Name: 비주얼 분석 기법과 면역 데이터 분석을 촉진 (동영상) | JoVE Journal
Uploaded: 2011-01-02T17:00:00.000+00:00
Duration: 10 min 58 s
Description: 배우세요 면역학 데이터 분석을 위한 비주얼 애널리틱스 기법을 활용하여 Tableau로 복잡한 데이터셋에서 패턴과 이상치를 시각적으로 식별하는 방법을. 이 접근법은 연구자들이 대규모 생물의학 데이터에서 가치 있는 통찰을 효율적으로 도출하도록 돕습니다.

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

우리는 프로젝트에 대한 의견과 조언을 제공을위한 비주얼 분석 (VIVA)의 밴쿠버 연구소의 구성원을 감사드립니다. 특히, 우리는 존 딜, 브라이언 피셔, 데이비드 다빌 감사하고 싶습니다. 우리는 또한 그들의 지원과 도움이 토론에 대한 Kollmann 실험실의 구성원을 감사드립니다. 이 작품은 국립 알레르기 연구소 전염성 질환, 건강 그랜트 N01 AI50023 국립 연구소에 의해 부분적으로 지원되었다; 알레르기 항원의 제정신의 보조금 07 - A1A 및 07 - B2B 및 건강 연구에 대한 마이클 스미스 재단. TRK는 식 - 어린이 재단, 어린이 가정 연구소와 협력 캐나다 어린이 보건 임상 과학 프로그램의 보건 연구 교육 그랜트를 위해 캐나다의 연구소에 의해 버로우즈 웰컴 펀드 광고에서 의생명 과학의 경력 수상 (에 의해 일부 지원 브리티시 컬럼비아), 여성과 어린이 건강 연구소 (앨버타) 및 아동 보건 연구소 마니토바.

