Tendonlardaki Yerel Doku Suşlarının Açık Kaynak Dijital Görüntü Korelasyonu ile Ölçülmesi

Özet

Bu yazıda, tendon eksplantları içindeki yerel 2D doku suşlarını ölçmek için açık kaynaklı bir dijital görüntü korelasyon algoritması açıklanmaktadır. Tekniğin doğruluğu birden fazla teknik kullanılarak doğrulanmıştır ve halkın kullanımına açıktır.

Özet

Tendon hücrelerinin in situ olarak deneyimlediği suşları ve bu suşların doku yeniden şekillenmesini nasıl etkilediğini anlamaya yönelik önemli bilimsel ilgi vardır. Bu ilgiye dayanarak, yükleme sırasında tendon eksplantları içindeki yerel doku suşlarını ölçmek için çeşitli analitik teknikler geliştirilmiştir. Bununla birlikte, bazı durumlarda, bu tekniklerin doğruluğu ve duyarlılığı bildirilmemiştir ve algoritmaların hiçbiri kamuya açık değildir. Bu, tendon eksplantlarında lokal doku suşlarının daha yaygın ölçümünü zorlaştırmıştır. Bu nedenle, bu makalenin amacı, tendon eksplantlarındaki lokal doku suşlarını ölçmek için kolayca bulunabilen ve kullanımı kolay olan doğrulanmış bir analiz aracı oluşturmaktır. Spesifik olarak, halka açık bir artırılmış Lagrangian dijital görüntü korelasyonu (ALDIC) algoritması, tek eksenli gerilim altında fare Aşil tendonları içindeki hücre çekirdeklerinin yer değiştirmelerini izleyerek 2D suşları ölçmek için uyarlanmıştır. Ek olarak, hesaplanan suşların doğruluğu, dijital olarak dönüştürülmüş görüntüleri analiz ederek ve suşları bağımsız bir teknikten (yani, fotobeyazlatılmış çizgiler) belirlenen değerlerle karşılaştırarak doğrulandı. Son olarak, hesaplanan yer değiştirme alanını kullanarak referans görüntüsünü yeniden yapılandırmak için algoritmaya bir teknik dahil edilmiştir; bu, bilinen gerinim değerlerinin veya ikincil bir ölçüm tekniğinin yokluğunda algoritmanın doğruluğunu değerlendirmek için kullanılabilir. Algoritma, 0,00015 hassasiyetle 0,1'e kadar olan gerinimleri ölçebilir. Yeniden yapılandırılmış bir referans görüntüsünü gerçek referans görüntüyle karşılaştırma tekniği, hatalı verilere sahip örnekleri başarıyla tanımladı ve iyi verilere sahip örneklerde, yer değiştirme alanının yaklaşık% 85'inin doğru olduğunu gösterdi. Son olarak, fare Aşil tendonlarında ölçülen suşlar önceki literatürle tutarlıydı. Bu nedenle, bu algoritma tendonlardaki lokal doku suşlarını doğru bir şekilde ölçmek için oldukça kullanışlı ve uyarlanabilir bir araçtır.

Giriş

Tendonlar, mekanik yüklemeye yanıt olarak adapte olan ve dejenere olan mekanosensitif dokulardır ^1,2,3,4. Mekanik uyaranların tendon hücresi biyolojisinde oynadığı rol nedeniyle, tendon hücrelerinin yükleme sırasında doğal doku ortamında yaşadığı suşları anlamaya büyük ilgi vardır. Tendonlardaki lokal doku suşlarını ölçmek için çeşitli deneysel ve analitik teknikler geliştirilmiştir. Bunlar arasında benek desenleri veya fotobeyazlatılmış çizgiler (PBL'ler) kullanılarak yüzey suşlarının 2D/3D dijital görüntü korelasyonu (DIC) analizleri 5,6,7,8, doku içindeki bireysel çekirdeklerin merkezcil-sentroid uzaklığındaki değişikliklerin ölçülmesi ^9,10 ve düzlem dışı hareketi ve 3D deformasyonları dikkate alan yeni bir tam alan 3D DIC yöntemi ¹¹ . Bununla birlikte, bu tekniklerin doğruluğu ve duyarlılığı sadece birkaç vakada bildirilmiştir ve bu tekniklerin hiçbiri kamuya açık hale getirilmemiştir, bu da bu tekniklerin yaygın olarak benimsenmesini ve kullanılmasını zorlaştırmaktadır.

