Kwantificeren van Röntgen fluorescentie gegevens met behulp van MAPS
17 februari 2018
Hier, tonen we het gebruik van de X-ray software voor de montage van de fluorescentie, kaarten, gemaakt door Argonne National Laboratory voor de kwantificering van de fluorescentie microscopie gegevens. De gekwantificeerde gegevens die het resultaat is nuttig voor het begrijpen van de elementaire distributie en stoichiometrische verhoudingen binnen een steekproef van belang.
Synchrotronbased röntgenfluorescentie is een belangrijke techniek voor het waarnemen van elementaire segregatie, stoichiometrische relaties en clusteringgedrag in monsters uit een groot aantal vakgebieden, waaronder biologie, chemie en materiaalwetenschap. De informatie die uit deze studies is verkregen, is kwalitatief totdat geschikte kwantificeringsprocedures worden gebruikt om de ruwe fluorescentietellingen om te zetten in elementaire oppervlaktemassa's. Deze video zal laten zien hoe het kwantificeringsprogramma dat is gemaakt door Argonne National Laboratory, kan worden gebruikt om numerieke informatie voor tweedimensionale röntgenfluorescentiekaarten te genereren.
Om het MAPS-programma te gebruiken, is het eerst noodzakelijk om de IDL-software van internet te downloaden. Dit kan momenteel worden gedaan door naar de website van IDL te gaan en een account aan te maken. Selecteer vervolgens Mijn account en vervolgens Downloads, en er verschijnt een pagina met alle beschikbare programma's.
Scroll naar beneden en selecteer de meest recente versie van IDL. Vervolgens kan MAPS worden gedownload van de website van Argonne National Laboratory. Na het downloaden en uitpakken van de zip-map, zouden er vier bestanden moeten zijn.Compound.
dat, henke. xdr, maps en xrf_library.csv. De drie andere bestanden dan maps moeten worden gekopieerd en geplakt in de IDL-submap genaamd lib.
Voor Windows-computers is deze waarschijnlijk te vinden in Program Files onder de map Exelis. Over het algemeen is het handig om de fitting vanaf het bureaublad uit te voeren, maar het is van cruciaal belang dat de mapnaam en de pad niet worden bevat ruimtes of speciale tekens anders zal MAPS een fout produceren bij het proberen de fitting uit te voeren. Als het pad naar het bureaublad ruimtes bevat, plaatst u de map elders.
Bijvoorbeeld, direct binnen de C-schijf. Voor deze demonstratie zal ik de Fitting Folder en de MAPS. sav pictogram op het bureaublad plaatsen voor gemakkelijke toegang.
Plaats binnen deze map de bestanden maps_fit_parameters_override. txt en maps_settings.txt. Voorbeelden van deze bestanden zijn beschikbaar in de ondersteunende documenten.
Maak vervolgens een map met de naam mda en plak het gekozen high-resolutie-mapbestand dat aanvankelijk voor de fitting wordt gebruikt. Bestanden voor de standaardfitting worden ook toegevoegd en moeten één of vier bestanden bevatten, afhankelijk van het aantal detectorelementen dat door de sector wordt gebruikt. Deze bestanden geven de standaard aan.
Als de AXO-standaard werd gebruikt, dan moet het bestand worden genoemd axo_std. mca, anders als de NIST of een andere standaard werd gebruikt, kan deze alles worden genoemd dat eindigt op mca, omdat deze bestanden later worden geselecteerd. Voor een detector met vier kwadranten moeten het standaard- en fit_parameterbestanden zo worden genoemd, variërend van mca0 tot mca3 en txt0 tot txt3 en inclusief één fit_parameters-bestand dat eindigt op txt.
Controleer vervolgens het maps-instellingenbestand dat het juiste aantal detectorelementen gebruikt. In het geval van deze fitting werd één detectorelement gebruikt. Met de fitting-map voorbereid, open MAPS en wijzig de directory in de zojuist gemaakte map op het bureaublad.
Klik vervolgens op OK en ga naar configuratie. Het configuratievenster heeft een verscheidenheid aan functies die de parameters voor de fitting instellen. Selecteer eerst de straal die representatief is voor de straal die voor de metingen is gebruikt.
