August 23rd, 2017
פילוח נתונים תלת-ממדיים של טכניקות הדמיה רבות הוא שמכבידות בניתוח של מערכות ביולוגיות מורכבות. כאן, אנו מתארים את השימוש SuRVoS עבודה, שעליו מונחים באופן אוטומטי למחצה קטע נתונים נפחי-אורך-סולמות שונים באמצעות דוגמה datasets מ טומוגרפיה הקפאה אלקטרונים, הקפאה רך רנטגן טומוגרפיה וטכניקות שלב ניגודיות רנטגן טומוגרפיה.
המטרה הכוללת של הליך זה היא לפלח באופן אוטומטי למחצה מערכי נתונים נפחיים מסובכים בעלי אופי ביולוגי. שיטה זו יכולה לעזור לענות על שאלות מפתח בתחום הביולוגיה המבנית על ידי מתן אפשרות לניתוח איכותי וכמותי של נתונים נפחיים. היתרון העיקרי של טכניקה זו הוא שלמרות ששיטה זו יכולה לספק תובנה לגבי מערכי נתונים ביולוגיים, ניתן ליישם אותה גם בתחומים אחרים כגון מדעי החומרים.
תוכנה זו משתמשת בזרימת עבודה שונה כתוכניות פילוח שעלולות לגרום לקשיים ראשוניים בעת השימוש הראשון ב-SuRVoS. לכן, הדגמה חזותית היא קריטית להבנת זרימת עבודה חדשה זו. פילוח של אזורים גדולים ומוגדרים היטב באמצעות אימון מודלים מודגם במערך נתונים של טומוגרפיה של קרני רנטגן בניגודיות פאזה.
כדי להתחיל בהליך זה, הפעל את שולחן העבודה של SuRVoS. לחץ על הלחצן Open Dataset ובחר את קובץ הנתונים שיש לפלח בחלון הקופץ שנוצר. בחר כיוון מתאים למערך הנתונים.
לאחר מכן, בחר תיקיה שבה יש לאחסן את סביבת העבודה ואת הקבצים המשויכים. לחץ על הלחצן Load. בכרטיסייה בחר החזר ROI, הזן את קואורדינטות ההתחלה והסיום X, Y ו-Z עבור העניין באזור שלנו ולחץ על הוסף.
לאחר הוספת מקטע, ודא שהוא נבחר על ידי סימון התיבה מימין. לאחר מכן, בכרטיסייה ערוצי תכונות, השתמש בתפריט הנפתח כדי לבחור תכונה ולהוסיף אותה לתור. שנה את כל האפשרויות הספציפיות לתכונה ובחר את מערך נתוני הקלט שעליו יש להפעיל את התכונה.
לחץ על תיבת הסימון משמאל לשם התכונה כדי לחשב. ניתן להפעיל תכונות מרובות על אותו מערך נתונים ותכונות מחושבות יכולות לשמש כמערכי נתוני קלט להמשך עיבוד. לאחר מכן בחרו בכרטיסייה Super Regions.
בקטע Super Voxels, השתמש בתפריט הנפתח כדי לבחור את מערך הנתונים המסונן שממנו ייווצרו הסופר ווקסלים. ציין את הצורה, הריווח והקומפקטיות. לחץ על החל כפתור כדי ליצור את הסופר ווקסלים.
כדי להעריך את איכות הסופר ווקסלים, הציגו אותם לבד ללא שכבת הנתונים. אם המאפיינים המעניינים מהנתונים עדיין גלויים בווקסלים הסופר בלבד, הם מייצגים היטב את הנתונים. בכרטיסייה ביאור, לחץ על הוסף רמה לחצן כדי להוסיף רמת ביאור.
לחץ על לחצן הוסף תווית ברמה החדשה שנוצרה כדי להוסיף תווית עבור הביאור. לאחר מכן, בקטע קיצור הכלים, בחר את סמל העט. קבוצת אפשרויות תופיע בחלק העליון של חלונית הפריט החזותי.
בחר באפשרות סופר ווקסלים ועט ברוחב בינוני כדי להתחיל ליצור נתוני אימון עבור אימון המודל. לחץ על התיבה בקצה השמאלי של פרטי התווית כדי לבחור את התווית שיש להוסיף לה ביאורים. לאחר מכן לחץ וגרור בחלונית התצוגה החזותית כדי להוסיף ביאורים למספר סופר ווקסלים.
