Analyseur de sous-structure : Un flux de travail convivial pour l’exploration rapide et l’analyse précise des corps cellulaires dans les images de microscopie de fluorescence

L’analyseur de sous-structure est un workflow convivial qui effectue l’analyse automatique de plusieurs mesures de microscopie de processus. Cela ne signifie pas zéro tonne de logiciels open source glacé et aussi en utilisant les fonctionnalités de la machine. Fait important, ce flux de travail est abordable resort produire des connaissances et l’analyse des images.

Les images multicanaux sont chargées dans le flux de travail et pré-traitées afin d’améliorer le rapport signal/bruit et d’éliminer l’imagerie ou les défauts. Ensuite, la segmentation de l’image isole les régions d’intérêt, également connues sous le nom d’IA de l’arrière-plan. Plusieurs méthodes de segmentation sont disponibles en fonction du niveau de regroupement et de la nature des objets d’intérêt.

Les objets segmentés sont enregistrés avec un descripteur spécifique dans un dossier spécifique. La force et les signaux sont ensuite analysés dans les lignes et plusieurs fonctionnalités telles que l’emplacement, la taille, la forme dans les textures de densité, mais le nombre et la taille sont exportés dans une feuille de calcul créée automatiquement. Téléchargez Icy sur le site Icy.

Téléchargez ensuite Substructure Analyzer Protocol à partir de la bibliothèque glacée de protocoles. Ouvrez glacé, et cliquez sur les outils dans le menu ruban. Cliquez sur les protocoles pour ouvrir l’interface éditeur protocoles.

Cliquez sur la charge et ouvrez l’analyseur de sous-structure de protocole. Le chargement du protocole peut prendre quelques secondes. Le flux de travail est composé de 13 blocs généraux chaque bloc travaillant comme un pipeline composé de plusieurs boîtes effectuant des sous-tâches spécifiques.

Chaque bloc ou boîte est numéroté et a un rang spécifique dans le flux de travail. En cliquant sur ce numéro, attribuez la position la plus proche possible à la première au bloc sélectionné. Les positions des autres blocs sont réorganisées.

En cliquant sur l’icône du coin supérieur gauche, le bloc peut être effondré élargi. Il peut également être agrandi, rétréci ou enlevé. Chaque pipeline du flux de travail est correct surgi par un réseau de boîtes reliées entre eux par d’autres entrées et sorties.

Pour créer une connexion, cliquez sur une sortie et maintenez jusqu’à ce que le curseur se rapporte à toute entrée. Les connexions peuvent être supprimées en cliquant sur l’étiquette de sortie. Si nécessaire renommer les fichiers de sorte que les séquences à fusionner, ont les mêmes noms préfixe suivie par séparateur distinct.

Par exemple, les séquences de canaux individuels à partir d’une image A sont nommées image A soulignement rouge, image A soulignent le bleu, et ainsi de suite. Dans le même dossier, créez un nouveau dossier par canal pour fusionner. Par exemple, pour fusionner les canaux rouges, verts et bleus, créez trois dossiers et stockez les séquences correspondantes dans ces dossiers.

Utilisez uniquement les canaux de fusion de bloc, supprimez les autres blocs et enregistrez le protocole comme canaux de fusion. Accès aux cases afin de définir des paramètres. Dans la boîte, canal numéro x, choisissez quel canal extraire.

Dans les images RVB classiques, zéro est rouge, un est vert et deux est bleu. Dans la boîte, dossier canal numéro x, Barre oblique inverse le nom du dossier contenant des images du canal x. Dans la boîte, numéro de canal séparé x.

L’utilisation du séparateur pour le nom de l’image. Dans la boîte, couleur carte canal numéro x, indiquer avec un certain nombre quelle colonne de modèle à utiliser pour visualiser le canal correspondant dans Icy. Dans la boîte, format d’images fusionnées, écrivez l’extension pour enregistrer les images fusionnées.

Dans le coin supérieur gauche du bloc de canaux de fusion, cliquez sur le lien directement vers la droite du dossier. Dans la boîte de dialogue ouverte qui apparaît, double clic sur le dossier contenant des séquences du premier canal qui a été défini dans le canal numéro un du dossier de la boîte. Puis cliquez sur ouvrir, a couru le protocole.

