Name: Erleichterung der Analyse der immunologischen Daten mit Visual analytischen Techniken (Video) | JoVE Journal
Uploaded: 2011-01-02T17:00:00.000+00:00
Duration: 10 min 58 s
Description: Erfahren Sie, wie Visual-Analytics-Techniken mit Tableau die Analyse großer immunologischer Datensätze erleichtern. Diese Methode ermöglicht es Forschern, Muster und Ausreißer schnell zu erkennen und Hypothesen effizient zu generieren.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Wir möchten die Mitglieder des Vancouver Institute of Visual Analytics (VIVA) für das Anbieten Kommentare und Ratschläge für das Projekt danken. Insbesondere möchten wir John Dill, Brian Fisher, und David Darvill danken. Wir möchten auch die Mitglieder des Kollmann Labor für ihre Unterstützung und hilfreiche Diskussionen danken. Diese Arbeit wurde teilweise durch National Institute of Allergy and Infectious Diseases, National Institute of Health Grants N01 AI50023 unterstützt; Allergen NCE Grants 07-A1A und 07-B2B, und die Michael Smith Foundation for Health Research. TRK ist zum Teil durch ein Career Award in der Biomedical Science an der Burroughs Wellcome Fund einer Anzeige von einer kanadischen Institute for Health Research Training Grant in kanadischen Child Health Clinician Scientist Program, in Zusammenarbeit mit Sick-Kids-Stiftung, Kinder-und Family Research Institute unterstützt ( British Columbia), Frauen und Kinder Health Research Institute (Alberta) und Manitoba Institute of Child Health.

