iCLOTS:开源,支持人工智能的软件,用于分析微流体和基于显微镜的血细胞分析
Meredith E Fay1,2,3,4,5, Oluwamayokun Oshinowo1,2,3,4,5, Elizabeth Iffrig1,6
1The Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology & Emory University, Atlanta, GA, USA.
Nature communications
|August 18, 2023
概括
一个新的开源软件,交互性细胞检测标记观察和跟踪软件 (iCLOTS),分析了依赖时间的显微镜数据,以检测细胞粘附和流动. 这个工具为生物医学研究人员民主化了先进的计算方法.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 细胞生物学 细胞生物学
背景情况:
- 基于显微镜的细胞检测,包括微流体,已经有了显著的进步.
- 对时间依赖显微镜数据的分析,包括流体流动和细胞粘附等现象,仍然具有挑战性.
- 手动分析容易出现错误,耗时,并限制了分辨率和指标创新.
研究的目的:
- 开发一个易于使用的,开源的软件工具包,用于分析复杂的显微镜数据.
- 为了解决缺乏可访问的分析工具,用于生理学上相关的细胞测定.
- 为生物医学研究人员民主化先进的计算方法.
主要方法:
- 互动细胞测定标记观察和跟踪软件 (iCLOTS) 的开发.
- 使用细胞粘附,单细胞跟踪和用血液样本进行速度概况分析进行iCLOTS的基准测试.
- 机器学习算法的应用用于数据表征.
主要成果:
- iCLOTS提供了一个用户可适应的工具包,用于分析时间依赖的显微镜数据.
- 该软件有效地对微流体应用中的细胞粘附,单细胞跟踪和速度配置文件进行基准测试.
- 在iCLOTS中的机器学习算法识别了以前无法察觉的数据模式.
结论:
- iCLOTS解决了在细胞测试研究中对先进分析工具的关键需求.
- 开源软件使使用经过充分验证的计算方法变得民主化.
- iCLOTS为广泛的生物医学研究人员提供了创新的,与生理相关的测试.