1. 테이블오을 탐험 기반 분석 <ol><li> 당신은 데이터 세트를 당신은 데이터 내의 열 사이의 다양한 관계를 탐험 싶어요. <ol><li> (그림 1) '데이터에 연결'을 클릭하여 DataSet을 가져옵니다. 데이터 원본 유형을 선택하고 데이터 집합을 가져올 지침을 따르십시오. </li><li> (그림 1) 측정 선반은 DataSet에서 숫자 컬럼을 포함하는 동안 크기의 선반이 범주에 속하는 열이 포함되어 있는지 확인합니다. 가 numerated있다면 가끔은 그런 주제 식별자로 차원 칼럼은 조치로 나타날 수 있습니다. 그것에 마우스 오른쪽 클릭하여 크기로 변경하고 '차원 변환'을 선택합니다. 그림 1에서와 같은 자극 농도 수준과 주제 식별자로 DataSet에서 무조건적인 열이 제대로 차원의 선반에 배치하고 있으며, 크린 시토킨의 관찰된 농도가 제대로 측정 선반에 배치됩니다. </li><li> (그림 2) 분석 과정, 계산 필드가 필요한 경우, 단순히 오른쪽 크기 또는 측정 선반 중 하나를 클릭하고 '계산 필드 만들기'를 선택합니다. 기능이나 수학 연산과 결합 필드의 수식 상자에서 계산 입력. 그림 2는 PFD2, PFD3 및 PFD4 가치를 통합하여&gt; 2 PFD라는 새로운 분야를 만드는 방법을 보여줍니다. </li><li> (그림 3) 차원과 관심의 척도로 일반적으로 테이블오에서 2 - D 음모를 생성합니다. 인터페이스가 간단한 드래그 앤 드롭 상호 작용을 제공하므로, 치수 및 측정의 선택을 쉽게 변경할 수 있습니다. 크기는 일반적으로 행 선반의 열 선반, 그리고 대책에 배치됩니다. 그림 3에서 치수 선반 자극 농도 수준을 포함​​하고 측정 선반 크린 시토킨의 관찰 농도 수준을 포함​​하고 있습니다. </li><li> (그림 3) 특정 차원, 장소에 의해 시각화를 차별하는 차원의 특성에 따라 텍스트, 색상 또는 크기 선반의 치수 라벨. 텍스트 선반은 선택된 차원에서 제공하는 텍스트 정보를 라벨로 시각화 데이터를 차별화하려고 시도합니다. 색상과 크기 선반이 자동으로 각 선반의 하단에있는 스크롤 막대로 조절할 수있는 색상과 크기에 따라 데이터를 구분합니다. 그림 3에, 컬러 선반의 유전자형을 배치하는 것은 서로 다른 색상의 세 genotypes의 분리에 이르게한다. </li><li> (그림 3)은 다른 차원에서 특정 열 변수를 사용하여 시각화를 필터링합니다. 이것은 필터를 선반에 치수 라벨을 드래그하여 수행할 수 있습니다. 창이 선택할 수있는 값 목록과 함께 나타납니다. 선택한 값을 시각화에 남아있는 유일한 값이됩니다. </li><li> (그림 4) 다른 차원과 시각화를 결합하거나 시각화의 행렬을 생성하는 측정 수 있습니다. 이것은 열 선반에 여러 차원을 포기하고, 행 선반에 여러 조치를 할 수 있습니다. 그림 4는 열 선반에 두 개의 서로 다른 차원을 배치하여 두 열 시각화 매트릭스의 예제가 포함되어 있습니다. </li><li> 비슷한 시각화를 생성하려면, 오른쪽 하단 왼쪽 모서리에있는 현재 시트를 클릭하고, '중복 시트'를 선택. </li><li> 당신이 데이터에 대해 새로운 가설을 생성하는 데 도움이 될 수 있습니다 흥미 동향 또는 outliers을 확인하기 위해 분석 과정을 반복합니다. </li></ol></li><li> 당신은 동일한 소스에서 생성된 여러 개의 데이터 세트를 가지고 있고, 이러한 데이터 세트 사이 가능한 연결을 탐험 싶어요. <ol><li> 테이블오가 동일한 연결을 통해이 데이터 집합에 연결할 수 있도록, 같은 통합 문서에 같은 소스, 즉 두 개 스프레드 시트에 여러 개의 데이터 세트를 배치합니다. </li><li> (그림 5) 다중 데이터 세트에 대해 동일한 크기가 선택되었는지 확인하고, 핵심 가치를 논리적으로 가입을 통해 데이터 세트를 연결합니다. 그림 5에서 가입을위한 5 가지 주요 가치가 없습니다 : 셀 유형, 자극 농도 수준, 단계 또는 그룹, 자극, 그리고 주제 식별자입니다. </li><li> 섹션 1.1와 유사한 분석을 수행합니다. </li></ol></li></ol> 2. 프레 젠 테이션 기반 요구 <ol><li> 당신은 데이터 간의 관계를 알아,하지만 당신은 신속하게 프레 젠 테이션에 사용하기 위해 시각화의 목록을 생성할 수있게되고 싶어요. <ol><li> 섹션 1.1에 명시된 프로토콜을 따라하고, 그에 따라 시각화를 주석. </li><li> 시각화의 이미지를 생산하는 테이블오의 수출 기능을 사용하십시오. </li></ol></li><li> 당신은 테이블오 통합 문서에서 강력한 시각화의 집합을 생성하고 통합 문서를 공유하고자합니다. <ol><li> 테이블오 포장 통합 문서로 통합 문서를 저장하고이 파일을 공유할 수 있습니다. </li><li> 테이블오 데스크탑없이 동료 패키지 통합 문서를 엽니다 테이블오 리더를 다운로드하실 수 있습니다. 테이블오 리더는 동료가 만든 시각화와 상호 작용 할 수 있습니다. </li></ol></li></ol> 3. 대표 결과 <img src="/files/ftp_upload/2397/2397fig1.jpg" alt="그림 1" data-altupdatedat="1787634011000" data-alt="그림 1"> 그림 1. 스크린샷엑셀 파일 demo.xls에서 NFKBIA라는 스프레드 시트를 가져온 후 테이블오니다. 