该类固醇的大小。
接下来，进行精心设计的质量控制扫描，以确保每张图像的最佳结果。在分析数据结果后，可以阐明 3D 类固醇在实验处理下的生长。该计算机程序的主要优点是它集成了强大的自动图像分析算法和质量控制工作流程，以支持高通量图像分析。
该软件可以容忍不均匀或嘈杂的图像背景。它显著减少了劳动力并加快了分析过程。实施该软件有利于 3D 肿瘤类固醇成为工业界和学术界药物筛选的常规体外模型。
Sphe sizer 需要带有信号处理和图像处理工具箱的 MATLAB。要使用的可选工具箱是并行处理从 Rutgers 服务器下载 OID sizer 并将其解压缩到安装目录，这在后续步骤中将需要。现在准备您的图像。
首先，确定成像系统的图像分辨率和图像的绝对比例（以每像素微米为单位）。最终，实验中每张图像的比例必须相同。请务必将任何专有图像文件格式转换为可接受的文件格式，例如 TIFF 或 jpeg。
现在，使用特定的文件名和目录结构保存文件，软件文件名必须按板命名，行和列文件目录必须排列为每个目录一个实验，实验中的每个时间点都有一个子目录。在某个时间点，每个板的每张图像都应该共享一个子目录。首先打开 MATLAB，然后在命令窗口中定位到 sphe sizer 的安装目录。
然后输入 Sphe sizer one 0 并按 return 键启动此 OID sizer 程序。现在单击新窗口中的浏览按钮，然后选择包含实验中所有图像的目录。然后，在文件夹文本字段下，选择 include sub folders 用于质量控制的切换。
选择 on the fly display 选项。下一步是指定图像的分辨率，必须完成此作才能使程序正确地将像素转换为毫米。此时，用户可以进入高级菜单来访问这个特殊颜色框中的更多设置。
对于 8 位或 16 位图像，将其保留为 none。如果图像以 12 位捕获。选择 12 个出价。
正确设置所有配置后，单击 compute 开始计算，因为正在对整个图像集执行计算。计算完成后，单个分割结果会动态显示在软件上，结果表显示文件夹文件卷、长度、宽度和所有分析球体的有效切换。有效的切换用于质量控制。
当用户单击结果表中的任何单元格时，原始图像和质量控制图像将显示在右侧以供查看，使用键盘上的向下箭头按顺序检查所有图像。当遇到可疑的椭球体边界时，通过单击原始图像上的 manual initialize 来优化它。拖动椭圆工具以更准确地覆盖类固醇。
结果表将相应地更新测量值。如果手动初始化未能找到所需类固醇的最佳边界，则使用手绘按钮显示原始图像并追踪类固醇的边界。如果图像不包含有效的类固醇，则只需取消选中该图像的有效切换即可。
质量控制完成后，单击 Format results（格式结果）框以保存结果。导出的文件名可以在 高级到选项 窗口中进行配置。列表输出文件是一个选项卡分隔的表格，可以包含所有测量值。
格式输出文件是一个选项卡分隔的表格，并将体积值组织成原始板格式，以便于简单、可视化和下游数据分析。Sphe Sizer 即使在各种不利的图像条件下也能稳健地检测图像上球体的边界。偶尔，如果发生此 OID 的不当检测，则手动初始化工具通过允许用户手动正确定义此类固醇的位置和大小来工作。
在极端情况下，类固醇可能无法自动或使用手动初始化工具正确地从分散注意力和嘈杂的背景中分离出来。在这种情况下，该程序允许用户手动绘制类固醇边界，以生成准确的纵向和体积测量值。通过手动分析与单核和多核计算机相比分析同一组 288 张图像来验证软件的效率。
使用类固醇测定器对每张图像进行图像分析的速度比手动测量快 18 倍以上，以证明软件的可重复性。每种方法对一组 24 种类固醇分析 3 次。与手动分析相比，绿色显示的类固醇分子量测定仪在测量中的标准含量更小。
在一项借助类固醇大小器可行的实验中，使用 HSP 90 抑制剂和克拉屈滨治疗测试了类固醇的肿瘤生长。结果表明，联合治疗可能在体内具有抗肿瘤作用。本研究提出了一种快速、灵活、有效的程序，用于准确测定 3D 肿瘤类固醇的大小。
ster size 程序易于使用，并且需要最少的用户输入。在尝试此程序时，重要的是要记住类固醇是在场中心成像的，而不会接触墙壁的边缘。所有图像都应在同一目标下捕获，并且所有文件都按照协议中的指示正确命名和排列。
概述
本研究提出了一种高通量图像分析软件应用程序，旨在使用明场显微镜测量三维肿瘤球体的大小。该软件简化了对球体的治疗药物效果的检查，使其成为药物筛选研究人员的有价值工具。
关键研究组成部分
科学领域
- 神经科学
- 肿瘤学
- 图像分析
背景
- 三维肿瘤球体是药物筛选的重要模型。
- 传统的测量球体大小的方法可能耗时费力。
- 自动图像分析可以提高研究的效率和准确性。
- 该软件集成了质量控制措施以确保可靠的结果。
研究目的
- 开发一种自动测量肿瘤球体大小的软件工具。
- 为药物筛选应用提供高通量分析。
- 提高球体大小测定的准确性和速度。
使用的方法
- 使用该软件组织和处理了3D肿瘤球体的图像。
- 该软件采用主动轮廓算法进行边界检测。
- 实施了质量控制措施以验证结果。
- 结果被分析并以用户友好的格式显示以供进一步评估。
主要结果
- 与手动方法相比，该软件显著缩短了分析时间。
- 它在背景噪音较大的情况下仍表现出强大的性能。
- 结果表明组合治疗可能具有抗肿瘤效果。
- 测量结果显示与手动分析相比标准差更小。
结论
- 开发的软件是测量3D肿瘤球体的有效工具。
- 它提高了在药物筛选中使用球体的可行性。
- 该程序需要最少的用户输入，易于实施。
常见问题
Executive Industry Relevance
Automated high-throughput image analysis of 3D tumor spheroids addresses a critical bottleneck in drug discovery by enabling rapid, quantitative assessment of compound effects at scale. SpheroidSizer reduces manual labor and accelerates data generation, supporting scalable screening workflows in oncology target validation and lead identification. Its integration of active contour segmentation with quality control enhances reproducibility and predictive confidence in preclinical de-risking.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables quantitative interrogation of therapeutic hypotheses by measuring spheroid size changes in response to experimental treatments.
- Operational Value: Automates boundary detection and volume calculation, reducing manual measurement time by over 18-fold per image.