1. Exploration-based Analysis auf Tableau <ol><li> Sie haben einen Datensatz, und Sie möchten die verschiedenen Beziehungen zwischen den Spalten in den Daten zu entdecken. <ol><li> (Abbildung 1) Import des Datensatzes durch einen Klick auf "Daten Connect '. Wählen Sie den Typ der Datenquelle und folgen Sie den Anweisungen auf Ihrem Datensatz zu importieren. </li><li> (Abbildung 1) Stellen Sie sicher, dass die Abmessungen Regal kategorische Spalten enthält, während die Maßnahmen Regal enthält numerische Spalten aus Ihrem Datenbestand. Manchmal ist eine Dimension Spalte, z. B. Thema Kennung kann als Maßnahme aufgeführt werden, wenn sie nummeriert. Ändern Sie die Abmessungen mit der rechten Maustaste darauf und wählen "Convert to Dimension". In Abbildung 1 sind kategorische Spalten aus dem Datensatz wie etwa Stimulus Konzentration und unterliegen Identifikatoren korrekt in Dimensionen Regal gestellt, und die beobachtete Konzentration der Zytokine sind korrekt in Maßnahmen Regal gestellt. </li><li> (Abbildung 2) Wenn bei der Analyse-Prozess, ein berechnetes Feld benötigt wird, einfach mit der rechten in beiden Dimensionen oder Maßnahmen Regal klicken, und wählen Sie "Create Berechnetes Feld". Geben Sie die Berechnung in der Formel-Box mit Feldern mit Funktionen oder mathematische Operationen kombiniert. Abbildung 2 zeigt, wie man ein neues Feld namens PFD&gt; 2 durch Aggregation PFD2, PFD3 und PFD4 Werte zu schaffen. </li><li> (Abbildung 3) Erzeugen Sie eine 2-D Plot in Tableau, in der Regel mit einer Dimension und ein gewisses Maß an Interesse. Da die Schnittstelle bietet eine einfache Drag-and-Drop-Interaktion, kann die Wahl der Dimension und messen leicht geändert werden. Die Abmessungen sind in der Regel in Spalten Regal, und Maßnahmen in den Reihen Regal gestellt. In Abbildung 3 enthält die Abmessungen Regal Stimulus Konzentration, und die Maßnahmen Regal enthält beobachtet Konzentration von Zytokinen. </li><li> (Abbildung 3) Um die Visualisierung durch eine spezifische Dimension, statt zu differenzieren, dass Bemassungstext in Text, Farbe oder Größe Regal, je nach Art der Dimension. Text Regal versucht, Daten in die Visualisierung durch Etikettierung sie mit Textinformationen durch die Dimension ausgewählt vorgesehen unterscheiden. Farbe und Größe Regal wird automatisch unterschieden Daten nach Farbe und Größe, die mit dem Scroll-Leiste am unteren Rand jeder Regal befindet eingestellt werden kann. In Abbildung 3, indem Genotyp in Farbe Regal führt zur Trennung der drei Genotypen durch verschiedene Farben. </li><li> (Abbildung 3) Filter die Visualisierung durch die spezifische Spalte Variablen in anderen Dimensionen. Dies kann durch Ziehen der Dimension Label in den Filter Regal durchgeführt werden. Es wird ein Fenster mit der Liste der Werte zur Auswahl angezeigt. Der gewählte Wert wird nur blieben die Werte in der Visualisierung. </li><li> (Abbildung 4) können Sie die Visualisierung mit anderen Dimension zu kombinieren oder zu messen, um eine Matrix der Visualisierung zu erzeugen. Dies kann durch Fallenlassen mehreren Dimensionen in den Spalten Regal, und mehrere Maßnahmen in Reihen Regal durchgeführt werden. Abbildung 4 enthält ein Beispiel für Zwei-Säulen-Visualisierung Matrix, indem Sie zwei unterschiedliche Dimensionen in den Spalten Regal. </li><li> Um eine vergleichbare Darstellung, direkt an der aktuellen Tabelle auf der linken unteren Ecke klicken, und ausgewählte "Duplikat Blatt". </li><li> Iterate den Analyseprozess zu interessanten Trends und Ausreißer, die Ihnen helfen zu generieren neue Hypothese über die Daten zu identifizieren. </li></ol></li><li> Sie haben mehrere Datensatz aus der gleichen Quelle erzeugt wird, und wollen die möglichen Verbindungen zwischen diesen Datensätzen zu entdecken. <ol><li> Legen Sie mehrere Datensätze in einer gleichen Quelle, dh Platz zwei Tabellen in derselben Arbeitsmappe, damit Tableau, auf diese Datenmenge durch die gleiche Verbindung zu verbinden. </li><li> (Abbildung 5) Schließen Sie die Datensätze durch logische Verknüpfung der zentralen Werte, um sicherzustellen, dass die Dimensionen, die das gleiche für mehrere Datensätze ausgewählt werden. In Abbildung 5 gibt es fünf zentrale Werte für den Beitritt: Zelltyp, Stimulus Konzentration, Bühne oder Gruppe, Reiz und vorbehaltlich Kennung. </li><li> Durchführen von Analysen ähnlich Abschnitt 1.1. </li></ol></li></ol> 2. Presentation-based Needs <ol><li> Sie kennen die Beziehungen zwischen Daten, aber Sie wollen in der Lage sein, schnell eine Liste von Visualisierungen für den Einsatz in der Präsentation. <ol><li> Follow-Protokoll in Abschnitt 1.1 beschrieben, und kommentieren Sie die Visualisierungen entsprechend. </li><li> Verwenden Sie die Export-Funktion in Tableau von Bildern von Visualisierungen zu produzieren. </li></ol></li><li> Sie haben einen mächtigen Satz von Visualisierungen in Tableau Arbeitsmappe erstellt und möchte, dass Arbeitsmappe freigeben. <ol><li> Speichern Sie die Arbeitsmappe als Tableau verpackt Arbeitsmappe und teilen Sie diese Datei. </li><li> Kollegen ohne Tableau Desktop kann download Tableau Reader, um die verpackten Arbeitsmappe öffnen. Tableau Reader ermöglicht Ihren Mitarbeitern, mit den Visualisierungen, die Sie erstellt haben, zu interagieren. </li></ol></li></ol> 3. Repräsentative Ergebnisse <img src="/files/ftp_upload/2397/2397fig1.jpg" alt="Abbildung 1" data-altupdatedat="1787634011000" data-alt="Abbildung 1"> Abbildung 1. Ein Screenshotvon Tableau nach dem Import der Tabellenkalkulation namens NFKBIA aus der Excel-Datei demo.xls. Die Dimensionen und Kennzahlen Regale waren richtig mit dem kategorischen und numerischen Daten gefüllt, bzw.. <img src="/files/ftp_upload/2397/2397fig2.jpg" alt="Abbildung 2" data-altupdatedat="1787634011000" data-alt="Abbildung 2"> Abbildung 2. Berechneten Feld Fenster wird aufgerufen, um ein spezielles berechnetes Feld erstellen, um in Tableau verwenden. Die Liste auf der linken unteren Feld hilft bei der Identifizierung möglichen Bereichen, und die Liste auf der rechten Seite enthält Abkürzung von Funktionen, die in der Formel verwendet werden können. In diesem Beispiel wollten wir die Werte für PFD4, PFD3 und PFD2 hinzufügen, um den endgültigen Wert, dass wir als PFD&gt; 2 erhalten <img src="/files/ftp_upload/2397/2397fig3.jpg" alt="Abbildung 3" data-altupdatedat="1787634011000" data-alt="Abbildung 3"> Abbildung 3. Visualisierung von Stimulus Konzentration vs beobachtet Zytokin-Konzentration. Die Visualisierung zeigt eine grafische Darstellung der verschiedenen Konzentrationen des Stimulus 3M-002 gegen die beobachtete Konzentration der Zytokine TNF-α. Die Farben der Linien beziehen sich auf die unterschiedlichen Genotypen für eine Single-Nukleotid-Polymorphismus im Gen NFKBIA der Individuen in unserer angeborenen Immunsystems zu untersuchen. <img src="/files/ftp_upload/2397/2397fig4.jpg" alt="Abbildung 4" data-altupdatedat="1787634011000" data-alt="Abbildung 4"> Abbildung 4. Ein Screenshot von einer Zwei-Säulen-Visualisierung Matrix. Wir erzeugten eine Zwei-Säulen-Matrix zu einem Side-by-Side-Vergleich der Antworten auf zwei Reize, 3M-003 und LPS zu erleichtern. Die x-Achse sind die verschiedenen Konzentrationen der beiden Reize, und die y-Achse zeigt die Werte des berechneten Feldes, PFD&gt; 2. <img src="/files/ftp_upload/2397/2397fig5.jpg" alt="Abbildung 5" data-altupdatedat="1787634011000" data-alt="Abbildung 5"> Abbildung 5. Diese Tableau Dialog-Fenster zeigen, wie die Daten in verschiedenen Tabellen aufgenommen zu verbinden. Einbinden von Daten aus verschiedenen Tabellen können durch die Kombination dieser mit logischen Join-Klauseln der wichtigsten Werte erreicht werden. <table border="1"><tbody><tr><td></td><td colspan="10"> Visualisierung und Analyse-Tool </td></tr><tr><td> Funktion </td><td> Bild </td><td> VIS-STAMP </td><td> xmdvtool </td><td> Ggobi </td><td> Sternenlicht </td><td> Gapminder </td><td> Visulab </td><td> InfoVis Toolkit </td><td> Geotime </td><td> Inspirieren </td></tr><tr><td> Parallel zu koordinieren Grundstücke </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Nicht </td></tr><tr><td> Streudiagramm-Matrizen </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td></tr><tr><td> Dimensional Reduktion </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Nicht </td></tr><tr><td> Zeitlichen Dimensionen </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Nicht </td></tr><tr><td> Geospatial Dimensionen </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Nicht </td></tr><tr><td> Text-Mining </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Ja </td></tr><tr><td> Die direkte Manipulation von Daten </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Nicht </td></tr><tr><td> Filtering </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td></tr><tr><td> Erweiterbarkeit auf andere Plattformen (zB R) </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Nicht </td><td> Nicht </td></tr><tr><td> CSV-Tabelle Formate </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td></tr><tr><td> XML-Datenformate </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Nicht </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Nicht </td></tr><tr><td> Kann mit 1 Deal0000 + Zeilen </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Ja </td></tr><tr><td> Dokumentation </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td><td> Ja </td></tr><tr><td> Kommerzielles Produkt </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Nicht </td><td> Nicht </td><td> Nicht </td><td> Ja </td><td> Ja </td></tr></tbody></table> Tabelle 1. Liste der Visual Analytics-Tools und einige ihrer Funktionen.

