11 januari 2018
Deze techniek wordt beschreven van een geautomatiseerde batch-beeldprocessor, bedoeld voor het meten van de polysacharide capsule en lichaam stralen. Hoewel oorspronkelijk ontworpen voor Cryptococcus neoformans capsule metingen die de geautomatiseerde image processor kan ook worden toegepast op andere gebaseerd contrastdetectie van cirkelvormige objecten.
Het algemene doel van deze techniek is om vervelende handmatige metingen te automatiseren. Deze methode kan helpen bij het beantwoorden van belangrijke vragen op het gebied van cryptococcus, zoals de relatie tussen de grootte van de capsule of de celkern en de verschillende aspecten van virulentie. Het grote voordeel van deze techniek is dat het mogelijk maakt om enorme steekproeven te analyseren zonder vermoeidheid.
De implicaties van deze techniek strekken zich uit tot de therapie van cryptococcose, omdat de grootte van de capsule en de celkern belangrijke aspecten zijn van de ziekteverwekker. Om een India Ink Slide voor te bereiden, begint u met het pipetten van 10 microliter cryptococcus-monster op een plaatje. Elke ronde yi-stam werkt, maar voor dit experiment werd H99 de enige gebruikte stam.
Pipet twee microliter India Ink-verf op het monster en meng het door de pipettip fysiek in het monster te duwen en in een cirkelvormige beweging te bewegen tot de India Ink gelijkmatig verdeeld lijkt. Plaats een dekglas over het monster door de linkerrand van het dekglas tegen het oppervlak van de plaat te houden. Breng vervolgens voorzichtig en gelijkmatig de andere kant van het dekglas over het monster.
Laat de plaat vijf minuten aan de lucht drogen. Breng vervolgens een lichte laag nagellak aan op de rand van het dekglas om een afdichting te vormen en de India Ink-verf te behouden. Om de monsters af te beelden, plaatst u een plaatje onder een helderveldmicroscoop met de camera-aansluiting en bekende pixel-naar-micron conversie. Pas de filters, objectieven en contrasten aan en zorg ervoor dat het gezichtsveld dicht, maar niet overbevolkt is met cryptococcus-cellen met een duidelijk contrast tussen de celcapsule en de achtergrond, en goed gefocust met de celkern gevisualiseerd als een donkere band. Nadat u foto's hebt gemaakt, slaat u ze op in een enkele map met duidelijke titels, omdat het meetalgoritme op afbeeldingen in een enkele map zal worden uitgevoerd en de uitvoergegevens zullen worden georganiseerd volgens de namen van de afbeeldingsbestanden. Volg de instelling van het algoritme volgens het tekstprotocol en voer de toepassing uit door te dubbelklikken op QCA.py.
Tijdens het volgen van de stappen in het programma, voert u het type extensie van de afbeeldingsbestanden in, voorafgegaan door een punt en gescheiden door puntkomma's. Klik vervolgens op de Enter-knop. Kies de map waar de afbeeldingsbestanden zich bevinden door op de Select Directory-knop te klikken en selecteer de map die de afbeeldingen bevat.
Genereer de lijst met afbeeldingsbestanden in de map door op de Generate Image List-knop te klikken. De afbeeldingen worden vermeld in het tekstvak aan de rechterkant. Controleer en zorg ervoor dat de lijst nauwkeurig en compleet is.
Selecteer vervolgens een willekeurige afbeelding uit de lijst om als voorbeeld te gebruiken door op de Select Random Image-knop te klikken. Voer vervolgens de microscoopobjectieven en binning-instellingen in. Als de standaardinstellingen niet overeenkomen met de gebruikte microscoop, selecteert u Custom Pixel Conversion en voert u de pixel naar micrometer conversie voor de afbeeldingsbestanden in.
Nadat u deze hebt geselecteerd, klikt u op de Calculate Conversion-knop en controleert u of de conversie correct is volgens het tekstvak aan de rechterkant. Om de algoritmeparameters voor cirkeldetectie in te voeren, voert u de minimale en maximale detecteerbare straal in voor de buitenste capsuledetectie, als de min en max capsulestraal vermeldingen. Voer vervolgens de minimale en maximale detecteerbare straal in voor celkerndetectie als de min en max celkernstraal vermeldingen.