בכרטיסיה אימון מודל, הגדר את רמת החיזוי לרמה המכילה את ביאורי ההדרכה הידניים. לאחר מכן, בקטע המתאר, הגדר את האזור לסופר ווקסלים. לחץ על התפריט הנפתח בחר מקורות וסמן את התיבות עבור התכונות או המסננים לבחירה כדי לבחור את המתארים שישמשו להבדיל בין אזורי נתונים.
לחץ על כפתור החיזוי. לאחר השלמת החישוב, חלונית התצוגה החזותית תתעדכן עם תחזיות לאיזו תווית ביאור שייך כל ווקסל שאינו מסומן. לאחר הערכת ההשפעה של מתודולוגיות האימון ובחירת מתודולוגיית אימון, לחץ על התפריט הנפתח מקד במקטע המיקוד כדי להחיל חידוד נוסף.
בחלק התחתון של כרטיסיית הדרכת המודל במקטע עדכון ביאורים, ודא שהתפריט הנפתח של התצוגה החזותית מוגדר לתחזיות. לאחר מכן, השתמש במחוון הביטחון כדי להקצות יותר או פחות מהסופר ווקסלים ללא הערות לתוויות הביאורים שנבחרו. לאחר בחירת רמת מהימנות מתאימה, לחץ על לחצני שמור לצד התוויות בתחתית כלי הביטחון כדי לשמור את התחזיות בתוויות ספציפיות.
חלונית התצוגה החזותית תתעדכן כדי לשקף את השינויים שבוצעו. במידת הצורך, חזור על אימון המודל עם חידוד נוסף ותחזיות ביטחון גבוהות עד שיהיו מעט או אין סופר ווקסלים ללא תווית. פילוח של אזורים קטנים ומורכבים יותר באמצעות אזורי על מודגם במערך נתונים של טומוגרפיה קריו-אלקטרונים.
לאחר הוספת רמות ותוויות מתאימות בכרטיסיית הביאור, בחר את התווית. בעזרת עט ברוחב בינוני, התחל להוסיף ביאורים עם סופר ווקסלים שנבחרו. אסטרטגיה אחת לפילוח אזורי על היא לפלח במהירות על פרוסה אחת, להזיז כמה פרוסות מעל או מתחת ולמלא את החסר בפרוסה החדשה.
באופן זה, פרוסות הביניים יקבלו הערות גם כן בפחות מאמץ על ידי המשתמש. לאחר מכן, כדי לנקות עוד יותר את הביאורים, בחר את תווית הפילוח ואחת משיטות החידוד המורפולוגיות. הזינו ערך רדיוס ובחרו כיצד להחיל את שיטת המיקוד.
לאחר מכן לחץ על Refine. סיווג וניתוח של אובייקטי נתונים מודגם על מערך נתונים של טומוגרפיה של קרני רנטגן קריו-רכות. לאחר פילוח מלא של הנתונים, לחץ על הכרטיסייה השנייה בחלונית ההדמיה שנקראת מפצל תוויות.
אזור חדש, חלונית יצירת הכללים, יתווסף לצד השמאלי של החלון. בחלק העליון של חלונית יצירת הכללים, בחר את הרמה והתוויות לפיצול תוויות. לאחר מכן, בחר את ערכת הנתונים לשאילתה ולחץ על תווית.
כל אובייקט בתוויות שנבחרו יסומן כעת בקו מיתאר כחול כאובייקטים נפרדים בחלונית התצוגה החזותית. חלונית יצירת הכללים תכיל כעת תרשים המציג את העוצמה הממוצעת של האובייקטים. לחץ על התיבה הנפתחת בצד ימין למעלה כדי לשנות את המידה המוצגת.
לאחר מכן, לחץ על הוסף תווית חדשה בתחתית חלונית יצירת הכללים כדי להתחיל לפצל את האובייקטים למחלקות רלוונטיות. לחץ על הוסף כלל חדש והשתמש בתיבות הנפתחות והזנת הטופס החופשי כדי להגדיר את הכלל שיש להחיל. לחץ על החל כדי לראות את ההשפעות של הכלל החדש בחלונית התצוגה החזותית ובהתוויה בחלונית יצירת הכלל.
לאחר סיווג כל האובייקטים המעניינים, עבור אל הכרטיסיה ביאורים. צור רמה ריקה חדשה. לאחר מכן בחר רמה חדשה זו בכרטיסיה יצירת כלל ולחץ על שמור תוויות.
