Analyse von C. elegans GFP Bilddaten

Analyse von C. elegans GFP Bilddaten

Unser langfristiges Ziel ist es, zu erklären, wie das relativ kleine Nervensystem des Fadenwurms C. elegans beobachtbare Lernprozesse implementiert, um daraus neue Erkenntnisse für robuste Lernalgorithmen abzuleiten. Erste Erkenntnisse als Paper und Sourcecode zur Analyse von C. elegans Mikroskopaufnahmen gibt es bereits.

Diese Seite beschreibt die Software zum Paper Quantifying Phenotypic Variation in Isogenic Caenorhabditis elegans... (Paper-Referenz siehe unten). Die Software analysiert Bilder von C. elegans, bestimmt Pose, Kopf und Rumpfposition und ungefähre Position der Vulva für den Wurm, und berechnet anschließend die durchschnittliche Intensität für jede Zelle eines regelmäßigen 2D Rasters über dem Wurm (jeder Wurm in der gleichen Lage). Dies kann verwendet werden, um große Mengen von Würmer zu vergleichen, diese zu clustern, oder für die differentiale Expressionsanalyse. Die Software ist auf Bildern von Würmern entwickelt worden, die hsp-16.2::GFP ausdrücken, kann aber auch für andere GFP Proteine verwendbar sein. Wenn DIC Bilder vorhanden sind, können diese auch ähnlich verarbeitet werden. Die Software benötigt allerdings jedenfalls GFP Bilder für die Segmentierung.

Dokumentation

Die zur Verfügung gestellte Datei ist JAR-Datei mit der gesamten Software. Wir beschreiben die Programme in der Reihenfolge, in der sie normalerweise angewendet werden. Ausgeführt werden diese via java -cp process.jar [Programmname] [Parameter]. Sie benötigen eine Java-Laufzeitumbegung (Version 1.5 oder höher).

  1. pixelClassification_AvgStD_eval: Dieses Programm bekommt ein Basis GFP TIFF-Bild (RGB-tiff unkomprimiert, normalisiert, nur grüner Kanal mit Werte ungleich 0) und erzeugt ein getaggtes Ausgangsbild, das im blauen Kanal den Wurmrand (als #255) und alle Wurmpixel (als #64) enthält. Es sollte mit dem Eingangsbild, dem Ausgangsbild (erstellt bzw. überschrieben) und Log.eql.model -equalize -output -noview -nosave aufgerufen werden.

  2. meshAB_corrCoeff: wird verwendet, um ein a (Kopf) und ein b (Rumpf) Bild des gleichen Wurmes zu kombinieren. Zusätzlich werden für Kopf und Rumpf die absolute Pixelposition ausgegeben (nahe Head in der Ausgabe). Falls möglich, wird die Vulvaposition über die Wurmbiegung bestimmt (siehe Paper). Parameter sind das a-Eingangsbild, das b-Eingangsbild (a-und b-Bilder müssen Ausgangsbilder des vorherigen Schritts sein), das kombinierte Ausgangsbild (a+b, erstellt bzw. überschrieben) und das getaggte kombinierte Ausgangsbild (a+b+tagging, erstellt bzw. überschrieben; gleiches Format wie Ausgangsbild von 1.).

  3. sampleCE: wird verwendet, um ein Gleitkomma-TIFF-Bild mit durchschnittlichen Pixelintensitätswerten für jede Rasterfeldzelle zu berechnen. Die Parameter sind das Eingabebild (16bit TIFF), das getaggte Eingangsbild, die HEAD_TAIL Datei, Breite, Höhe und das Ausgangsbild (erzeugt bzw. überschrieben). Alle Eingangsbilder sollten volle Würmer (d.h. entweder den vollen Wurm in einem Bild oder erzeugt über meshAB_corrCoeff) enthalten. Die HEAD_TAIL Datei enthält eine Zeile pro Eingangsbild, mit dem Namen jedes Eingangsbildes (erster Parameter) ohne Pfad und ohne die .tiff Extension, gefolgt von der absoluten X-und Y-Position des Kopfes, des Rumpfes und der Vulva (wo die Vulvaposition nur auf der korrekten Seite des Wurmkörpers sein muß - entweder ventral oder dorsal vom "Wurmrückgrat"). Diese Felder werden durch ein Leerzeichen abgegrenzt. Diese Informationen können aus der Ausgabe von meshAB_corrCoeff ausgelesen werden (falls vorhanden) und müssen sonst ergänzt werden. Für GFP-Ausgabebilder wird Breite=15 und Höhe=75, und für DIC-Ausgabebilder wird Breite=45 und Höhe=225 vorgeschlagen. Die erhaltenen Wurmbilder können verwendet werden, um Analysen wie die in unserem Papier beschriebene durchzuführen.

Anmerkungen

Die Bilder wurden von betäubten Würmern aufgenommen, die jeweils auf einen frischen Objektträger gesetzt wurden. Anhaftende Eier, Luftblasen und andere Verschmutzungen können zu falscher Wurmkörper-Bestimmung führen. Überprüfen Sie immer alle getaggten Bilder vor dem Aufruf von sampleCE und entfernen oder beheben Sie manuell die unvollständig getaggten Würmer.

Wohingegen die Eingangsbilder für pixelClassification und meshAB auf 8bit (0-255) im grünen Kanal normalisiert werden sollten, um die Segmentierung zu verbessern, sollte das Eingangsbild für sampleCE direkt vom Mikroskop ohne eine solche Normalisierung kommen (typ. 12-16bit). Andernfalls kann die durchschnittliche Intensität nicht zwischen Wurmbildern verglichen werden, was die Arten von sinnvoller Analyse begrenzt.

Lizenz

Die zur Verfügung gestellte JAR-Datei process.jar enthält unseren Code sowie ImageJ und WEKA. Unser Code ist verfügbar unter der GNU Affero General Public Lizenz, Version 3 (AGPL v3)