Verplaats nu de capsule- en celkerngevoeligheidsschuifregelaars om de gevoeligheidsdrempel van het algoritme aan te passen. Een lage gevoeligheid zal strikt zijn en valse positieve cirkeldetectie verminderen, maar kan ook minder echte cirkels detecteren. Omgekeerd zal een hoge gevoeligheid de detectieratio verhogen, maar kan ook leiden tot valse positieve cirkels.
Maximiseer het aantal gedetecteerde lichamen en capsules en inspecteer visueel of de cirkels correct lijken te passen. Het aantal lichamen binnen de gedetecteerde capsules zal worden weergegeven in het tekstvak aan de rechterkant. Anders manipuleert u de algoritmeparameters totdat de resultaten nauwkeurig zijn.
Voer het detectiealgoritme uit op de volledige map met afbeeldingsbestanden door op de Begin Analysis-knop te klikken. Elke afbeelding wordt geanalyseerd en het programma toont Finished in het tekstvak aan de rechterkant wanneer alle afbeeldingen zijn geanalyseerd. Klik vervolgens op de Match and Cleanup-knop.
Dit zal gedetecteerde celkernen matchen met de gedetecteerde capsules waarin ze zich bevinden en de werkelijke capsulestraal berekenen door het lichaam van de capsule af te trekken. Zoek in de afbeeldingsmap de voltooide gegevens in het CleanedOutput. csv-bestand.
Als er slechts één gegevensstuk is geselecteerd, wordt het bestand CleanedBodies. csv of CleanedCapsules.csv genoemd. Zoals hier te zien is in deze microscopische afbeelding van een India Ink-plaatje, zijn de cellen gescheiden en in voldoende lage dichtheid om het gezichtsveld niet te overweldigen.
Er is ook voldoende kleurstof gebruikt om contrast te creëren tussen de cellen en de achtergrond. Het algoritme bepaalt een drempelwaarde uniek voor elke afbeelding door de gemiddelde intensiteitswaarde te nemen en de standaarddeviatie toe te voegen. Pixelintensiteiten met een intensiteit hoger dan de drempelwaarde worden als wit beschouwd en met een lagere intensiteit als zwart.
De celkern moet worden gevisualiseerd als een robuuste, zwarte cirkel op de witte achtergrond van de capsule. Het beste brandpunt om te gebruiken is een waarop de celkern als een donkere, geconcentreerde band verschijnt. Dit brandpunt is acceptabel als standaard, omdat het de cel goed focust.
Dit wordt bevestigd door de celwand te visualiseren met UVITEX, een soort kleurstof die een scherpe, scherp gefocuste celwand met een zwak signaal in het midden duidelijk maakt. Wanneer het protocol nauwkeurig wordt gevolgd en optimale afbeeldingen worden verkregen, is het algoritme nauwkeurig en betrouwbaar. Als het protocol echter verkeerd wordt gevol
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Deze techniek beschrijft een geautomatiseerde batch-beeldprocessor die is ontworpen om de radii van de polysacharidecapsule en het cellichaam te meten. Hiermee is de analyse van grote monstervolumes mogelijk, wat onderzoek binnen het cryptococcose-veld faciliteert.
Geautomatiseerde meting van de cryptococcale polysacharidecapsule en de afmetingen van het cellichaam pakt een kritiek knelpunt in onderzoek naar virulentie van pathogenen aan door high-throughput, reproduceerbare kwantificering mogelijk te maken. Deze mogelijkheid ondersteunt targetvalidatie en mechanistische risicovermindering in antifungal discovery-programma's door gestandaardiseerde, schaalbare gegevens te leveren over belangrijke virulentiedeterminanten. De methode vergroot het voorspellende vertrouwen in preklinische modellen door meetvariabiliteit te verminderen en statistisch robuuste correlaties tussen capsulegrootte en pathogeen potentieel te faciliteren.
De methode is geïntegreerd in het ontdekkingscontinuüm, van vroege targetvalidatie tot preklinische evaluatie, waardoor een consistente meting van cryptokokken-virulentiefactoren over verschillende onderzoeksfasen heen mogelijk wordt.