치수 및 측정 선반 제대로 각각 여지없이 및 수치 데이터로 채워집했다. <img src="/files/ftp_upload/2397/2397fig2.jpg" alt="그림 2" data-altupdatedat="1787634011000" data-alt="그림 2"> 그림 2. 계산 필드 창이 테이블오에서 사용할 수있는 특별한 계산 필드를 만들 호출됩니다. 하단의 왼쪽 상자에있는 목록은 식별 가능한 필드를하는 데 도움이, 그리고 오른쪽에있는 목록이 수식에서 사용할 수있는 함수의 약어를 포함하고 있습니다. 이 예제에서, 우리는 PFD&gt; 2로 참조하는 최종 가치를 얻기 위해 PFD4, PFD3 및 PFD2에 대한 값을 추가하려고 <img src="/files/ftp_upload/2397/2397fig3.jpg" alt="그림 3" data-altupdatedat="1787634011000" data-alt="그림 3"> 그림 3. 자극 농도 수준 비교 관찰 시토킨 농도의 시각화. 시각화는 시토킨 TNF - α의 농도 관찰에 대한 자극 3M - 002의 서로 다른 농도 수준의 음모를 보여줍니다. 라인의 색상은 우리의 타고난 면역 연구에 개인의 NFKBIA 유전자의 단일 염기 다형성에 대한 다른 genotypes를 참조하십시오. <img src="/files/ftp_upload/2397/2397fig4.jpg" alt="그림 4" data-altupdatedat="1787634011000" data-alt="그림 4"> 그림 4. 두 열 시각화 모체의 스크린샷. 우리는 두 자극, 3M - 003 및 LPS에 반응 나란히 비교를 용이하게하기 위해 두 개의 열 매트릭스를 생성. X - 축 두 자극의 다른 농도 수준 및 Y 축 플롯 계산 필드 (Calculated Field)의 값을, PFD&gt; 2입니다. <img src="/files/ftp_upload/2397/2397fig5.jpg" alt="그림 5" data-altupdatedat="1787634011000" data-alt="그림 5"> 그림 5. 이러한 테이블오 대화 창이 다른 스프레드 시트에 기록된 데이터를 연결하는 방법을 보여줍니다. 다른 스프레드 시트에서 연결 데이터는 키 값을 사용하여 이러한 논리 가입 조항을 결합하여 수행할 수 있습니다. <table border="1"><tbody><tr><td></td><td colspan="10"> 시각화 및 분석 도구 </td></tr><tr><td> 기능 </td><td> 테이블오 </td><td> VIS - 스탬프 </td><td> xmdvtool </td><td> GGobi </td><td> 별빛 </td><td> Gapminder </td><td> Visulab </td><td> InfoVis 툴킷 </td><td> Geotime </td><td> 영감 </td></tr><tr><td> 병렬 음모를 조정 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 아니 </td></tr><tr><td> 스캐터 플롯 매트릭스 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td></tr><tr><td> 차원 감소 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td></tr><tr><td> 시간적 차원 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 아니 </td></tr><tr><td> 지리 크기 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 아니 </td></tr><tr><td> 텍스트 마이닝 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 예 </td></tr><tr><td> 데이터를 직접 조작 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 아니 </td></tr><tr><td> 필터링 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td></tr><tr><td> 다른 플랫폼으로 확장 (예를 들어, R) </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 아니 </td><td> 아니 </td></tr><tr><td> CSV 테이블 형식 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td></tr><tr><td> XML 데이터 형식 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 아니 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 아니 </td></tr><tr><td> 1 대처할 수0000 + 행 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 예 </td></tr><tr><td> 문서 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td><td> 예 </td></tr><tr><td> 상용 제품 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 아니 </td><td> 아니 </td><td> 아니 </td><td> 예 </td><td> 예 </td></tr></tbody></table> 시각적 분석 도구와 기능 중 일부 표 1. 목록.

