분석: 이미지 정량화

수동 이미지 분석에 기반하여 과학적 질문에 답하는 것은 복잡하고 비효율적일 수 있습니다. 이미지를 효율적으로 분석하여 과학적 질문에 답할 수 있는 다양한 도구들이 존재하지만, 최소한 원시 데이터는 여러 단계를 거쳐 처리되어야 합니다. 이러한 과정에서 체계적인 오류나 샘플 자체의 특성으로 인한 오류를 제거하여 통계 분석을 균일하게 적용할 수 있는 수준에 도달해야 합니다.

당사는 영상에서 발생하는 잡음을 제거하고, 이미지를 분할하며, 관련 생물학적 정보를 체계적이고 정확하게 분석하여 실제 생물학적 신호를 충실하게 재현하는 기술을 제공합니다.

세포를 지속적으로 촬영하고 측정하는 기술

Incucyte

IncuCyte 생세포 분석 시스템

아티팩트 제거

이미지는 먼저 광자를 전기 신호로 변환하는 검출기를 통해 포착됩니다. 이러한 아날로그 전기 신호는 다시 디지털 값으로 변환되어 배열 형태로 표시됩니다. 그러나 이러한 전기 신호는 분석 대상 시료에서 생성된 광자뿐만 아니라 자가 형광이나 시스템적 광학 수차와 같은 교란 요인에서도 발생합니다. 시료에서 생성된 진정한 신호를 얻으려면 각 교란 요인을 보정해야 합니다.

정확한 생물학적 신호의 표현을 보장하기 위해 교정 조작은 정확한 일련의 과정을 통해 원본 이미지에 대해 수행되어야 합니다. 데이터가 생성되는 동안 이러한 보정을 수행하는 통합 소프트웨어 솔루션은 (1) 객관성을 제공하고 (2) 이미지 분석 프로세스의 속도를 높이는 데 도움이 됩니다.

관련 생물학적 요소 식별

이미지 처리가 충분히 완료되면 다음 단계는 적절한 이미지 마스킹을 통해 관심 있는 생물학적 활성을 식별하는 것입니다. "임계값 설정"이라고 하는 가장 간단한 이미지 마스킹 방법에서는 특정 임계값보다 높은 픽셀은 분석하고, 낮은 픽셀은 무시합니다. 보다 복잡한 상호작용의 경우, 불리언 논리(예: AND, OR, NOT)로 제어되는 여러 마스크를 사용하여 관심 있는 픽셀을 정확하게 찾아낼 수도 있습니다. 하지만 이러한 분석 역시 시간이 많이 소요되고 주관적일 수 있습니다. 특정 과학적 질문과 관련된 데이터 평가에 필요한 도구만 제공하는 맞춤형 소프트웨어를 사용하면 이미지 분석을 더욱 객관적이고 빠르게 수행할 수 있습니다.

대규모 데이터 세트 분석

원시 데이터는 통계 분석을 의미 있게 적용할 수 있는 수준에 도달하기까지 여러 단계를 거쳐 처리되어야 합니다. 96웰 플레이트에서 수행되는 생세포 실험의 경우, 1,000장의 이미지는 적절한 데이터 세트 크기이며, 적색 형광/녹색 형광/투과광 등 여러 채널을 캡처하는 경우에는 더 커질 수도 있습니다. 대규모 이미지 세트를 분석할 때는 모든 이미지에 대해 (예: 사멸 세포 또는 생세포에 대해) 적절한 처리가 이루어져야 합니다. 기존 이미지 분석 소프트웨어는 다양한 이미지를 효율적으로 평가하는 기능을 제공하지 않기 때문에 일반적인 생세포 마이크로플레이트 분석은 다루기 어려울 수 있습니다. 당사 소프트웨어는 원시 이미지를 대규모로 활용 가능한 데이터로 변환하는 데 필요한 모든 단계를 수행하는 데 필요한 솔루션을 내장하고 있습니다.