Als de metingen zijn genomen bij Argonne National Laboratory, dan moet de straal direct overeenkomen. Anders is er aanvullende informatie over welke selectie te gebruiken in het manuscript opgenomen. Selecteer vervolgens het mda-bestand dat zal worden gebruikt en typ vervolgens de incidente energie die voor de meting is gebruikt.
Selecteer startverwerking en wacht tot het programma is voltooid. Zodra het voltooid is, ga naar bestand en selecteer vervolgens de eerste optie. Open XRF-afbeelding gemiddeld of enkel element.
Een reeks nieuwe mappen moet door het programma zijn gemaakt, dus selecteer img en de gegenereerde fit-bestanden of h5-bestanden moeten zich in deze map bevinden. Selecteer het bestand dat overeenkomt met de kaart en verander vervolgens het tweede vervolgkeuzemenu van links naar normalisatie. In deze situatie wordt de gegevens genormaliseerd naar de stroomopwaartse ionenkamer of USIC.
Door weergave, multi-elementweergave te selecteren, worden afbeeldingen geproduceerd voor de individuele elementkanalen. De eenheden zijn nu in microgram per centimeter vierkant. Maar de waarden zijn nog niet representatief voor de aangepaste hoeveelheden.
Om aan de fitting te werken, wordt de gegevens in plaats daarvan bekeken als een som van alle spectra van elk pixel van de kaart, die kan worden bekeken door naar weergave, integraal spectrum te plotten. Ga vervolgens naar genereer uitvoer, exporteer een lange reeks ruwe geïntegreerde spectra om de afbeelding op te slaan. Sluit het venster en ga naar tools, spectrumtool, spectrum laden.
Loceer het bestand dat zojuist naar de uitvoermap is geëxporteerd. Over het algemeen is het snelste om de uitvoermap te sorteren op datum gewijzigd om bestanden te vinden, omdat elke nieuwe fitting de bestanden in de map bijwerkt. Het geëxporteerde spectrum wordt genoemd intspec gevolgd door de straal en scannummer en vervolgens txt.
Zodra het spectrum is geopend, open het maps_fit_parameters_override-bestand. Controleer eerst of het aantal detectorelementen correct is. Vervolgens in de elementen om te passen regel, neem alle elementen op die in het monster verwacht worden.
Merk op dat L-lijnelementen en M-lijnelementen de achtervoegsel _L of _M overeenkomstig bevatten. Hier is koper bekend om in het monster te zijn, maar het zal worden uitgesloten om een voorbeeld van een onvolledige fitting te geven. Scrollend naar beneden, voer de incidente energie voor coherente verstrooiingsenergie in.
Vervolgens voert u in de volgende twee regels een maximum- en minimumenergiebereik in voor het programma om als grenzen te gebruiken. Over het algemeen is een bereik van plus en min 2 tot plus en min 5 keV voldoende. Verderop controleert u of de max en min energie om te passen inclusief de elementenergieën van belang is.
Controleer bovendien of het lijndetectorelement het juiste nummer heeft om overeen te komen met een germanium- of siliciumdetector. Aan de onderkant van het bestand is de mogelijkheid om de namen van de detectorkanalen te wijzigen die in de fitting worden gebruikt. Meer informatie over hoe ze te wijzigen, wordt in
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Deze studie toont het gebruik van de MAPS-software voor het kwantificeren van fluorescentiemicroscopiegegevens. De resulterende gekwantificeerde gegevens helpen bij het begrijpen van elementaire verdeling en stoichiometrische verhoudingen binnen monsters.
Belangrijke studieonderdelen
Wetenschapsgebied
- Neurowetenschappen
- Biologie
- Materiaalkunde
Achtergrond
- Synchrotron-gebaseerde röntgenfluorescentie is cruciaal voor het bestuderen van elementaire segregatie.
- Juiste kwantificering zet ruwe fluorescentietellingen om in elementaire oppervlaktemassa's.
- Deze techniek is toepasbaar in verschillende wetenschappelijke velden.
- Begrip van stoichiometrische relaties is essentieel voor materiaalanalyse.
Doel van het onderzoek
- Om het MAPS-programma voor het kwantificeren van fluorescentiegegevens te demonstreren.
- Om numerieke informatie te verstrekken voor tweedimensionale röntgenfluorescentiekaarten.
- Om het begrip van elementaire verdeling in biologische monsters te verbeteren.