<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>

관심 없음 충돌 선언하지 않습니다.

현대 생물 의학 연구에 높은 처리량 기술의 출현은 분석보다 효율적인 방법을 필요로 연구 데이터의 폭발되었다. 영상 분석 (VA)는 인터랙티브 비주얼 인터페이스 (1)에 의해 촉진 분석 추론의 과학이다. VA 방식은 컴퓨터에 의해 패턴을 감지하는 전통적인 접근에 반하는 인간 분석의 손에있는 분석 능력을 복원합니다. 영상 분석은 이러한 국방 연구 (1) 허리케인 동향 (2) 등 다양한 분야의 연구에 적용되었습니다. 지금까지 생물학 VA 애플 리케이션 (3) 몇 예가있다. 우리는 VA 분석 도구의 생물학의 무기고에 추가할 수있는 방법입니다이 동영상을 문서에 보여주었다. 많은 VA 소프트웨어는 상업적으로 사용할 수 있습니다 - 사람을 학문 연구소에서 개발하는 사람에 이르기까지 사용할 수 있습니다. 신생아 타고난 면역력 (4)에서 저희가하는 일을 위해, 우리는 때문에 실험실에서 사용할 수있는 스프레드 시트 스타일의 데이터 세트를 분석에서의 적합성 테이블오를 선택했습니다. 우리가 비디오 문서에서 설명하는 일부의 다른 VA 도구, 생물 학...

비주얼 분석 기법과 면역 데이터 분석을 촉진

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

영상 분석 (VA)는 인터랙티브 영상 디스플레이를 통해 대형 데이터 세트를 분석하는 새로운 방법으로 떠오르고있다. 우리는 유틸리티 및 생물 학적 데이터 세트의 분석에 VA 방식의 유연성을 보여주었다. 면역학에서 이러한 데이터 세트의 예는 유동세포계측법, Luminex 데이터, genotyping (예 : 단일 염기 다형성) 데이터를 포함합니다. 전통적인 정보 시각화 방식과는 반대로, VA는 분석이 실시간 데이터 탐사 과정에 참여할 수 있도록함으로써 애널리스트의 손에 분석 능력을 복원합니다. 우리는 몇 가지 VA 도구를 평가 후 테이블오라는 VA 소프트웨어를 선택했습니다. 분석 작업 집합 내의 사이 분석의 두 가지 유형의 접근 이점 분석라는 사용하여 비디오 프레 젠 테이션에서 시연했다. 로 VA에 정의된 결합하여 분석, VA 도구 전문가는 분석 도중에 도메인 전문가와 함께 나란히 작동하는 분석 방법입니다. 도메인 전문가는 데이터의 중요성을 이해하고, 수집된 데이터가 주소에있는 것 같은 그런 질문을 한 것입니다. 도구 전문가 그런 다음 질문에 대답 수있는 데이터의 패턴을 찾을 수 있도록 시각화를 생성합니다. 가설 생성 및 데이터의 빠른 영상 표시 사이의 짧은 지연 시간은 VA 방식의 큰 장점입니다.

영상 분석 (VA)는 대화식으로 데이터를 분석하는 새로운 접근 방식입니다. 이 비디오에서는, 우리는 높은 처리량 생물학 실험에 의해 가져온 데이터 과부하 문제를 논의하고, 그러한 문제에 대한 솔루션으로 VA를 만나볼 수 있습니다. 비디오 이내에 테이블오라는 VA 도구를 사용하여 면역 데이터 세트 사이의 분석을 보여줍니다.

시각적 분석(Visual analytics, VA)은 인터랙티브 시각적 디스플레이를 통해 대규모 데이터 세트를 분석하는 새로운 방법으로 부상했습니다. 본 연구에서는 ...의 유용성을 입증하였습니다.