Bu çalışmanın amacı, tendon eksplantlarındaki lokal doku suşlarını ölçmek için kolayca bulunabilen ve kullanımı kolay olan doğrulanmış bir analiz aracı oluşturmaktı. Seçilen yöntem, Yang ve Bhattacharya¹² tarafından geliştirilen MATLAB'da yazılmış, halka açık bir artırılmış Lagrangian dijital görüntü korelasyonu (ALDIC) algoritmasına dayanmaktadır. Bu algoritma, tendon örneklerini analiz etmek için uyarlanmış ve dijital olarak dönüştürülmüş görüntülere uygulanarak ve gerçek tendon örneklerinde ölçülen suşları fotobeyazlatılmış çizgilerden elde edilen sonuçlarla karşılaştırarak doğrulanmıştır. Ayrıca, algoritmada, bilinen gerinim değerleri veya ikincil bir ölçüm tekniği olmasa bile, hesaplanan yer değiştirme alanının doğruluğunu doğrulamak için ek işlevler uygulanmıştır. Bu nedenle, bu algoritma tendonlardaki yerel 2D doku suşlarını doğru bir şekilde ölçmek için oldukça kullanışlı ve uyarlanabilir bir araçtır.

Protokol

Bu çalışma Pennsylvania Eyalet Üniversitesi Kurumsal Hayvan Bakımı ve Kullanımı Komitesi tarafından onaylanmıştır.

1. Doku hazırlığı

1. Bu protokol için, Aşil tendonlarını 2-4 aylık erkek C57BL / 6 farelerinden toplayın.
   NOT: Farelerden veya diğer küçük hayvanlardan farklı tendonlar veya bağlar da kullanılabilir.
   1. Plantaris tendonunu ve çevresindeki bağ dokusunu açığa çıkarmak için Aşil tendonuna yüzeysel olarak cilde bir kesi yapın. Ardından, cerrahi bir bıçak kullanarak bunları çıkarın.
   2. Açıkta kalan soleus ve gastroknemius kaslarını arka bacaktan ayırın ve cerrahi bıçakla Aşil tendonundan dikkatlice kazıyın.
   3. Kalkaneusu ayağın geri kalanından döner bir alet üzerinde bir kesme tekerleği bağlantısı ile ayırın.
2. Dokuyu, oda sıcaklığında dönen bir karıştırıcı üzerinde 20 dakika boyunca 5-(4,6-diklorotriazizinil) aminofloresein (DTAF) ve 0,1 M sodyum bikarbonat tamponundan oluşan 5 μg / mL'lik bir çözeltinin 1,5 mL'sinde sabitleyin. Bu çözelti dokudaki proteinleri (örneğin, hücre dışı matris) boyar.
   NOT: Bu 20 dakikalık süre zarfında, adım 1.3 tamamlanmalıdır.
3. Çekirdekleri boyamak için fosfat tamponlu salin (PBS) içinde 1:1.000 DRAQ5 çözeltisi hazırlayın. Çözeltiyi homojenize etmek için bir vorteks karıştırıcı kullanın.
4. Adım 1.2'deki 20 dakikalık inkübasyon süresinden sonra, dokuyu DTAF çözeltisinden DRAQ5 çözeltisine aktarın ve oda sıcaklığında 10 dakika boyunca karanlık bir alanda inkübe edin.

2. Tendon yükleme ve görüntü alma

NOT: Bu protokol, konfokal mikroskop üzerine monte edilebilen bir çekme cihazı gerektirir. Bu çalışma için Peterson ve Szczesny¹³ tarafından tanımlanan mikrotensil cihaz kullanılmıştır.