<ol><li>Thomas, J., Cook, K. Illuminating the Path: The Research and Development Agenda for Visual Analytics. , IEEE CS Press. (2005).</li>
<li>Steed, C., Swan, J., Jankun-Kelly, T., Fitzpatrick, P. Guided Analysis of Hurricane Trends Using Statistical Processes Integrated with Interactive Parallel Coordinates. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSteed%2C+C+%22IEEE+Symposium+on+Visual+Analytics+Science+and+Technology%22">IEEE Symposium on Visual Analytics Science and Technology</a>. , IEEE. Atlantic City. 19-26 (2009).</li>
<li>Saraiya, P., North, C., Lam, V., Duca, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+Insight-Based+Longitudinal+Study+of+Visual+Analytics%5BTitle%5D)+AND+%22IEEE+Transactions+on+Visualization+and+Computer+Graphics%22%5BJournal%5D)">An Insight-Based Longitudinal Study of Visual Analytics.</a> IEEE Transactions on Visualization and Computer Graphics. 12, 1511-1522 (2006).</li>
<li>Kollmann, T. R., Crabtree, J., Rein-Weston, A., Blimkie, D., Thommai, F., Wang, X. Y., Lavoie, P. M., Furlong, J., Fortuno, E. S. 3rd, Hajjar, A. M., Hawkins, N. R., Self, S. G., Wilson, C. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neonatal+innate+TLR-mediated+responses+are+distinct+from+those+of+adults%5BTitle%5D)+AND+%22J.+Immunol%22%5BJournal%5D)">Neonatal innate TLR-mediated responses are distinct from those of adults.</a> J. Immunol. 183, 7150-7160 (2009).</li>
</ol>