시각적 분석 기술을 이용한 면역학적 데이터 분석의 용이성 확보. 데이터 수집 및 저장 능력은 빠르게 발전한 반면, 그에 비해 데이터를 처리하고 분석하는 능력은 거의 진전이 없었습니다. 그 결과, 생의학 연구실에는 대규모 데이터 세트가 존재하는 경우가 많지만, 이를 효과적이고 효율적으로 분석하지 못하고 있습니다.이처럼 잠재적으로 풍부하고 강력한 정보들이 저장 시스템의 심연 속에서 소실되곤 합니다. 이에 따라 방대하고 복잡한 데이터 세트를 분석하는 새로운 방법으로 시각적 분석(Visual analytics, VA)이 등장했습니다. VA 기술은 분석가가 자신의 시각적 지능을 활용하여 일반적인 추세나 이상치와 같은 데이터 내의 패턴을 포착할 수 있게 하는 시각화에 기반합니다.이러한 빠른 시각화는 데이터를 탐색하는 동안 신속하게 가설을 형성할 수 있게 해줍니다. VA 도구의 유연성 덕분에 분석가는 데이터 간의 관계를 탐색하면서 확대, 세부 분석 및 여러 데이터 세트 간의 연결을 구축할 수 있습니다. 통합된 데이터 소스에 VA를 적용함으로써 사용자는 새롭고 중요한 발견을 도출할 수 있습니다.부모 분석(Parent analysis)은 VA 도구 전문가와 기술 전문가(도메인 전문가로도 알려짐)가 협력하여 도메인 전문가가 데이터에 대해 생물학적으로 유의미한 질문을 던지는 VA 접근 방식 중 하나입니다. 그러면 VA 도구 전문가는 해당 질문에 답하거나 추가 탐색으로 이어질 수 있는 패턴을 밝히는 데 도움이 되는 시각화를 생성합니다. 이 과정은 통찰력을 제공하는 다양한 시각화를 구축하기 위해 반복될 수 있습니다.본 연구에서는 대규모 복합 생물 의학 데이터 세트에 대한 쌍 분석(paired analysis) VA 접근법의 적합성을 테스트하고자 하였습니다. 사전 파일럿 실험을 통해 현재 문제에 적합한 기존 VA 도구들을 여러 가지 평가하였으며, 그 결과 Tableau Software의 Tableau가 본 작업에 가장 적합한 도구인 것으로 판단하여 선택하였습니다.이些 파일럿 실험의 선정 기준은 사용자 친화성, 전반적인 사용성과 같은 주관적 매개변수뿐만 아니라 상호작용 기법의 범위 및 시각화 기능과 같은 객관적인 기술적 특성을 기반으로 하였습니다. 여기에는 감염성 질환 분야에서 활동하는 실험실의 전형적인 데이터 세트인 Microsoft Excel 스프레드시트가 있습니다. 이 세트에는 피험자 식별자와 유전적 DNA 서열의 변이에 관한 데이

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

Research

연구

JoVE Journal

Immunology and Infection

면역학 및 감염학

전혈 면역표현형은 인간의 면역 체계를 모니터링하는 데 필수적입니다. 그러나 필요한 시약의 수와 사전 혼합된 칵테일에서 특정 형광 색소의 불안정성으로 인해 매일 시약을 준비해야 합니다. 여기에서는 염색 항체 칵테일의 반자동 제제가 시약 분주의 변동성을 최소화하여 신뢰할 수 있는 면역 표현형 분석을 확립하는 데 도움이 된다는 것을 보여줍니다.

사람 말초 혈액의 Immunophenotypic 분석에 대한 항체 칵테일을 준비하는 반 자동화 된 접근

여기, 우리는 기본 인간 T 세포와 항 원 제시 세포 면역 시 냅 스의 정성 및 정량 분석을 위한 완벽 한 워크플로우를 설명합니다. 메서드 인수 및 시간의 상대적으로 짧은 기간 내에 몇 천 셀 이미지의 평가 허용 하는 이미징 cytometry를 기반으로 합니다.

Cytometry 이미징 사용 하 여 인간의 시스템에 면역 시 냅 스의 질적 및 양적 분석

종양 microenvironment 공부 immunotherapy 임상 응답의 전조 또는 예측 생체를 식별할 수 있습니다. 여기에 제시, 혁신적인 방법을 기반으로 현장에서 형광 multispectral 이미징 분석 하 고 CD8의 자동으로 다양 한 부분 모집단을 계산+ T 세포. 이 재현 하 고 신뢰할 수 있는 기술은 대형 코 호트 분석에 적합 합니다.

