Riverine Makroomurgasızlarının Topluluk Boyut Yapısını Belirlemek için Otomatik Görüntü İşleme
13 Ocak 2023
Makale, yarı otomatik bir görüntüleme prosedürü kullanarak bentik nehir makroomurgasızlarına karşılık gelen sayısallaştırılmış nesneleri taramak, tespit etmek, sıralamak ve tanımlamak için uyarlanmış bir protokolün oluşturulmasına dayanmaktadır. Bu prosedür, makroomurgasız bir topluluğun bireysel boyut dağılımlarının ve boyut metriklerinin yaklaşık 1 saat içinde elde edilmesini sağlar.
Vücut büyüklüğü, izleme için önemli bir özellik olarak önceliklendirilmiştir. Yine de bireysel büyüklüğü ölçmek zaman alıcıdır. Yöntemimiz, tatlı su ekosistemleri üzerindeki etkileri değerlendirmek için makroomurgasız boyut spektrumunun rutin kullanımına izin verir.
Protokolümüz, bir numunedeki nehir makroomurgasızlarının bireysel boyut dağılımını yaklaşık bir saat içinde otomatik olarak belirlemek için standartlaştırılmış bir yol sağlar. Prosedürü gösterecek olan Vic Üniversitesi'nden Rosa Guri olacak. Başlamak için tarayıcıyı açın.
Ve ışığı çift konumda açın. Yukarıdan ve aşağıdan beyaz ışık yansıtmak. Ardından, tarama tepsisini musluk suyuyla temizleyin ve durulayın.
Boşlukları oluşturmak için, cam kaplanana kadar oda sıcaklığında 110 mililitre musluk suyunu tarama tepsisine dökün. Büyük çerçeveyi, köşesi sol üst kısımda olacak şekilde tarama tepsisine yerleştirin. Taranan görüntüleri değiştirecek bir menisküs etkisinden kaçınmak için çerçevenin basamağını kaplayana kadar musluk suyuyla doldurun.
Ardından, görüntü işleme yazılımını açın, çalışan projeyi seçin ve arka plan görüntüsünü dönüştür taramaya tıklayın. Ardından, tarama yazılımını açın ve önizlemeye tıklayın. Görüntüde çizgi veya nokta olup olmadığını kontrol edin ve taramaya başlamadan önce en az 30 saniye bekleyin.
Ardından, verileri tarama yazılımından görüntü işleme yazılımına göndermek için ikinci taramadan önce talimatlar penceresinde Tamam düğmesine basın. Cam kaplanana kadar tarama tepsisine 110 mililitre% 70 etanol dökün. Ve büyük çerçeveyi yerleştirin.
Daha sonra makroomurgasızlar örneğini çerçevenin kenarındaki tarama tepsisine dökün ve gerekirse daha fazla etanol ile örtün. Ardından, ahşap bir iğne kullanarak, numuneyi çerçeve alanı boyunca homojenize edin. Doğru görüntü işleme için en büyük bireyleri tepsinin ortasına yerleştirmek.
Ve yüzen organizmaları batırın. Ayrıca, kümelenmiş organizmaları ayırın. Ve çerçeve kenarlarına dokunan organizmaları merkeze doğru çekin.
Ardından, arşiv yok işlemi için hayvanat bahçesi taraması ile tarama örneğine tıklayarak taramaya devam edin. Örneği seçme ve yönergeleri izleme. Hiçbir çizgi veya nokta olmadan görüntüyü tarama yazılımında önizleyin.
30 saniye sonra, tarama yazılımındaki tarama düğmesine tıklayın. Ve ham taranan görüntünün doğru olduğundan emin olun. Çerçeveyi çıkarın ve takılı makroomurgasızları kurtarmak için% 70 etanol dolu bir sıkma şişesi ile tarama tepsisinin üzerinde yıkayın.
Tüm organizmaları ve etanolleri tarama alma hunisinden bir beherin içine almak için tarayıcının üst kısmını kaldırın. Tarayıcının üst kısmı hala kaldırılıyken, kalan organizmaları süpürmek için tepsiyi sıkma şişesiyle temizleyin. Tüm örnekleri geri kazandıktan sonra, tepsiyi musluk suyuyla temizleyin.
Kimliği tahmin etmek için, otomatik tanımlama yazılımındaki veri analizine tıklayın. Eğitim dosyası seç'te PID_Process'i bulun ve kullanılacak eğitim kümesi dosyasını seçmek için learning_set'i seçin. Ardından, örnek dosyaları seç bölümünde, PID_results klasöründen tahmin edilecek örneği seçin.
Bir yöntem seçin bölümünde rastgele orman yöntemini seçin ve ardından her örnek için ayrıntılı sonuçları kaydet düğmesini işaretleyin. Orijinal değişkenlerde, konum değişkenlerinin işaretini kaldırın. Son olarak, özelleştirilmiş değişkenlerde, yalnızca ESD'yi işaretleyin.
