Автоматизация количественного анализа конфокальной микроскопии; презентация на SciPy 2013

Авторы: Феннер, Марк; Феннер, Барбара, Королевский колледж, Уилкс-Барре, Пенсильвания Направление: Медицинская визуализация Конфокальная микроскопия — это качественный аналитический инструмент, используемый для визуализации связей между клеточными процессами и анатомическими структурами. Количественный анализ конфокальных изображений использует экспертные знания в области коррекции фона и статистические расчеты для получения полуколичественных сравнений между экспериментальными условиями. Расширенная автоматизация количественных конфокальных методов позволит (1) сократить трудоемкость ручной коррекции фона и (2) предоставить полностью количественный метод для сопоставления клеточных процессов со структурами. Цель данного проекта: (1) разработать автоматизированные методы для количественной оценки колокализации нескольких флуоресцентных меток на конфокальных изображениях и (2) применить эти методы для оценки колокализации trkB.t1 и BDNF в трех типах органелл: эндосомах, лизосомах и транспортных органеллах. Для вычисления количественных значений колокализации требуется коррекция фонового шума на изображениях. Мы выполняем коррекцию фона тремя способами: (1) вручную, (2) с помощью автоматического эвристического анализа гистограмм интенсивности меток и (3) с помощью регрессионной модели, разработанной на основе подмножества изображений, скорректированных вручную. Используя скорректированные изображения, мы вычисляем набор корреляций, специфичных для предметной области: коэффициенты Пирсона и Мандера, «коэффициенты колокализации» (M1, M2, m1 и m2) и «коэффициенты перекрытия» (k1 и k2). Проект реализован полностью на Python. Чистый Python используется для управления доступом к файлам, входными параметрами и первоначальной обработки репозитория из 933 изображений. NumPy используется для применения ручной коррекции фона, вычисления автоматических коррекций фона (снижение количества ложноположительных результатов и ручного труда) и для вычисления коэффициентов, специфичных для предметной области. Мы визуализируем исходные значения интенсивности и вычисленные значения коэффициентов с помощью панельных графиков в стиле Туфте, созданных в matplotlib. Более долгосрочная цель этой работы — исследовать возможные расширения коэффициентов с двойной меткой до коэффициентов с тройной меткой.