면역 형광 분석 및 Intratumoral+ PD-1 팀-3+ CD8의 정량화를 다중화+ T 세포

ExCYT는 MATLAB 기반의 그래픽 사용자 인터페이스 (GUI) 사용자가 일반적으로 통해 교류 cytometry 데이터 분석을 수 고용 t-SNE, 자동 및 수동의 다양 한 통해 차원 감소를 포함 하 여 높은 차원 데이터에 대 한 분석 기법 이다 클러스터링 메서드, heatmaps, 및 소설 높은 차원 흐름을 플롯 합니다.

ExCYT: 높은 차원 Cytometry 데이터의 분석을 합리화 하기 위한 그래픽 사용자 인터페이스

Cytofast는 클러스터링에서 출력을 분석하는 데 사용되는 시각화 도구입니다. Cytofast는 두 가지 클러스터링 방법을 비교하는 데 사용할 수 있습니다: FlowSOM 및 Cytosplore. Cytofast는 질량 세포 분석 데이터의 정량적 및 질적 개요를 신속하게 생성하고 서로 다른 클러스터링 알고리즘 간의 주요 차이점을 강조 할 수 있습니다.

Cytofast 및 업스트림 클러스터링 방법 FlowSOM 및 Cytosplore를 사용하여 고차원 세포 측정 데이터의 시각화 및 정량화

여기에서는, 우리는 포르말린 고정된 파라핀 내장된 종양 조직 단면도에 있는 면역 세포를 구상하고, 정량화하고, 매핑하기 위한 간단하고 접근가능한 전략을 기술합니다. 이 방법론은 기존의 이미징 및 디지털 분석 기법과 이미징 분석의 다중 분석 기능 및 다중 매개 변수 분석을 확장하는 목적으로 결합합니다.

종양 미세 환경에서 면역 세포 집단의 시각화, 정량화 및 매핑

면역 요법 및 단일 세포 게놈 프로파일링 시대에 암 생물학은 적절한 시공간 맥락에서 종양-면역 인터페이스를 조사하기 위한 새로운 시험관 내 및 전산 도구를 필요로 합니다. 우리는 2D 및 3D 설정에서 종양 면역 미세유체 공동 배양을 활용하기 위한 프로토콜을 설명하며, 세포 기능의 동적 다중 매개변수 모니터링과 호환됩니다.

in vitro 종양 미세환경에서 면역 반응을 해부하기 위한 미세유체 공동 배양 모델

이 기사에서는 이미지 분석 및 공간 분석과 결합된 수동 티라마이드 신호 증폭(TSA) 다중 면역형광(mIF)을 위한 프로토콜에 대해 설명합니다. 이 프로토콜은 실험실에서 사용할 수 있는 슬라이드 스캐너에 따라 슬라이드당 2-6개의 항원을 염색하기 위해 포르말린 고정 파라핀 포매(FFPE) 섹션과 함께 사용할 수 있습니다.

종양 미세 환경의 임상 및 생물학적 평가를 위한 공간 이미지 분석과 결합된 Multiplex Immunofluorescence

이 프로토콜은 다중 면역조직화학을 사용하여 종양 미세환경의 면역 세포 특성 분석을 수행하는 방법을 자세히 설명합니다.

종양 미세환경의 공간 면역 세포 풍경에 대한 다중 면역조직화학적 분석

여기 면역 - modulatory의 bioactives의 식별을 목표로 소설 높은 콘텐츠를 화학적으로 유도된 염증 분석을 설명합니다. 우리는 성공적으로 염증 반응뿐만 아니라 추가로 데이터 처리, 분석, 마이닝, 그리고 저장 장치의 자동 부량을 활성화하는 사용자 정의 개발 소프트웨어의 스크립트와 자동화된 현미경을 결합했습니다.

촉진 약물 디스커버리 : Zebrafish의 자동화된 하이 컨텐츠 염증 분석

배우세요 면역학 데이터 분석을 위한 비주얼 애널리틱스 기법을 활용하여 Tableau로 복잡한 데이터셋에서 패턴과 이상치를 시각적으로 식별하는 방법을. 이 접근법은 연구자들이 대규모 생물의학 데이터에서 가치 있는 통찰을 효율적으로 도출하도록 돕습니다.

비주얼 분석 기법과 면역 데이터 분석을 촉진

더 많은 동영상 탐색