לחץ על הכרטיסייה סטטיסטיקת תוויות בקצה חלונית ההדמיה כדי לפתוח חלונית תצוגה חזותית חדשה שניתן להשתמש בה כדי להבין את הקשרים בין מחלקות אובייקטים. בחלק העליון, בחר רמה מתאימה ותוויות ואת ערכת הנתונים לשאילתה. לאחר מכן בחר כמה מדדי עניין על ידי סימון התיבות שלידם.
לחץ על תווית כדי ליצור תרשימי השוואה זוגיים עבור כל אחד מהמדידות שנבחרו. אם יש צורך להוסיף או להסיר מידה, לחץ על תיבת הסימון המתאימה ולאחר מכן לחץ על עדכן תרשים. במחקר זה הודגמו שתי אסטרטגיות פילוח וכלי סיווג אחד בשולחן העבודה של SuRVoS.
לאימון מודלים, נטען מערך נתונים בעל ניגודיות גבוהה יחסית עם גבולות המגדירים אזור. הנתונים מסוננים ומהודקים כדי להפוך את הרקע, החזית והמבנים הפנימיים לניתנים להבחנה רבה יותר. לאחר מכן, סופר ווקסלים נבנים על גבי מערך הנתונים המסונן.
לאחר הערכת איכות הסופר ווקסלים, נעשות הערות ידניות כדי לאמן את המסווג לחזות את האזורים המתאימים לרקע, זיפי הפרי, חומר הזרע והבשר שמסביב. חידודים מורפולוגיים משמשים לניקוי הפילוח על ידי מילוי חורים. עבור פילוח אזורי על, נטען מערך נתונים רועש ומורכב.
לאחר מכן, ערכת מסננים מתאימה מוחלת על אזור העניין שנבחר. לאחר אימון ופילוח מודל, נעשה שימוש בהערות ידניות מהירות כל חמש עד 10 פרוסות כדי לבחור את הסופר ווקסלים המתארים את התכונה המעניינת. לאחר מכן מודגם פיצול תוויות באמצעות מערך נתונים עם אברונים רבים ומגוונים.
ראשית, נעשה שימוש במסנן וריאציה כולל מתאים כדי לשפר את גבולות האברונים. אברונים מפולחים באופן ידני למחצה באמצעות מגה ווקסלים וסופר ווקסלים וזיקוק משמש למילוי חורים והחלקת קצוות. מפצל התוויות משמש להמחשת כל אברון כאובייקט במערך הנתונים ולאחר מכן להמחשת מאפיינים שונים לגבי כל אובייקט בעלילת הנתונים.
כאן, נוצרו כללים כדי להפריד את האברונים לחמש מחלקות נפרדות על סמך תכונותיהם התורשתיות, למשל גודלם או עוצמתם הממוצעת. ניתן להשתמש במפצל התוויות כדי להפיק מידע כמותי על הנתונים ולהתחיל להבין את ההקשר הסלולרי. לאחר צפייה בסרטון זה, אתה אמור להבין היטב כיצד להשתמש בספסל העבודה של SuRVoS לפילוח חצי אוטומטי.
באמצעות הליך זה, ניתן לבצע השוואות של מצבים ביולוגיים מרובים על מנת לענות על שאלות, למשל על מחלות מסוג פרא ולאחר מכן מצבים מטופלים. לאחר שליטה, טכניקה זו יכולה להאיץ את תהליך הפילוח בערך פי חמישה אם היא מבוצעת כראוי. לאחר הליך זה, ניתן להשתמש בתוכניות תצוגה חזותית כדי לעבד את התוצאות לפרסום וליצירת סרטים.
מאמר זה דן בשימוש ב-SuRVoS Workbench לפילוח חצי אוטומטי של ערכות נתונים נפחיות מורכבות בביולוגיה מבנית. השיטה משפרת את הניתוח האיכותי והכמותי של נתונים ביולוגיים, עם יישום המתרחב למדעי החומרים.
Accurate segmentation of complex 3D biological imaging data is a critical bottleneck in structural biology and preclinical target validation, where manual methods are time-intensive and subjective. SuRVoS Workbench addresses this by enabling semi-automated segmentation that reduces processing time by approximately fivefold while improving reproducibility through computationally defined boundaries. This capability supports faster hypothesis testing, mechanistic de-risking, and data-driven decision-making in early discovery workflows.
SuRVoS Workbench fits within the discovery continuum from early target hypothesis testing through lead identification and preclinical validation, particularly where 3D imaging informs biological mechanism or target engagement.