Das Aufkommen von High-Throughput-Technologien in der modernen biomedizinischen Forschung führte zu einer Explosion der Forschung Daten, die eine effizientere Methode zur Analyse erfordert. Visual Analytics (VA) ist die Wissenschaft der analytischen Argumentation interaktiven visuellen Schnittstellen (1) erleichtert. Die VA-Ansatz stellt die analytische Kraft in den Händen der Menschen Analyst, im Gegensatz zu den traditionellen Ansatz, um Muster von Computer zu erkennen. Visual Analytics hat Forschung in verschiedenen ...

erleichterung der analyse der immunologischen daten mit visual analytischen techniken

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

Visual Analytics (VA) hat als einen neuen Weg, um große Datensätze durch interaktive Visualisierung analysieren entstanden. Wir zeigten den Nutzen und die Flexibilität eines VA-Ansatz in der Analyse von biologischen Datensätzen. Beispiele für diese Datensätze in der Immunologie zählen Durchflusszytometrie, Luminex Daten und Genotypisierung (zB Single-Nukleotid-Polymorphismus)-Daten. Im Gegensatz zu den traditionellen Informationsvisualisierung Ansatz, stellt die Analyse VA Macht in den Händen von Analysten, indem der Analytiker in Echtzeit Daten Exploration Prozess zu engagieren. Wir haben uns für die VA Software namens Tableau nach der Auswertung mehrerer VA-Tools. Zwei Arten der Analyse Aufgaben Analyse innerhalb und zwischen den Datensätzen wurden in der Video-Präsentation mit einem Ansatz namens gepaart Analyse nachgewiesen. Gepaart Analyse, wie in VA definiert, ist eine Analyse-Ansatz, in dem ein VA-Tool-Experte arbeitet Seite an Seite mit einem Domain-Experte bei der Analyse. Die Domain-Experte ist derjenige, der die Bedeutung der Daten versteht, und stellt die Fragen, die die gesammelten Daten könnten Adresse. Das Tool-Experte erstellt dann Visualisierungen zu helfen, finden Sie Muster in den Daten, die diese Fragen beantworten könnte. Die kurze Verzögerungszeit zwischen der Hypothese Generation und die schnelle visuelle Darstellung der Daten ist der Hauptvorteil eines VA-Ansatz.

