PyScratch is een nieuwe open-source software geïmplementeerd in Python voor de analyse van migratiegegevens assays, met een gebruiksvriendelijke interface waardoor wetenschappers met weinig of geen programmeervaardigheden het kunnen gebruiken.
De software is in 2017 ontworpen in een samenwerkingsverband tussen drie Braziliaanse wetenschappers in het NanoCell Interactions lab aan de Universiteit van Campinas.
Het werd geboren uit de noodzaak van deze wetenschappers en vandaag de dag is het doel van de software om de dagelijkse praktijk van onderzoekers te vergemakkelijken, de handmatige analyse uit te sluiten, de reproduceerbaarheid te vergroten en menselijke fouten te minimaliseren.
Beeldanalyse is een van de belangrijkste manieren die wetenschappers in verschillende methodologieën gebruiken om resultaten te analyseren.
Niet alleen het gebruik van geautomatiseerde microscopen is de afgelopen jaren toegenomen, maar ook de complexiteit van de verkregen gegevens.
Een deel van het werk van een wetenschapper is om te ontdekken hoe om te gaan met een nieuw soort informatie, naast, analyseren en verwerken van gegevens.
Daarvoor hebben wetenschappers goede en gespecialiseerde hulpmiddelen nodig om alle gegevens op de juiste manier te extraheren en te interpreteren.
PyScratch werd voor het eerst gemaakt om Fernanda Garcia-Fossa, een bioloog-onderzoeker, te helpen bij het analyseren van een enorme hoeveelheid gegevens van haar migratie-assays.
"Ik voerde de kras van de kankercellen uit en incubeerde 48 uur lang in de apparatuur, waarbij ik elke 15 minuten foto's nam, en aan het einde van slechts één experiment had ik ongeveer duizend foto's om te bekijken en te analyseren!
Het was onmogelijk om het handmatig te doen", zegt Garcia-Fossa. Om dat probleem op te lossen zocht Garcia-Fossa hulp bij haar partner, de natuurkundige Vladimir Gaal. In die tijd was Gaal Python aan het leren, wat een geweldige kans was om die kennis in de praktijk te brengen.
Dus werkten ze allebei in de oplossing via een Python-routine, die de bekraste gebieden herkende en exporteerde naar een csv-bestand.
"Met de tijd voelden we de noodzaak om een gebruikersinterface te ontwikkelen die het gebruik nog makkelijker maakte, op die manier konden we de software publiceren voor elke onderzoeker die het ook wilde gebruiken", zegt Garcia-Fossa over het software-artikel dat je kunt bekijken. hier klikken.
Garcia-Fossa vertelt ook dat het even duurde voordat ze het migratiegebied uit de beelden konden herkennen en definiëren, omdat de foto's erg van elkaar kunnen verschillen door licht, focus en contrast, en de versie die nu wordt gebruikt al behoorlijk goed kan analyseren.
Desondanks werken ze nog steeds aan de software om nieuwe en betere versies te lanceren, aangezien het gepubliceerde artikel enkele verbeteringsbehoeften naar voren heeft gebracht vanwege de vraag van gebruikers.
De test die wordt gebruikt om de prestaties van de software te valideren, de migratietest, de krastest of de test voor wondgenezing, is een veelgebruikte test in de biologie omdat het mogelijk blijkt om het onderliggende mechanisme van fysiologische en pathologische cellulaire gebeurtenissen te analyseren.
Het bestuderen van wondgenezing is een belangrijke manier om de ontwikkeling en weefselmodellering te begrijpen, naast angiogenese en tumorontwikkeling.
Wanneer de test in twee dimensies wordt uitgevoerd, is het mogelijk om te meten hoe snel cellen reageren op de wond die het gedefinieerde gebied bedekt.
Met andere woorden, het experiment komt erop neer dat er een gat wordt gemaakt in de monolaag van confluentiecellen in een plaque.
Na verloop van tijd beginnen de cellen te migreren om de opening op te vullen en de snelheid van de celmigratie kan gemeten worden.
Om de celmigratiesnelheid te meten, moeten ze vervolgens een heleboel beelden verzamelen, wat weer een problematische stap is in de analyse omdat het handmatige metingen vereist.
Gelukkig hebben we tegenwoordig veel technologie tot onze beschikking om onze analysepijplijn te verbeteren en te upgraden, waardoor wetenschappers betere en meer gepersonaliseerde manieren kunnen gebruiken om een resultaat te krijgen.
Zoals Garcia-Fossa en Gaal het deden.
Tegenwoordig zijn er andere commerciële en niet-commerciële hulpmiddelen beschikbaar om het wondgebied te bewerken.
Maar ze zijn niet zo eenvoudig als PyScratch, en vereisen van de gebruiker een bepaald programmeerniveau en vragen ook fulltime aandacht van de gebruiker, waardoor de analyse gevoeliger is voor menselijke fouten, plus de tijd die de onderzoeker nodig heeft om alle afbeeldingen en gegevens te analyseren.
In het artikel leggen de auteurs uit hoe de software werkt. Van alle foto's die in het experiment worden gemaakt, krijgt de gebruiker een door komma's gescheiden waardenbestand (.cvs), een uitvoer waarin gegevens in tabelvorm in platte tekst worden opgeslagen.
De gebruiker kan de gegevens vervolgens verwerken zoals hij gewend is. Garcia-Fossa zegt dat het programma essentieel was voor haar masterscriptie: "De software zet de invoergegevens om in waarden die biologisch zinvol zijn, zoals de snelheid van celmigratie.
Dankzij PyScratch kon ik het effect van mijn nanodeeltje op prostaatkankercellen beter analyseren en de migratiesnelheid van de cellen en de exacte tijd voor de goede sluiting meten."
Als je PyScratch wilt proberen voor je onderzoek, de software is vrij beschikbaar en iedereen uit de wetenschappelijke gemeenschap mag het gebruiken, waardoor Garcia-Fossa en Gaal het programma kunnen verbeteren.
____
Hoe is jouw Mind the Graph ervaring tot nu toe? Help ons om ons platform te verbeteren voor jou en voor een heleboel andere wetenschappers door een Mind the Graph beoordeling te plaatsen. Vertel ons over uw ervaring, klik gewoon hier.
Abonneer u op onze nieuwsbrief
Exclusieve inhoud van hoge kwaliteit over effectieve visuele
communicatie in de wetenschap.
Dutch 
English 
Chinese 
Japanese 
German 
Spanish 
Portuguese 
Russian 
French 
Italian