1. Tendonu çekme yükleme cihazının çenelerine yerleştirin. Çeneleri yükleme cihazına monte etmeden önce, kalkaneus bağlantısı ile ters kavrama arasındaki mesafeyi ölçmek için dijital kaliperler kullanın. Bu mesafe tendon ölçer uzunluğudur.
   1. Alternatif olarak, tendonu yerleştirmeden önce çeneleri yükleme cihazına monte edin ve sıfır deplasmanlı motor konumunu tanımlamak için temas halinde itin. Tendonu yerleştirdikten sonra motorların yer değiştirmesi, potansiyel olarak daha doğru bir kavrama-kavrama göstergesi uzunluğu sağlayabilir.
2. Çeneleri, doku hidrasyonunu korumak için PBS içeren yükleme cihazına monte edin. Tendonu, mikroskop görüntülerinin x ekseni veya y ekseni ile mümkün olan en iyi şekilde hizalayın, böylece algoritmanın x-gerinim ve y-gerinim çıkışları tendon eksenlerine karşılık gelir.
   NOT: Bu çalışmada tendonlar x ekseni ile hizalanmıştır. Tendonu görüntü eksenleriyle mükemmel bir şekilde hizalamak mümkün değilse, algoritmanın x-gerinim ve y-gerinim çıkışları, standart gerinim dönüşüm denklemleri¹⁴ kullanılarak tendonun uzunlamasına / dik eksenleriyle hizalanacak şekilde dönüştürülebilir.
3. Tendonu 1 g gerginlikle önceden yükleyin ve istenirse, numuneyi ön koşullandırmak için döngüsel yükleme uygulayın. Bu protokolde, çalışmanın amacı, doku materyali özelliklerini ölçmek yerine ölçülen lokal doku suşlarını doğrulamak olduğu için ön koşullandırma kullanılmamıştır. Yükleme geçmişine bağlı olan makro ölçekli malzeme özelliklerinin ölçülmesine ilgi varsa, ön koşullandırma önerilir. Ön koşullandırma ve kurtarmanın ardından, 1 g'lık bir ön yükü yeniden uygulayın.
4. İstenirse, dokunun orta bölgesinde 80 μm aralıklarla yerleştirilmiş dört çizgiden oluşan bir dizi fotobleach (daha fazla ayrıntı için Peterson ve Szczesny^13'e bakınız).
   NOT: Fotobeyazlatılmış çizgiler, ALDIC algoritmasının ölçümlerini doğrulamak için kullanılmıştır ve ALDIC'nin kendisini gerçekleştirmek için gerekli değildir. Çizgilerin sayısı ve aralığı ayarlanabilir ve örneklemde çizginin netliğini azaltacak herhangi bir yapıttan kaçınmak için çizgilerin konumu seçilmelidir.
5. Fotobeyazlatma prosedürünü, çenelerin yakınındaki dokunun sol ve sağ uçlarında tekrarlayın.
6. Konfokal mikroskobu kullanarak, DTAF ve DRAQ5 floresansının hacimsel görüntülerini (x,y: 1,25 μm/piksel, z:2,5 μm/piksel) 1 g ön yükte elde edin.
7. %0,5/sn ila %2 gerinimde bir gerinim rampası gerçekleştirin. Gerinim hızının ve artımlı gerinim büyüklüğünün ayarlanabileceğini unutmayın.
8. Dokunun strese girmesine izin verin 10 dakika boyunca gevşeyin.
   NOT: Gerilim gevşeme süresi, görüntü yakalama sırasında numune yaklaşık yarı statik bir yük altında olacak şekilde seçilmelidir. Stres gevşeme süresinin kabul edilebilir olup olmadığını belirlemek için, stres gevşemesinin son dakikasında kuvvet-zaman eğrisinin eğimini belirleyin (Ek Şekil 1) ve bu eğimi toplam görüntüleme süresi ile çarpın. Bu çalışmada, en büyük gerinim artışında uygulanan kuvvet hiçbir zaman% 5'ten fazla değişmedi.
9. Deformasyondan sonra dokunun başka bir hacimsel görüntüsünü alın.
10. İstenen son gerinime ulaşılana kadar 2.7-2.9 arasındaki adımları yineleyin. Bu yazıda nihai gerinim değeri seçilmiştir.

3. Görüntü işleme

1. DRAQ5 (nükleer) kanalının her hacimsel görüntüsünün maksimum z projeksiyonlarını oluşturmak için ImageJ veya Fiji'yi kullanın. Bu, ALDIC için 2D benekli görüntüler olarak hizmet edecektir.
2. Maksimum yoğunluktaki z projeksiyonlarını .tiff dosyaları olarak kaydedin ve bunları aşağıdaki adlandırma kuralına göre adlandırın.
   1. Görüntü adının ilk karakteri olarak bir sayı kullanın.
   2. Sayının, gerinim analizi sırasında görüntülerin dikkate alınacağı sıraya karşılık gelmesini sağlayın. Örneğin, ilk görüntü bir, ikinci görüntü iki ile başlamalıdır. Farklı sayılar seçilebilir, ancak sırayla artmaları gerekir. Örnek bir adlandırma kuralı aşağıdaki gibidir: "0_Experiment1_MaxZProjection".
3. Yeniden adlandırılan tüm maksimum yoğunluklu z projeksiyonlarını bir klasöre kaydedin.