Visual Analytics (VA) ist ein neuer Ansatz zur Analyse von Daten interaktiv. In diesem Video sprechen wir die Daten Überlastung Problem durch High-Throughput-biologische Experimente gebracht werden, und schlagen VA als eine Lösung für dieses Problem nicht. Das Video demonstriert Analyse innerhalb und zwischen den immunologischen Datensätze mit einem VA-Tool namens Tableau.

Erleichterung der Analyse der immunologischen Daten mit Visual analytischen Techniken

Visual Analytics (VA) hat sich als eine neue Methode zur Analyse großer Datensätze durch interaktive visuelle Darstellung etabliert. Wir haben die Nützlichkeit und die ...

Unterstützung der Analyse immunologischer Daten mithilfe visueller Analysetechniken. Während die Fähigkeit, Daten zu sammeln und zu speichern, rasch vorangeschritten ist, hat sich die Fähigkeit, diese zu verarbeiten und zu analysieren, im Vergleich kaum verbessert. Daher existieren in biomedizinischen Laboren häufig große Datensätze, die nicht effektiv oder effizient ausgewertet werden.Dabei geht möglicherweise umfangreiche und wertvolle Information im Abgrund von Speichersystemen verloren. Visuelle Analytik oder VA hat sich als neue Methode zur Analyse großer, komplexer Datensätze etabliert. VA-Techniken basieren auf Visualisierungen, die es Analysten ermöglichen, ihre visuelle Intelligenz einzusetzen, um Muster in Daten wie allgemeine Trends oder Ausreißer zu erkennen.Diese schnellen Visualisierungen ermöglichen eine rasche Hypothesenbildung beim Erkunden von Daten. Die Flexibilität von VA-Werkzeugen erlaubt es dem Analysten, sowohl hineinzuzoomen, Details aufzuschlüsseln als auch Verbindungen über mehrere Datensätze hinweg aufzubauen, während er deren Beziehungen untersucht. Durch die Anwendung von VA auf integrierte Datenquellen kann der Nutzer neue und wichtige Erkenntnisse ge

facilitating-analysis-immunological-data-with-visual-analytic

Research

Forschung

JoVE Journal

Immunology and Infection

Immunologie und Infektion

Die Immunphänotypisierung im Vollblut ist für die Überwachung des menschlichen Immunsystems unverzichtbar. Die Anzahl der erforderlichen Reagenzien und die Instabilität bestimmter Fluorochrome in vorgemischten Cocktails erfordern jedoch eine tägliche Vorbereitung der Reagenzien. Hier zeigen wir, dass die halbautomatische Herstellung von Färbeantikörpercocktails dazu beiträgt, eine zuverlässige Immunphänotypisierung zu etablieren, indem sie die Variabilität bei der Reagenzienabgabe minimiert.

Ein Semi-automatisierten Ansatz zur Vorbereitung Antikörper-Cocktails für immunphänotypische Analyse von menschlichem peripherem Blut

Hier beschreiben wir einen kompletten Workflow für die qualitative und quantitative Analyse von immun Synapsen zwischen primären menschlichen T-Zellen und Antigen-präsentierenden Zellen. Die Methode basiert auf bildgebende Durchflusszytometrie, ermöglicht die Erfassung und Auswertung von mehreren tausend Zelle Bildern innerhalb relativ kurzer Zeit.

Qualitative und Quantitative Analyse der immun Synapse im menschlichen System mit Hilfe von Imaging Durchflusszytometrie

Studium der Tumor Mikroumgebung kann prognostische und prädiktive Biomarker des klinischen Ansprechens auf Immuntherapie identifizieren. Hier präsentiert, ist eine innovative Methode basierend auf in Situ Fluoreszenz multispektralen imaging, zu analysieren und automatisch verschiedene Subpopulationen von CD8 zählen+ T Zellen. Diese reproduzierbare und zuverlässige Technik eignet sich für große Kohorte Analysen.

Gemultiplext Immunfluoreszenz Analyse und Quantifizierung der intratumorale PD-1+ Tim-3+ CD8+ T-Zellen

ExCYT ist ein MATLAB-basierte grafische Benutzeroberfläche (GUI), die Benutzern erlaubt, ihre Flow Cytometry über häufig Datenanalyse Analysetechniken für hochdimensionale Daten, einschließlich der Reduzierung der Dimensionalität über t-SNE, eine Vielzahl von automatisierten und manuellen beschäftigt Clustering-Methoden, Heatmaps und neuartige hochdimensionalen Fluss Grundstücke.