Analizi başlat'a tıklayın ve sonuçları analysis_name olarak kaydedin. txt PID_process tahmin klasöründe. El ile doğrulamak için, analiz sample_dat_1 txt dosyalarını PID_process tahmin klasöründen PID_process, PID_results klasörüne kopyalayın.
Görüntü işleme yazılımındaki tahmine veya doğrulamaya göre klasörlerdeki vinyetleri ayıkla'yı seçin. Ardından PID_results klasörden kullanılan tahmin edilen dosyaları seçin. Varsayılan ayarlarla, Tamam'a basmak yeni bir klasör oluşturur.
Şimdi PID_process sıralanmış vinyetler klasörüne gidin ve doğrulanacak örnek ad, tarih ve saatle adlandırılan yeni oluşturulan klasörü kopyalayın. Doğrulanmış ile doğrulamak için klasörü yeniden adlandırın. Otomatik sınıflandırmayı el ile doğrulamak için, yeniden adlandırılan klasörün örnek adını, tarih ve saat doğrulanmasını açın.
Varsa yanlış sınıflandırılmış nesneleri tanımlamak için her alt klasördeki tüm vinyetleri gözden geçirin. Bir nesne yanlış sınıflandırıldığında, vinyeti doğru klasöre sürükleyin. Ardından, sıralanmış vinyetlerden yük tanımlamaları'nı seçin.
Varsayılan ayarları koruyarak, işlenmek üzere tarih, saat, adı doğrulanmış dosyayı seçin. Ardından PID_process, PID_results ve ardından dat1_validated'ye gidin. Ve her nesnenin uzman sınıflandırmasını belirten son sütunun, tahminin, doğrulanmış kimliğin, tarih ve saatin oluşturulduğunu doğrulamak için ID_from_sorted_vignettes tarih ve saat txt adlı dosyayı açın.
Sistemi makroomurgasızlar için test ederken, bazı taramalar işlenmiş görüntülerde düşük kalitedeydi. Buna rağmen, ham ve işlenmiş görüntünün iyi tarama kalitesine sahip ince bir alt örneklem tasvir edildiği gibi görünür. Analiz edilen vinyet setinde,% 86.1'i enkaz ile karşılık geldi.
Detritus, lifler, vücut parçaları veya tarama yapıları dahil. Tespit edilen nesnelerin geri kalan% 13.9'u omurgasız organizmalara karşılık geldi. Otomatik tanıma ve ardından nesnelerin manuel olarak doğrulanması, tüm kategoriler için yüksek hatırlama sergiledi.
Kirlenme bir hassasiyet diğer omurgasızlar dışında oldukça düşüktü. Otomatik ve doğrulanmış makroomurgasız bolluğunun karşılaştırılması, enkazdan kaynaklanan kontaminasyon nedeniyle otomatik performansın hafif bir abartılması ile yüksek bir korelasyon göstermiştir. Otomatik tahminin bireysel boyut dağılımlarının olasılık yoğunluğu fonksiyonları, ince ve kaba alt örnekler için doğrulanmış tahminlerle güçlü bir şekilde ortaya çıkmıştır.
Dokunan nesnelerin seçilen doğal örneklerden ayrılmasından sonra doğrulanan alt örnekler, artan bolluk gösterdi. Ancak ortalama elipsoidal hacim, doğrulanmış örneklere yakındı. Düzeltilmiş numunelerin boyut dağılımları, doğrulanmış numunelerden biraz farklıydı.
Ancak güçlü bir korelasyon gözlendi. Normalize biyovolüm boyutu spektrumu tedaviler arasında benzerdi. Birkaç spektrumdaki birkaç boyut sınıfı hariç.
İnce bir tarama elde etmek için dokunan organları ayırmak için gerekli zamanı ayırın ve yağışı önlemek için her taramadan sonra bu tarama tepsisini suyla temizleyin. Planktonlar için oluşturulan bu prosedürü makroomurgasızları nehre kadar benimsedik. Böylece, diğer ince grupların bireysel vücut boyutlarını elde etmek için potansiyel olarak uyarlanabilir.
örneğin, karasal omurgasızlar. Bu yöntem, makroomurgasız topluluk büyüklüğü yapısının büyük, özel ve zamansal gradyanlar üzerinde sistematik bir şekilde tahmin edilmesini sağlayacaktır. Ve nehir ekosisteminin işleyişinde vücut büyüklüğünün rolünü ve değerlendirmesini araştırın.
Tam transkripti görüntüleyin ve binlerce bilimsel videoya erişin
Genel Bakış
Bu makale, bentik nehir makroinvertebratlarının tahrişini ve tanımlanması için yarı otomatik bir görüntüleme prosedürü sunmaktadır. Yöntem, yaklaşık bir saat içinde bireysel boyut dağılımları ve metriklerinin verimli bir şekilde elde edilmesini sağlar.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Ekoloji
- Tatlı su biyolojisi
- Çevresel izleme
Arka Plan
- Vücut boyutu, ekolojik izleme için kritik bir özelliktir.
