此napari插件在荧光视频中创建几个区域兴趣点(2D+时间)的相似区域。然后,它获取随时间变化的ROI均值并执行信号去噪:通过盲源分离(带有或没有小波滤波)修复光漂白并分离信号与噪声。
项目描述
napari-metroid
此napari插件是metroid的改编。它在荧光视频中的细胞上创建几个相似区域的区域兴趣点(2D+时间)。然后,它获取随时间变化的ROI均值并执行信号去噪:通过盲源分离(带有或没有小波滤波)修复光漂白并分离信号与噪声。
此napari插件是用Cookiecutter和@napari的cookiecutter-napari-plugin模板生成的。
一张图片(以简明扼要的方式表达)
以下是Metroid软件的图文摘要。此napari插件的工作方式非常相似。
目录
快速入门
以下是对使用napari-metroid的完整演示。它展示了以下内容
- 打开样本数据;
- 创建细胞掩码;
- 将掩码分割成相似面积的感兴趣区域(ROI);
- 获取ROI随时间的信号并绘制两个;
- 去除光漂白;
- 去除噪声
- 使用独立成分分析(ICA)将ROI信号分解成独立成分;
- 绘制4个成分;
- 手动选择感兴趣的成分(源);
- 使用所选源进行逆变换;
安装
创建一个新的conda环境
conda create -n metroid-env python=3.8
安装napari,例如通过pip
pip install "napari[all]"
通过pip安装napari-metroid
pip install napari-metroid
要安装最新开发版本
pip install git+https://github.com/zoccoler/napari-metroid.git
使用
打开样本数据
此插件附带两个示例视频
- Cell1视频动作电位:将大鼠分离的心肌细胞标记为膜电位染料,并在其上施加外部电场脉冲的2D + 时间荧光视频。
- Cell1视频电穿孔:同一细胞,但受到强烈外部电场脉冲的作用。
您可以在“文件 -> 打开样本 -> napari-metroid”下打开它们,如下所示。这两个视频都来自metroid主仓库。有关实验条件的更多信息,请参阅原始出版物。
打开插件主界面
自动生成细胞掩码
Metroid可以通过图像累积求和直到任何像素饱和自动生成细胞的二值掩码。然后它应用Otsu阈值并去除小物体。
将掩码分割成ROI
默认情况下,细胞掩码以双层方式分割成32个感兴趣区域(ROI):一个ROI的外层和一个内层。该方法仅基于细胞掩码的形状,主要标准是ROI必须具有相似的区域。每层的ROI数量可以编辑。
获取随时间变化的ROI均值
“获取信号”按钮用于收集每个ROI随时间的平均荧光并启用绘图。在那里,您可以提供帧率,以便时间轴正确显示。双击ROI以绘制其信号。按住“ALT”键可以一起绘制多个信号。
去除光漂白
Metroid通过在缺乏细胞信号(可以是动作电位或电穿孔信号)的时间段进行曲线拟合来去除光漂白。这就是为什么“瞬态”参数很重要的原因。动作电位是瞬态信号,而电穿孔(至少在本实验期间)不是,算法必须知道这一点才能正确去除趋势。
过滤信号
细胞信号通过分离PCA或ICA(加上可选的小波滤波)的信号成分进行过滤。然后它选择一个(或多个)成分,并仅使用所选成分应用逆变换。Metroid可以根据信号功率的估计自动执行此组件/源选择。相反,我们下面展示了手动选择程序,其中绘制了4个成分,用户从中选择一个。
保存输出
原始、校正和过滤信号以及时间和成分都按每个时间点的值排列在表中。该表在每次点击“运行”按钮后显示为小部件。还提供了每个标签/ROI的估计信号噪声比(SNR)(在这种情况下,每行对应于一个ROI,而不是时间点)。用户可以通过点击“复制到剪贴板”或“另存为csv...”按钮保存这些数据。
贡献者
欢迎贡献。可以使用 tox 运行测试,请在提交拉取请求前确保覆盖率至少保持不变。
引用napari-metroid
如果您在研究中使用了此插件,请友好地引用以下原始论文
Zoccoler, M., de Oliveira, P.X. METROID:在低信噪比下对亚细胞荧光事件进行稳健量化的自动化方法。BMC生物信息学 21, 332 (2020)。 https://doi.org/10.1186/s12859-020-03661-9
许可证
在 BSD-3 许可证的条款下分发,“napari-metroid” 是免费且开源的软件
问题
如果您遇到任何问题,请附上详细描述 提交问题。
项目详情
下载文件
下载适用于您平台的文件。如果您不确定选择哪一个,请了解更多关于 安装包 的信息。
源分布
构建分布
napari-metroid-0.0.5.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 7d5b1dadbf71f6ce522625422ec09d71dc9f287b89841c5a5ca46c48891e8c7a |
|
MD5 | aa8a270078853ee404d991f205ff8cf4 |
|
BLAKE2b-256 | abb1d8852851508673d4f189b3f97fba23676e1f5b695d81273ef1ce4fb3d7d4 |
napari_metroid-0.0.5-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 575a34d609d89bc128d6e0e888c57e19aa5abb7d7d7b64bf3a9e33818e5c5d5d |
|
MD5 | 6433ac0f39b8f801e81b6c844de72b3b |
|
BLAKE2b-256 | 51d7287e7f1489ebb8060e34afa73b4f3ee178cb8ba3f0c404fbec6688aca593 |