ExCYT: Eine grafische Benutzeroberfläche für die Straffung der Analyse hochdimensionaler Cytometry Daten

Cytofast ist ein Visualisierungstool, das zum Analysieren der Ausgabe aus Clustering verwendet wird. Cytofast kann verwendet werden, um zwei Clustering-Methoden zu vergleichen: FlowSOM und Cytosplore. Cytofast kann schnell einen quantitativen und qualitativen Überblick über Massenzytometriedaten generieren und die Hauptunterschiede zwischen verschiedenen Clustering-Algorithmen hervorheben.

Visualisierung und Quantifizierung hochdimensionaler Zytometriedaten mit Cytofast und den Upstream Clustering Methods FlowSOM und Cytosplore

Hier beschreiben wir eine einfache und zugängliche Strategie zur Visualisierung, Quantifizierung und Kartierung von Immunzellen in formalinfixierten Paraffin-eingebetteten Tumorgewebeabschnitten. Diese Methode kombiniert vorhandene Bildgebungs- und digitale Analysetechniken mit dem Ziel, die Multiplexing-Fähigkeit und die Multiparameteranalyse von Imaging-Assays zu erweitern.

Visualisierung, Quantifizierung und Kartierung von Immunzellpopulationen in der Tumormikroumgebung

Im Zeitalter der Immuntherapie und des genomischen Profilings von Einzelzellen erfordert die Krebsbiologie neuartige In-vitro- und Computerwerkzeuge, um die Tumor-Immun-Schnittstelle in einem geeigneten raumzeitlichen Kontext zu untersuchen. Wir beschreiben Protokolle zur Nutzung von mikrofluidischen Kokulturen des Tumor-Immunsystems in 2D- und 3D-Umgebungen, die mit einer dynamischen, multiparametrischen Überwachung zellulärer Funktionen kompatibel sind.

Mikrofluidische Co-Kulturmodelle zur Analyse der Immunantwort in in vitro Tumormikroumgebungen

In diesem Artikel wird ein Protokoll zur manuellen Tyramid-Signalverstärkung (TSA) Multiplex-Immunfluoreszenz (mIF) in Kombination mit Bildanalyse und räumlicher Analyse beschrieben. Dieses Protokoll kann mit formalinfixierten Paraffin-eingebetteten (FFPE) Schnitten für die Färbung von zwei bis sechs Antigenen pro Objektträger verwendet werden, je nachdem, welcher Objektträgerscanner im Labor verfügbar ist.

Multiplex-Immunfluoreszenz kombiniert mit räumlicher Bildanalyse zur klinischen und biologischen Beurteilung der Tumormikroumgebung

Dieses Protokoll beschreibt detailliert, wie die Immunzellcharakterisierung der Tumormikroumgebung mittels Multiplex-Immunhistochemie durchgeführt wird.

Immunhistochemische Multiplex-Analyse der räumlichen Immunzelllandschaft der Tumormikroumgebung

Hier beschreiben wir einen neuen High-Content-chemisch induzierte Entzündung Assay mit dem Ziel der Identifizierung von immunmodulatorischen Proteine ​​tätig. Wir haben erfolgreich automatisierte Mikroskopie mit selbst entwickelten Software-Scripte für die automatisierte Quantifizierung der Entzündungsreaktion sowie weitere Datenverarbeitung, Analyse-, Bergbau-und Storage kombiniert.

Die Erleichterung Drug Discovery: Eine automatisierte High-Content-Assay Entzündung im Zebrafisch

Erfahren Sie, wie Visual-Analytics-Techniken mit Tableau die Analyse großer immunologischer Datensätze erleichtern. Diese Methode ermöglicht es Forschern, Muster und Ausreißer schnell zu erkennen und Hypothesen effizient zu generieren.

Erleichterung der Analyse der immunologischen Daten mit Visual analytischen Techniken

Weitere Videos entdecken