Les images fusionnées sont enregistrées dans un dossier fusionné dans le même répertoire que les dossiers des canaux individuels. Segmentation des objets, est l’étape la plus difficile dans l’analyse d’image. Son efficacité détermine l’exactitude des mesures définies qui en résultent.

Ainsi, l’analyseur de structure intègre des algorithmes simples et plus complexes pour proposer différentes alternatives adaptées à la complexité de l’image et aux besoins des utilisateurs. Si les objets ne se touchent pas, l’autre utilisateur n’a pas besoin de différencier les objets groupés individuellement utiliser la segmentation de bloc A.Lorsque les objets ne se touchent pas, mais certains d’entre eux sont à proximité, utiliser la segmentation de bloc B.Pour les objets avec un niveau de clustering élevé et une forme convexe, utilisez la segmentation de bloc C.If objets présentent un niveau de clustering élevé et ont des formes irrégulières , utiliser la segmentation de bloc D.Utilisez la segmentation des blocs dans les clusters cytoplasme pour segmenter le cytoplasme touchant individuellement en utilisant des noyaux segmentés comme marqueurs. Bloc adaptatif pour la segmentation des objets primaires peut traiter indépendamment de sorte que plusieurs blocs, peut être utilisé dans la même course pour comparer leur efficacité pour une sous-structure particulière, ou de segmenter différents types de sous-structures.

Pour illustrer la segmentation, la segmentation de bloc B, qui s’adaptera à un plus grand nombre de problèmes, a été choisie. Pour utiliser ce blog. Tout d’abord, reliez-le pour sélectionner le dossier.

Puis, invoque le signal de canal définir le canal de l’objet au segment. Par exemple, pour correspondre au B, dans la boîte HK signifie, définir le paramètre des classes d’intensité et les tailles minimales et maximales approximatives dans les pixels des objets à détecter. Pour les classes d’intensité, une valeur de deux classera les pixels en deux classes, arrière-plan et premier plan.

Il est ainsi adapté lorsque le contraste entre les objets et l’arrière-plan est élevé. Si les objets de premier plan ont leurs intensités d’origine, ou le contraste avec l’arrière-plan est faible, augmenter le nombre de classes. Dans la boîte, les contours actifs optimisent la détection des bordures d’objets.

Au cours du processus, un dossier sera créé pour enregistrer des images d’objets segmentés. Dans le texte de la boîte, nommez ce dossier, par exemple, en segmentant les noyaux. Pour définir le format pour enregistrer des images d’objets segmentés, remplissez le format de boîte d’images d’objets segmentés, a couru le protocole.

Le dossier est créé dans le dossier contenant des images fusionnées. Différents blocs ont été développés pour s’adapter au nombre de lois et de canaux et de compartiments cellulaires à analyser dans des objets segmentés. Dans l’exemple suivant, pour l’analyse, choisissez l’analyse de fluorescence bloc P.Two canaux dans le même compartiment et le lier pour sélectionner le dossier.

Le bloc de segmentation aurait dû être traité avant que cette analyse ne définisse les paramètres des images du dossier de boîte de réception roi, écrire le nom du dossier contenant des images d’objets segmentés précédés d’une barre oblique inverse. Format boîte de réception d’images d’objets segmentés, écrire le format utilisé pour enregistrer des images d’objets segmentés. Boîte de réception tuer les frontières pour supprimer les deux objets.

Sinon, à l’heure actuelle, l’installation de la collection plus complète J de l’imagerie est nécessaire pour utiliser cette fonction. Dans les boîtes canaliser le signal spot, définir le canal où les taches doivent être détectées. Dans les images RTP classiques, zéro est rouge Un est vert et deux est bleu.

Dans les boîtes nom de molécule localisée, écrire le nom de la molécule localisant dans les taches. Le nombre de champs à répondre dépend du nombre de molécules. Dans les boîtes de longueurs d’onde par bloc de détecteur, définissez les paramètres de détection des taches pour chaque canal individuel.

Afin de traiter différents blocs dans une pièce, gardez les connexions des blocs choisis, avec le dossier de sélection de bloc. Assurez-vous que leurs rangs sont inférieurs au bon traitement du flux de travail. Avant d’exécuter le flux de travail, il est également recommandé de supprimer les blocs inutilisés et d’enregistrer le nouveau protocole avec un autre nom.