4. Fotobeyazlatılmış hat analiz kodu kurulumu ve uygulaması

NOT: Bu adımlar yalnızca fotobeyazlatılmış çizgiler kullanarak ALDIC algoritmasının doğruluğunu onaylamak isteniyorsa gereklidir. Kod, yerel doku suşunu, fotobeyazlatılmış çizgi kümesi içindeki her fotobeyazlatılmış çizgi arasındaki mesafedeki ortalama normalleştirilmiş değişim olarak hesaplar. Bu çalışmada, ortalama lokal değerlerin ortalaması daha sonra her örnek için tek bir ortalama lokal doku suşu değeri belirlemek için tüm fotobeyazlatılmış çizgi setlerinde (yani merkez ve sol / sağ uçlarda) ortalamaya alınmıştır. Bu değer daha sonra ALDIC algoritmasının doğruluğunu tahmin etmek için kullanıldı.

1. GitHub'dan "PBL Kodu" klasörünü indirin (https://github.com/Szczesnytendon/TendonStrainCalc) ve tüm içeriği MATLAB'daki çalışma dizinine taşıyın.
2. "Micro_Mech_Template" MATLAB komut dosyasını açın.
   1. Çalıştır'a basın ve hacimsel görüntüleri içeren görüntü dosyalarından birini seçin. Hacimsel görüntüler aşağıdaki dosya türlerinden herhangi biri olabilir: .lsm, .tiff, .nd2.
   2. Yazılım, klasördeki tüm görüntüleri otomatik olarak yükleyecek ve referans hacimsel görüntünün yansıtılan bir görüntüsünü görüntüleyecektir. İstendiğinde, örneğin sol ve sağ uçlarını izleyen çok noktalı çizgiler oluşturmak için sol tıklayın . Bir satırı sonlandırmak için sağ tıklayın . Giriş işlendikten sonra, kenarlar doğruysa, sonucu kabul etmek için Tamam düğmesine basın.
   3. İstendiğinde referans çizgisi olarak örnek boyunca rastgele bir çapraz çizgi çizin.
   4. Oluşturulan fotobeyazlatılmış çizgilerin sayısını girin ve fotobeyazlatılmış çizgileri çok noktalı çizgilerle izleyin.
   5. Sonuç kabul edilebilirse, kabul edin. Sonuç hatalıysa, ayarlayın ve yeniden işleyin.
3. Tüm görüntüler için adım 4.2'yi yineleyin ve izlenen çizgilerin tüm görüntülerini tek bir klasöre taşıyın.
4. "Micro_Mech_Strain" komut dosyasını açın.
   1. Kodu yürütmek için Çalıştır'a basın ve fotobeyazlatılmış çizgilerin izlendiği kaydedilmiş görüntülerden birini seçin.
   2. Görüntü seçildikten sonra Tamam tuşuna basarak seçilen eşlik eden görüntülerin doğru olduğunu onaylayın.

5. Dijital olarak dönüştürülmüş görüntüler oluşturma

NOT: Bu adımlar yalnızca dijital olarak dönüştürülmüş görüntüler kullanarak ALDIC algoritmasının doğruluğunu onaylamak isteniyorsa gereklidir. Bu görüntüler, referans görüntüyü yapay olarak dönüştürerek bilinen büyüklükte homojen 2B gerinim alanlarını simüle eder.

1. GitHub'dan (Digital_strain) "https://github.com/Szczesnytendon/TendonStrainCalc.m" kodunu indirin.
2. Kodu açın ve çalıştırın.
3. İstendiğinde, uygulanan maksimum gerinim, uygulanan gerinim artışı ve Poisson oranı için istenen değerleri girin. Tamam'a basın.
   NOT: Bu deney için, uygulanan maksimum gerinim 0.1 (% 10), uygulanan gerinim artışı 0.02 (% 2) idi ve tendon çekme testi^15,16'nın deneysel verileriyle tutarlı olan 1 Poisson oranı kullanıldı. Kod, dijital olarak dönüştürülmüş görüntüleri oluşturmak için gömülü MATLAB işlev çarpıtma işaretini ve giriş değerlerini (örneğin, gerinim artışları, Poisson oranı) kullanır.
4. İstendiğinde, deforme olmamış referans görüntüsünü seçin.
5. Her gerinim artışı için, referans görüntünün ve dönüştürülen görüntünün bir bindirmesi görüntülenir. Dönüştürülen görüntü, X'in gerinim artışı olduğu "DigitallyTransformedX%Strain" başlığı altındaki dizine kaydedilir.