- Predictive Value: Delivers consistent, low-variance measurements that improve confidence in target engagement and pathway modulation assessments.
Screening & Assay Development
- Scientific Value: Produces standardized, spreadsheet-ready outputs (length, width, volume) for downstream dose-response and efficacy analysis.
- Operational Value: Processes 1,000 images in ~15 minutes on a laptop or ~1 minute on a multi-core workstation, enabling high-throughput screening compatibility.
- Assay Readiness: Includes manual override tools (Manual Initialize, Hand Draw) to maintain accuracy across variable image quality and spheroid morphology.
Translational & Preclinical Research
- Translational Continuity: Supports longitudinal tracking of spheroid growth under treatment, linking in vitro responses to potential in vivo anti-tumor effects.
- Mechanistic De-risking: Facilitates evaluation of compound combinations (e.g., HSP 90 inhibitor and cladribine) by providing reliable size and volume metrics over time.
- Preclinical Alignment: Generates quantitative data suitable for go/no-go decisions in lead optimization pipelines.
Pipeline & Workflow Integration
SpheroidSizer fits within the discovery continuum from early target validation through lead identification to preclinical efficacy assessment, particularly for oncology programs using 3D spheroid models.
- Discovery Biology: Supports hypothesis testing via automated size and volume readouts that reflect spheroid proliferation, death, or morphological changes.
- Screening: Enables assay standardization and reproducibility through algorithmic segmentation and QC workflows, reducing operator variability.
- Analytics: Outputs tab-delimited data files containing spheroid dimensions and validity flags, facilitating statistical comparison across conditions and time points.
- Translational Research: Connects in vitro spheroid responses to in vivo outcomes by enabling longitudinal analysis of tumor growth modulation.
- Enterprise Reuse: Designed as a reusable, platform-agnostic tool for spheroid-based assays across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Improves target validation confidence through precise, reproducible spheroid morphometrics.
- Operational Value: Reduces labor intensity and increases throughput, accelerating screening timelines.
- Strategic Value: Enhances capital efficiency by enabling faster go/no-go decisions in early drug discovery.
- Portfolio Impact: Supports risk-adjusted prioritization by generating high-confidence, quantitative phenotypic data.
Implementation Considerations
- Requires MATLAB with Image Processing and Signal Processing Toolboxes for core functionality.
- Parallel processing toolbox optional for accelerated analysis on multi-core systems.
- Requires standardized image acquisition (consistent resolution, scale, file naming, and directory structure).
- Dependent on user training for effective use of quality control and manual override tools.
- Best suited for brightfield images of non-adherent spheroids within the field of view, not touching edges.
