當前位置：首頁(yè) > 新聞中心 > Aivia 14發(fā)布會(huì )：開(kāi)啟3D空間生物學(xué)分析新紀元

Aivia 14發(fā)布會(huì )：開(kāi)啟3D空間生物學(xué)分析新紀元

更新時(shí)間：2024-07-19 點(diǎn)擊次數：222

圖片說(shuō)明：3D人類(lèi)扁桃體組織，使用8種OPAL染料和DAPI標記的9-plex人類(lèi)扁桃體組織，在STELLARIS共聚焦系統上獲取。使用Aivia中的3D Multiplexed Cell Analysis recipe對組織中的上皮細胞和免疫細胞進(jìn)行了分割。

圖片來(lái)源：Leica Microsystems的Dr. Tatjana Straka。

亮

點(diǎn)

一

3D Multiplex細胞檢測

我們zui前沿的deep learning模型，無(wú)需細胞核染色也可快速精準分割3D細胞。增強后的cellpose^【1】模型增速78%，這將大幅加速您的研究進(jìn)程，助您迅速獲得空間組學(xué)洞察。更棒的是，您可以通過(guò)Aivia Community在任何PC工作站上無(wú)縫分享您的突破性發(fā)現，與全球科學(xué)家共同進(jìn)步！

【1】：Stringer C, Wang T, Michaelos M, and Pachitariu M. Cellpose: a generalist algorithm for cellular segmentation. Nature Methods. 18: 100-106. (2021)

Media Gallery

Aivia 14發(fā)布會(huì )：開(kāi)啟3D空間生物學(xué)分析新紀元

左右滑動(dòng)查看更多

亮

點(diǎn)

二

專(zhuān)家或數據驅動(dòng)的表型分析極簡(jiǎn)化

Aivia內置的Phenotyper基于您的專(zhuān)業(yè)知識對2D/3D細胞聚類(lèi)分析。除此之外，Aivia還提供無(wú)監督自動(dòng)聚類(lèi)方案k-means clustering^【2】或PhenoGraph-Leiden clustering^【3】，可以基于強度或PhenoGraph-Leiden clustering^【3】，可以基于強度或形態(tài)測量進(jìn)行聚類(lèi)。新增的confidence value功能，可以讓用戶(hù)可以讓用戶(hù)去除低confidence object或只保留最高confidence value obecjt用于下游分析。

在此視頻中，僅選擇具有最高置信值（用戶(hù)定義為0.85）的細胞以創(chuàng )建一個(gè)單獨的表型，用于與其他包括較低置信值的表型進(jìn)行比較。

Media Gallery

左右滑動(dòng)查看更多

亮

點(diǎn)

三

生物標記物分組

通過(guò)分組相關(guān)的biomarker（例如腫瘤標記，免疫細胞標記），輕松地在復雜的多重標記數據中一起可視化生物相關(guān)channel，一次輕松切換多個(gè)通道。自動(dòng)將生物相關(guān)通道填充到Phenotyper類(lèi)別和channel中，并利用功能分組通過(guò)Marker-Cluster樹(shù)狀圖來(lái)解釋數據，探索biomarker和phenotype之間的關(guān)系。

打開(kāi)和關(guān)閉每個(gè)頻道組會(huì )同時(shí)打開(kāi)和關(guān)閉該組中的所有標記

Media Gallery

Biologically relevant channel grouping

左右滑動(dòng)查看更多

亮

點(diǎn)

四

復雜空間數據探索

創(chuàng )新性可視化工具增強了數據分析和空間關(guān)系分析。Aivia 14提供一整套新工具來(lái)探索和可視化復雜數據和空間關(guān)系，適用于2D/3D復雜數據和具有多重形態(tài)學(xué)數值的常規共聚焦顯微圖像?？傆幸豢钸m合你！快來(lái)看看吧！

關(guān)鍵特征如下：

phenotyping過(guò)程中自動(dòng)產(chǎn)生summary數據，展示統計值以及百分比。

Marker-Cluster Dendrogram揭示了強度或形態(tài)學(xué)測量值與表型之間的關(guān)系，并通過(guò)增強的交互性來(lái)探索圖像中感興趣的表型、通道和形態(tài)測量。

按聚類(lèi)對測量進(jìn)行排序或按測量對聚類(lèi)進(jìn)行排序，以便輕松解讀復雜數據。

新的double-sided Violin plot，可用于比較不同組或表型中兩個(gè)測量值之間的數據分布。

Pearson Correlation Heatmap，用于可視化不同組或表型中兩個(gè)測量值之間的相關(guān)性。

Binned scatterplot 用于全面分析不同對象或表型中兩個(gè)不同測量值的數據分布。

Dimensionality reduction（UMAP、PacMAP、t-SNE），用于將高維數據簡(jiǎn)化到二維空間，便于數據解釋。

Multi-well scatterplot ，用于繪制每個(gè)孔、每個(gè)實(shí)驗條件或整個(gè)板上所有條件的數據。

此外，我們的關(guān)系工具通過(guò)交互選擇圖像上的對象或表型，并使用spotlight功能可視化選擇，能夠精確測量單個(gè)對象或表型之間的頂點(diǎn)到頂點(diǎn)的3D距離。

快來(lái)體驗Aivia 14的強大功能，

開(kāi)啟數據分析的新篇章吧！