6. Gerinim hesaplama ve doğrulama kodu yükleme ve uygulama

1. GitHub'dan "Gerinim Hesaplama ve Doğrulama Kodu" klasörünü indirin (https://github.com/Szczesnytendon/TendonStrainCalc) ve tüm içeriği MATLAB çalışma dizinine taşıyın
2. Yang ve Bhattacharya^12'ye göre bir mex C/C++ derleyicisi kurun. Adımlar aşağıda özetlenmiştir.
   1. MATLAB Komut Penceresi'ne "mex -setup" yazıp Enter tuşuna basarak bir mex C/C++ derleyicisinin yüklü olup olmadığını görmek için MATLAB'ı denetleyin.
   2. Derleyicinin desteklenmediğini veya mevcut olmadığını belirten bir hata görüntülenirse, adım 6.3 ve adım 6.4'e geçin.
   3. Hata yoksa, adım 6.5'e geçin
3. Bir mex C/C++ derleyicisi indirmek için "https:/tdm-gcc.tdragon.net/" adresine gidin ve TDM-gcc derleyicisini seçin.
4. İndirilen derleyiciyi bilinen bir konuma yükleyin.
5. MATLAB komut penceresine dönün ve şunu yazın: " setenv("MW_MINGW64_LOC","[Yükleme yolunuzu buraya yazın]")". Örneğin, bu "setenv("MW_MINGW64_LOC","C:\TDM-GCC-64")" olabilir. Bu komut başarıyla yürütülürse, mex derleyicisi düzgün yüklenir.
6. "main_aldic.m" işlev komut dosyasını girin ve adım 6.5'te yürütülen komutla eşleşmesi için satır 22'yi değiştirin.
7. "Strain_calc_and_validate" komut dosyasını açın.
8. Görüntü analizini başlatmak için Çalıştır'a basın.
9. İstendiğinde, ALDIC parametrelerinin değerlerini istediğiniz gibi değiştirin.
   NOT: Pencere boyutu, alt küme boyutunun 0,25 ila 1 katı olmalıdır. Parametre seçenekleri hakkında daha fazla bilgi için, çevrimiçi kullanım kılavuzuna bakın: (https://www.researchgate.net/publication/344796296_Augmented_Lagrangian_Digital
   _Image_Correlation_AL-DIC_Code_Manual).
   1. Bu çalışmada aşağıdaki değerler kullanılmıştır:
      Alt Küme Boyutu (piksel): 20
      Pencere Boyutu (piksel): 10
      ALDIC çözme yöntemi: Sonlu Fark (1)
      Paralel hesaplama kullanılmadı (1)
      İlk tahmini hesaplama yöntemi: Görüntü piramidine dayalı çoklu ızgara araması (0)
10. İstendiğinde, algoritmanın istenen değişken koleksiyonu (ör. x-gerinimi, y-gerinimi, kesme gerinimi, bozuk bölgeler vb.) için ortalama değeri, standart sapmayı ve 2B haritaları otomatik olarak kaydetmesini sağlamak üzere "Evet" onay kutusunu seçin. Hangi değişkenlerin kaydedileceğini seçin ve Tamam'a basın.
11. İstendiğinde, parametreleri istediğiniz gibi değiştirin.
    1. Bu deneyde aşağıdaki değerler kullanılmıştır:
       Gerinimi hesaplamak için çevre noktalar (numP): 12
       Kötü bölge tanımlaması için korelasyon katsayısı (corr_threshold): 0.5
       Hatalı bölge analizi için alt bölge boyutu (piksel) (Alt boyut): 32
12. İstendiğinde, yeniden adlandırılan max-intensity z-projeksiyonlarını içeren klasörü seçin. Yazılımın, deforme olmuş görüntülerin gerinim alanlarını belirlemek için otomatik olarak artımlı ALDIC gerçekleştirdiğini unutmayın. Yani, her deforme olmuş görüntü, bir sonraki deforme olmuş görüntü için yeni "referans" görüntüsü olarak hizmet eder. Bu, sonuçların doğruluğunu artırır (Ek Şekil 2), her deforme olmuş görüntünün orijinal (% 0 gerinim) referans görüntüsüyle karşılaştırıldığı kümülatif ALDIC performansına kıyasla. Kümülatif bir analiz gerçekleştirmek için görüntüleri yükleyin, ancak yalnızca orijinal referans görüntüsünü ve ilgilendiğiniz deforme olmuş görüntüyü seçin.
    NOT: Normal suş λ - 1 olarak hesaplanır, burada λ doku gerilmesidir. Doku gerilmesi, sırasıyla x-yönü ve y-yönü için N = [1 0]^T veya [0 1]T ve C = F ^T F'ye göre hesaplanır; burada F, ALDIC algoritması tarafından her veri noktası çıktısını çevreleyen "numP" noktaları kullanılarak hesaplanan deformasyon gradyanıdır. Kesme gerinimi , burada olarak hesaplanır.
13. İstendiğinde, suşların ölçülmesi için ilgilenilen bölgeyi tanımlamak üzere dört noktalı bir çokgen oluşturmak için sol tıklayın. Sol üst köşedeki noktayla başlayın ve sonraki noktaları saat yönünde atayın.
    NOT: MATLAB çalışma alanına kaydedilen "Depolama" değişkeni, ortalama x-gerinimi, x-gerinimi standart sapması, ortalama y-gerinimi, y-gerinimi standart sapması, ortalama kesme gerinimi, kesme gerinimi standart sapması ve kötü bölgelerin yüzdesi için tüm değerleri içerir. Kötü bölgeler, adım 6.13'te seçilen ilgi bölgesi içindeki korelasyon katsayısı analizine göre tanımlanır. "NuclearTrackingResults" klasörü (555 ve 556 satırları ayarlanarak yeniden adlandırılabilir) adım 6.10'da belirtilen tüm grafikleri depolar. Bu klasör ayrıca, adım 6.10'da belirtilen tüm araçları ve standart sapmaları depolayan "Sonuçlar" adlı bir elektronik tablo dosyası içerir.

