PyScratch ist eine neue, in Python implementierte Open-Source-Software für die Analyse von Migrationsdaten mit einer benutzerfreundlichen Schnittstelle, die es Wissenschaftlern mit geringen oder keinen Programmierkenntnissen ermöglicht, sie zu nutzen.
Die Software wurde 2017 im Rahmen einer Partnerschaft zwischen drei brasilianischen Wissenschaftlern im NanoCell Interactions-Labor an der Universität Campinas entwickelt.
Sie wurde aus der Notwendigkeit dieser Wissenschaftler heraus geboren, und heute soll die Software die tägliche Praxis der Forscher erleichtern, die manuelle Analyse ausschließen, die Reproduzierbarkeit erhöhen und menschliche Fehler minimieren.
Die Bildanalyse ist eine der wichtigsten Methoden, die von Wissenschaftlern in verschiedenen Verfahren zur Analyse von Ergebnissen eingesetzt wird.
In den letzten Jahren hat nicht nur der Einsatz von automatisierten Mikroskopen zugenommen, sondern auch die Komplexität der erfassten Daten.
Ein Teil der Aufgabe eines Wissenschaftlers besteht darin, herauszufinden, wie man mit einer neuen Art von Informationen umgeht, und außerdem Daten zu analysieren und zu verarbeiten.
Dafür brauchen die Wissenschaftler gute und spezialisierte Werkzeuge, um alle Daten korrekt zu extrahieren und zu interpretieren.
PyScratch wurde zunächst entwickelt, um der Biologin Fernanda Garcia-Fossa zu helfen, eine große Menge an Daten aus ihren Migrationsversuchen zu analysieren.
"Ich habe die Krebszellen gekratzt und 48 Stunden lang im Gerät inkubiert, wobei ich alle 15 Minuten Bilder aufgenommen habe. Am Ende eines einzigen Experiments hatte ich etwa tausend Bilder, die ich mir ansehen und analysieren konnte!
Es war unmöglich, dies manuell zu tun", sagt Garcia-Fossa. Um dieses Problem zu lösen, wandte sich Garcia-Fossa an ihren Partner, den Physiker Vladimir Gaal. Zu dieser Zeit lernte Gaal gerade Python, was eine gute Gelegenheit war, dieses Wissen in die Praxis umzusetzen.
So arbeiteten beide in der Lösung durch eine Python-Routine, die die zerkratzten Bereiche erkannte und in eine csv-Datei exportierte.
"Mit der Zeit sahen wir die Notwendigkeit, eine Benutzeroberfläche zu entwickeln, die die Benutzung noch einfacher macht, so dass wir die Software für jeden Forscher, der sie benutzen möchte, veröffentlichen können", sagt Garcia-Fossa über den Software-Artikel, den Sie sich ansehen können hier klicken.
Garcia-Fossa erzählt auch, dass es eine Weile gedauert hat, bis sie das Migrationsgebiet auf den Bildern erkennen und definieren konnten, da die Bilder aufgrund von Licht, Schärfe und Kontrast sehr unterschiedlich sein können, und die heute verwendete Version bereits recht gut analysieren kann.
Nichtsdestotrotz wird weiterhin an der Software gearbeitet, um neue und bessere Versionen auf den Markt zu bringen, da der veröffentlichte Artikel einige Verbesserungsbedürfnisse aufgrund der Nachfrage der Nutzer aufgezeigt hat.
Der zur Validierung der Softwareleistung verwendete Test, der Migrations- oder Kratztest oder die Wundheilung, ist ein in der Biologie häufig verwendeter Test, da er es ermöglicht, den zugrunde liegenden Mechanismus physiologischer und pathologischer zellulärer Ereignisse zu analysieren.
Das Studium der Wundheilung ist ein wichtiger Weg zum Verständnis der Entwicklung und der Gewebemodellierung, neben der Angiogenese und der Tumorentwicklung.
Wenn der Test in zwei Dimensionen durchgeführt wird, kann gemessen werden, wie schnell die Zellen auf die Wunde reagieren und den definierten Bereich abdecken.
Mit anderen Worten, das Experiment besteht im Wesentlichen darin, eine Lücke in der Monoschicht der konfluierenden Zellen in einer Plakette zu erzeugen.
Mit der Zeit beginnen die Zellen zu wandern, um die Lücke zu füllen, und die Geschwindigkeit der Zellwanderung kann gemessen werden.
Um die Geschwindigkeit der Zellwanderung zu messen, müssen sie eine ganze Reihe von Bildern aufnehmen, was wiederum ein problematischer Schritt der Analyse ist, weil es manuelle Messungen erfordert.
Glücklicherweise steht uns heute eine Vielzahl von Technologien zur Verfügung, mit denen wir unsere Analyseverfahren verbessern und erweitern können, so dass die Wissenschaftler bessere und individuellere Methoden anwenden können, um ein Ergebnis zu erzielen.
So wie Garcia-Fossa und Gaal es getan haben.
Heute gibt es weitere kommerzielle und nichtkommerzielle Tools zur Bearbeitung des Wundbereichs.
Sie sind jedoch nicht so einfach wie PyScratch und erfordern vom Benutzer ein gewisses Maß an Programmierkenntnissen sowie die volle Aufmerksamkeit des Benutzers, was die Analyse anfälliger für menschliche Fehler macht, sowie die Zeit, die der Forscher benötigt, um alle Bilder und Daten zu analysieren.
In dem Artikel erklären die Autoren, wie die Software funktioniert. Von allen Bildern, die im Rahmen des Experiments gemacht wurden, erhält der Benutzer eine Datei mit kommagetrennten Werten (.cvs), eine Ausgabe, die tabellarische Daten in Klartext enthält.
Der Benutzer kann die Daten dann in seiner gewohnten Routine verarbeiten. Garcia-Fossa sagt, dass das Programm für ihre Masterarbeit unerlässlich war: "Die Software wandelt die Eingabedaten in Werte um, die biologisch sinnvoll sind, wie die Geschwindigkeit der Zellwanderung.
Dank PyScratch konnte ich die Wirkung meiner Nanopartikel auf Prostatakrebszellen besser analysieren und die Geschwindigkeit der Zellwanderung sowie den genauen Zeitpunkt für den guten Abschluss messen."
Wenn Sie PyScratch für Ihre Forschung ausprobieren möchten, ist die Software frei verfügbar und jeder aus der wissenschaftlichen Gemeinschaft darf sie benutzen, was Garcia-Fossa und Gaal hilft, das Programm zu erweitern und zu verbessern.
____
Wie sind Ihre bisherigen Erfahrungen mit Mind the Graph? Helfen Sie uns, unsere Plattform für Sie und viele andere Wissenschaftler zu verbessern, indem Sie eine Mind the Graph Bewertung abgeben. Erzählen Sie uns von Ihren Erfahrungen, klicken Sie einfach auf hier.
Abonnieren Sie unseren Newsletter
Exklusive, qualitativ hochwertige Inhalte über effektive visuelle
Kommunikation in der Wissenschaft.
German 
English 
Chinese 
Japanese 
Spanish 
Portuguese 
Dutch 
Russian 
French 
Italian