Gebruikte methoden
- Gebruik van de MAPS-software ontwikkeld door Argonne National Laboratory.
- Downloaden van IDL-software om het MAPS-programma uit te voeren.
- Genereren van tweedimensionale röntgenfluorescentiekaarten uit ruwe gegevens.
- Omzetten van kwalitatieve gegevens in kwantitatieve elementaire informatie.
Belangrijkste resultaten
- Succesvolle kwantificering van fluorescentiemicroscopiegegevens.
- Duidelijke visualisatie van elementaire verdeling binnen monsters.
- Bepaalding van stoichiometrische verhoudingen uit gekwantificeerde gegevens.
- Demonstratie van de mogelijkheden van het MAPS-programma in data-analyse.
Conclusies
- De MAPS-software is effectief voor het kwantificeren van fluorescentiemicroscopiegegevens.
- Gekwantificeerde gegevens verbeteren het begrip van elementaire relaties aanzienlijk.
- Deze techniek kan in verschillende velden worden toegepast voor betere materiaalanalyse.
Veelgestelde vragen
Executive Industry Relevance
Quantifying X-ray fluorescence (XRF) data transforms qualitative elemental maps into spatially resolved, quantitative concentration data, enabling precise assessment of material composition and heterogeneity. This capability supports target validation in drug discovery by providing mechanistic insights into elemental distribution, stoichiometry, and clustering behavior in biological and material systems. The MAPS software facilitates reproducible, high-sensitivity analysis that informs go/no-go decisions in early discovery and preclinical development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by quantifying elemental segregation and stoichiometric relationships in samples.
- Operational Value: Supports biological de-risking through functional target validation via elemental mapping and distribution analysis.
- Predictive Value: Enhances portfolio triage by delivering quantitative data on elemental concentrations that inform mechanistic de-risking.
Screening & Assay Development
- Assay Readiness: Prepares validated biological systems for downstream workflows by generating reproducible, quantitative XRF outputs.
- Standardization: Addresses assay reproducibility and quantitative readout generation through calibrated fitting procedures.
- Scalability: Highlights platform reuse and screening readiness via standardized MAPS workflows for multi-element detection.
Translational & Preclinical Research
- Translational Continuity: Discusses disease relevance through elemental distribution analysis in Cu(In,Ga)Se₂ solar cells as a model for spatially resolved compositional evaluation.
- Preclinical Alignment: Describes continuity from discovery through preclinical validation by linking elemental quantification to stoichiometric and clustering behavior insights.
- Risk-Adjusted Decisions: Supports advancement decisions by providing quantitative thresholds for elemental homogeneity and distribution.
Pipeline & Workflow Integration
The MAPS workflow integrates into the discovery continuum from early target validation through lead identification to preclinical work by enabling quantitative elemental analysis that informs biological mechanism and material behavior.
- Discovery Biology: Supports hypothesis testing and pathway clarification by quantifying elemental distribution and identifying inhomogeneity in samples.
- Screening: Describes assay readiness and reproducibility through standardized fitting of XRF maps to known standards for quantitative output generation.
- Analytics: Highlights measurements such as micrograms per centimeter squared and integral spectrum fitting that enable cross-condition comparison and threshold setting.
- Translational Research: Connects method to preclinical continuity by demonstrating how quantified elemental data informs material behavior and device performance in model systems.
- Enterprise Reuse: Positions MAPS as a reusable capability for multi-project elemental analysis rather than a single-use technique due to its standardized file structure and configurable parameters.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity in elemental distribution.
- Operational Value: Standardization, reproducibility, and scalability of XRF quantification across sample types and detector configurations.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk through early elemental de-risking.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions based on quantitative elemental homogeneity and stoichiometric ratios.
Implementation Considerations
- Requires expertise in XRF spectroscopy, IDL software, and spectral fitting procedures.
- Needs access to synchrotron beamlines and computational infrastructure for IDL and MAPS execution.
- Demands cross-team standardization of file naming, pathway conventions, and detector element configuration.
- Involves adaptation considerations for varying detector quadrants, standard types (e.g., AXO, NIST), and incident energy settings.
- Includes practical limitations such as sensitivity to incident energy (e.g., selenium undetectable at used energy) and L-line fitting challenges requiring branching ratio adjustments.