Sonuçlar

Gerçek doku örneklerinde gerinim alanlarını analiz etmeden önce, ALDIC protokolü ilk olarak fare Aşil tendonları içindeki çekirdeklerin dijital olarak gerilmiş / dönüştürülmüş görüntüleri kullanılarak doğrulandı. Spesifik olarak, görüntüler dijital olarak %2, %4, %6, %8 ve gerinim x yönünde homojen gerinimler üretmek üzere dönüştürüldü ve simüle edilmiş Poisson oranı 1^15,16 idi. ALDIC algoritmasının doğruluğu daha sonra ortalama hesaplanan gerinim değerleri bili...

Tartışma

Bu makalenin amacı, çekme yükü altındaki tendonlardaki 2D gerinim alanlarını ölçmek için açık kaynaklı, doğrulanmış bir yöntem sunmaktı. Yazılımın temeli, halka açık bir ALDIC algoritması^12'ye dayanıyordu. Bu algoritma, artımlı (kümülatife karşı) gerinim analizinin ek işlevselliği ile daha büyük bir MATLAB koduna gömülmüştür. Bu uyarlanmış algoritma daha sonra tendonların çekme testine uygulandı ve doğruluğu iki farklı teknikle değerlendirildi (yani, dijital olarak dönüştürülmüş görüntüler ve foto...

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
5-DTAF (5-(4,6-Diklorotriazinil) Aminofloresein), tek izomer	ThermoFisher	D16
Kaliperler	Mitutoyo	500-196-30
Konfokal Mikroskop	Nikon	A1R HD
Corning LSE Vorteks Karıştırıcı	Koni	6775
DRAQ5 Floresan Prob Çözeltisi (5 mM)	ThermoFisher	62554
MATLAB	MathWorks	R2022b
Çekme Yükleme Cihazı	N/A	N/A	Peterson ve diğerleri, 2020'de açıklanan çekme yükleme cihazı. (ref 13)
Tüp Tabanca Döndürücü	ThermoFisher	88881001