- Geleneksel boyut ölçüm yöntemleri zaman alır.
- Otomatik yöntemler, ekolojik değerlendirmelerde verimliliği artırabilir.
- Makroinvertebratlar, tatlı su ekosisteminin sağlığının göstergesi olarak hizmet eder.
Çalışmanın Amacı
- Makroinvertebrat boyutlarını ölçmek için standartlaştırılmış bir protokol geliştirmek.
- Tatlı su ekosistemlerinin rutin değerlendirmelerini kolaylaştırmak.
- Boyut dağılım analizinin doğruluğunu ve hızını artırmak.
Kullanılan Yöntemler
- Numuneleri dijitalleştirmek için tarayıcı kullanımı.
- Yarı otomatik bir görüntüleme prosedürünün uygulanması.
- Makroinvertebratların boyutlarına göre sıralanması ve tanımlanması.
- Kısa sürede bireysel boyut dağılımlarının hesaplanması.
Ana Sonuçlar
- Protokol, hızlı boyut dağılım analizi sağlar.
- Bireysel boyut metrikleri verimli bir şekilde elde edilebilir.
- Yöntem, tatlı su ekosistemlerinin izlenmesini artırır.
- Prosedürün Vic Üniversitesi'nden Rosa Guri tarafından gösterilmesi.
Sonuçlar
- Geliştirilmiş protokol, makroinvertebrat topluluklarının değerlendirmesini hızlandırır.
- Ekolojik izleme için güvenilir bir yöntem sağlar.
- Yaklaşım, daha geniş ekolojik çalışmalar için benimsenebilir.
Sıkça Sorulan Sorular
Executive Industry Relevance
Automated image-based quantification of riverine macroinvertebrate size structure addresses a critical bottleneck in ecological bioindicator workflows by enabling rapid, standardized measurement at scale. This capability enhances predictive confidence in environmental impact assessments and supports robust, data-driven decision-making for biopharma R&D teams engaged in ecosystem health monitoring. The protocol's reproducibility and throughput position it as a valuable asset for portfolio-level environmental risk evaluation and translational research continuity.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of ecosystem perturbation effects using macroinvertebrate size as a functional biomarker.
- Supports mechanistic de-risking by linking community structure shifts to environmental stressors.
- Facilitates hypothesis-driven validation of ecological targets for environmental safety studies.
Screening & Assay Development
- Provides standardized, semi-automated sample processing for high-throughput size distribution analysis.
- Delivers reproducible, quantitative outputs suitable for cross-study comparison and assay benchmarking.
- Enables scalable screening of environmental samples for rapid bioindicator assessment.
Translational & Preclinical Research
- Aligns macroinvertebrate size spectrum data with translational biomarker strategies for ecosystem health.
- Ensures continuity from discovery-stage environmental impact signals to preclinical validation of ecological interventions.
- Supports risk-adjusted advancement of environmental safety candidates based on robust quantitative endpoints.
Pipeline & Workflow Integration
This protocol integrates into the environmental monitoring continuum from early discovery through translational research, providing a bridge between field sample acquisition and quantitative ecological analysis.
- Discovery Biology: Enables hypothesis testing on the impact of biotic and abiotic gradients using size structure as a readout.
- Screening: Standardizes sample processing and measurement for reliable, reproducible outputs across studies.
- Analytics: Generates quantitative size distribution data and statistical comparisons between conditions.
- Translational Research: Facilitates alignment of ecological bioindicators with preclinical environmental safety endpoints.
- Enterprise Reuse: Establishes a reusable, scalable workflow for ongoing environmental risk assessment initiatives.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in ecological risk models and target validation.
- Operational Value: Reduces manual labor, increases throughput, and standardizes data acquisition.
- Strategic Value: Improves go/no-go decisions for environmental safety and sustainability portfolios.
- Portfolio Impact: Enables risk-adjusted prioritization of environmental interventions and monitoring programs.
Implementation Considerations
- Requires expertise in image analysis, machine learning validation, and ecological sample handling.
- Needs access to specialized scanning instrumentation and compatible image processing software.
- Demands cross-team standardization for sample preparation and data validation workflows.
- Adaptation may be necessary for different macroinvertebrate taxa or environmental matrices.
- Quality of scan and separation of clustered organisms are critical for accurate measurement.
Biopharma FAQs
Chapters in this video
0:04
Introduction
0:40
Acquisition of Digital Images for Macroinvertebrate Samples
1:52
Sample Preparation and Scanning
3:04
Sample Recovery
3:38
Prediction of the Identity of Macroinvertebrates
4:34
Manual Validation
6:17
Results: Analyses of the Scanned Images
8:05
Conclusion
