コンピュータビジョンライブラリを使用して核の定量を効率化

私たちは、細胞モデルからの代謝データを正規化してメカニズムを特定し、温熱療法によって誘発される骨格筋の適応を強調し、最終的には前糖尿病患者の代謝の健康を改善するためにこの方法を開発しました。

実験的正規化のために核を数える必要があります。原子核の手動定量化には、観察者のバイアス、時間、さまざまなサンプルや条件に遭遇する際の変動性などの課題があります。

当社のプログラムはオープンソースであり、さまざまなレベルのコーディング関連の技術スキルを持つ科学者による使いやすさを保証し、原子核を迅速かつ正確に定量するという特定のタスクに対して検証されています。

この技術により、NIA が資金提供した最近の臨床研究から、筋肉とミトコンドリアの健康上の利点に対する温熱療法の潜在的な効果の根底にあるメカニズムを客観的に検証することができます。

[ナレーター]まず、コンピュータシステムでWebブラウザを起動し、github.com およびNucleiカウンタリリースに移動します。Count nuclei.zipという名前のファイルの最新バージョンをダウンロードします。[ダウンロード] フォルダーから zip ファイルを右クリックし、[すべて抽出] を選択して、ローカル コンピューター上の目的の場所にファイルを抽出します。次に、検索バーでCMDまたはコマンドプロンプトを検索して、コマンドプロンプトを開きます。CD コマンドを使用して、ディレクトリを実行可能ファイルのファイル パス (ダウンロード フォルダーから抽出したアプリケーション ファイル) に変更します。次に、Enter キーを押してディレクトリの変更を確認します。次のコマンド ラインで、画像へのパスを、分析する画像を含むフォルダーへのファイル パスに置き換えます。出力パスと、.csv ファイルを保存するフォルダーへのファイル パスで出力するパスで、出力に必要なファイル名でresults.csvします。画面にコード例が表示され、引用符で囲まれたように画像と出力へのファイルパスを挿入できます。結果ファイル名としてresults.csvを使用するか、別のファイル名を指定します。次に、Enter キーを押します。次のコマンドラインが表示されたら、処理が完了したことを確認します。等高線と結果スプレッドシートが、指定した出力ディレクトリで使用可能であることを確認します。輪郭を目視で検査し、カウントと比較して、データを正規化する前にカウントの品質を確認します。ブラウザを開き、github.com の核カウンターに移動します。緑色のコードボタンをクリックし、[ZIPのダウンロード]を選択してコードリポジトリをダウンロードします。Mac OSの場合は、[ダウンロード]フォルダからファイルメニューをクリックし、[開く]を選択してファイルをローカルコンピュータに抽出します。コードリポジトリを含む nuclei_counter main という名前の抽出フォルダーに移動します。フォルダをアクセス可能な場所に保存し、テキストドキュメント内のファイルパスをメモします。次に、Command + スペースバーを押して Spotlight を開きます。次に、Spotlight に「terminal」と入力し、ターミナル アプリケーションを選択します。CD コマンドを使用して、テキスト ドキュメントからファイル パスをコピーして貼り付け、Enter キーを押すことで、ディレクトリをコード リポジトリ パスに変更します。次のコマンド行で、ドル記号の後にスペースがあることを確認します。次に、指定されたコマンドを入力し、Enter キーを押して必要なライブラリをインストールし、編集可能モードを有効にします。スペースなしで表示されているように、pip の直後に適切な Python バージョンを含めます。次のコマンドラインで画面上のコマンドを入力して、ディレクトリをメインのソースコードディレクトリ(画面に示されているようにCDニュークリアカウンタ)に変更します。次に、必要に応じてファイルパスを置き換える画面上のコマンドを入力し、Enter キーを押します。次のコマンドラインが表示されたら、処理が完了したことを確認します。等高線と結果スプレッドシートが、指定した出力ディレクトリで使用可能であることを確認します。輪郭を目視で検査し、カウントと比較して、データを正規化する前にカウントの品質を確認します。自動プログラムによって生成された画像内のすべての核は、核が正常にカウントされたことを示す緑色の実線の輪郭で輪郭が描かれました。2 つの手動カウント間の評価者間の信頼性は優れており、クラス内相関係数は 0.999 を超え、P 値は 0.0001 未満でした。自動プログラムは、クラス内相関係数が0.993、P値が0.0001未満の平均手動カウントと比較した場合、優れた信頼性を示しました。優れた信頼性は、クラス内相関係数が0.986〜0.998の範囲で、すべての細胞密度四分位で観察され、すべてP値が0.0001未満でした。複数の核が集まっている領域や、ハローなどのアーティファクトがある領域は、自動プログラムによって正確にカウントされませんでした。これらの潜在的な問題と、考えられる原因、および自動核定量ワークフローの画質と精度の両方を向上させるためのトラブルシューティング手順が、画面上の表にリストされています。