Cliquez sur exécuter pour démarrer le flux de travail. Quand il ouvre les yeux regarder les livres apparaît. Double clic sur le dossier contenant les images de l’infirmière Puis cliquez sur Ouvrir, le flux de travail s’exécute automatiquement.

Si le traitement est terminé le message, le flux de travail exécuté avec succès apparaîtra dans le coin inférieur droit, tous les blocs seront marqués avec le signe vert. Si ce n’est pas le bloc et la boîte intérieure présentant le signe de flèche indiquera les éléments corrects. Fait important, plusieurs affichages permettent de visualiser les résultats intermédiaires au cours de chaque course afin de contrôler le traitement.

La rapidité, la flexibilité et la fonctionnalité de ce flux de travail seront limitées à divers exemples. Dans ce premier exemple, nous analysons la translocation nucléaire de NF kappa B.After simulation avec des concentrations croissantes de TNF alpha. Les noyaux et le cytoplasme ont été délimités à l’aide de blocs de segmentation C et E.

Le nf kappa B fleurissent dans le signal a été analysé à l’aide du bloc global d’analyse de translocation. Plus de 40 000 cellules en 96 images ont été analysées en 26 minutes. Les données générées ont été utilisées pour établir cette courbe de réponse à la dose montrant l’induction de la translocation nucléaire NF Kappa B par TNF alpha.

Le flux de travail peut également être utilisé pour détecter la taille du fichier et extraire des informations spécifiques sur leurs fonctionnalités. Ici, des propriétés dans les cellules individuelles ont été détectées en localisant l’EDC pour la protéine. Les noyaux du cytoplasme ont été délimités à l’aide de blocs de segmentation A et E.

EDC4 a été analysé à l’aide de blocs d’analyse de fluorescence C.In cet exemple, le signe cytoplasmique EDC4 ont été détectés dans les deux cellules analysées. La taille en pixels de chaque côté complet est donnée dans la feuille de calcul. Dans cet exemple, nous avons profité de la polyvalence du flux de travail pour étudier les glucides une cinétique plus longue du stress oxydatif.

Signe de force nucléaire de la bobine sont les principaux composants structurels des glucides Leur nombre et leur taille ont été analysés en fonction de la taille, l’état de stress, évalué par des ruptures de double brin localisé avec 53BP1. Les noyaux ont été délimités à l’aide du proxy de segmentation, de la force nucléaire et des signaux de la bobine et du 53BP1, ont été simultanément analysés à l’aide de l’analyse de fluorescence Bloc B.En utilisant les données de 2300 cellules individuelles, nous avons démontré une augmentation significative du nombre de sites greenfield après induction de stress associée à une diminution de leur taille. Ces données suggèrent fortement que le stress oxydatif modifie la puissance de nucléation d’un hydrate de carbone en utilisant une distribution plasmique nucléaire en nombre de plus petit nucléaire pour le site pour justifier un changement dans l’expression de la bobine pourrait modifier sa localisation et changer la nucléation des corps courbes.

Une protéine exogène de fusion de bobine de GFP a été surexprimée. Les caractéristiques de notre corps ont été analysées en fonction du niveau de surexpression de la bobine GFP. Les noyaux ont été délimités à l’aide du bloc de segmentation A.Les signaux fluorescents de la bobine et de la bobine GFP, ont été simultanément analysés à l’aide du bloc d’analyse de fluorescence B.Le niveau de surexpression de la bobine GFP a été reflété par la densité signifiante du signal GFP dans les noyaux individuels.

Les données générées par l’analyseur de sous-structure montrent que la bobine de GFP dans la surexpression augmente considérablement la taille et le nombre de glucides. Depuis le stress oxydatif augmente le nombre de glucides, mais réduit leur taille. Ces données pourraient refléter que l’effet de stress oxydatif sur la structure des glucides est très probablement induit par un changement de leur composition plutôt que par un effet sur une certaine quantité de bobine.

Ainsi, l’analyseur de structure est un flux de travail hautement modulaire pour l’analyse d’images biologiques. Il peut être adapté à plusieurs contextes, de la simple fusion des canaux à la quantification de plusieurs étages et signaux dans des milliers de cellules. Il intègre également des algorithmes de segmentation simples et complexes en fonction de la complexité de l’image et automatise l’extraction des entités de signal fluorescent.