شرکت سونی – سونی راه اندازی SFA را اعلام کرد

این پلتفرم دارای BL-FlowSOM است، یک الگوریتم جدید توسعه یافته بر اساس روش خوشه بندی داده های فلوسیتومتری، FlowSOM. BL-FlowSOM تجزیه و تحلیل سریعتر و تکرارپذیری بهتر نتایج تجزیه و تحلیل را درک می کند. علاوه بر این، عملکردهای کمکی مانند ویرایش متا خوشه، که تقریباً خوشه‌های ظریف را بر اساس ویژگی‌های سلولی گروه‌بندی می‌کند، و تجزیه و تحلیل نقشه حرارتی، که نشان می‌دهد چه مقدار آنتی ژن برای خوشه‌ها و متا خوشه‌ها بیان می‌شود، نیز با BL-FlowSOM در دسترس هستند.

نمودار MST از BL-FlowSOM

نمودارهای ستاره متا خوشه

نقشه حرارتی خوشه ها

تضمین عینیت با پاکسازی داده ها

الگوریتم‌های مختلفی (flowAI، flowCut، flowClean، PeacoQC (انتخاب داده‌های سیتومتری با کیفیت بر اساس پیک)) را می‌توان برای شناسایی و حذف خودکار نویز در داده‌های تولید شده توسط تلاطم در مایع پمپ‌شده در طول اندازه‌گیری با فلوسیتومتر استفاده کرد. این را می توان قبل از کاهش ابعاد و خوشه بندی انجام داد که منجر به نتایج عینی تری می شود.

پیوند بهبود یافته بین انواع مختلف قطعه

راه حل از تجزیه و تحلیل داده های چندپارامتری با تجزیه و تحلیل پیشرفته مبتنی بر یادگیری ماشینی برای شناسایی جمعیت های سلولی نادر پشتیبانی می کند.

راه حل ابری تجزیه و تحلیل داده های فلوسیتومتری

فایل های داده خام سیستم خروجی از ID7000 را می توان مستقیماً با استفاده از قابلیت های SFA – Life Sciences Cloud Platform وارد و تجزیه و تحلیل کرد. هنگام استفاده از تجزیه و تحلیل پیشرفته، نیازی به تبدیل داده ها به سایر فرمت های فایل نیست و می توان اطلاعات کاربرگ تحلیل شده را مستقیماً معرفی کرد. علاوه بر این، داده‌های طیفی شامل اطلاعات شدت هر سیگنال فلورسانس قبل از تبدیل نیز می‌تواند از ID7000 منتقل شود و به محققان این امکان را می‌دهد تا به داده‌های خام بازگردند و تحلیل خود را بررسی کنند.

چندین الگوریتم را می توان بدون تنظیمات قبلی استفاده کرد

پس از تجزیه و تحلیل های مختلف، همه نمودارها را می توان پیوند داد و روی صفحه نمایش داد، از جمله نمودارهای دو بعدی که اطلاعات سلولی را به صورت پراکندگی دو پارامتر نشان می دهد، نمودار طیفی که داده های فلورسانس خام را برای هر محدوده طول موج نشان می دهد، نمودار کاهش ابعاد که اجازه می دهد تا یک نمای کلی دو بعدی از اطلاعات چند بعدی و یک نمودار درخت پوشا حداقلی (MST) که داده ها را پس از خوشه بندی نشان می دهد. این امکان تجزیه و تحلیل کارآمدتر را فراهم می کند. به عنوان مثال، نمودار دو بعدی را می توان با نمودار کاهش ابعاد برای هر سلول، که در گذشته امکان پذیر نبود، مقایسه کرد.

تصویر پیوند بین انواع مختلف قطعه

2. پیگیری سهولت استفاده برای محققان

همچنین می توان از تحلیل متعارف استفاده کرد

داده‌های به‌دست‌آمده از ID7000 و داده‌های تولید شده پس از تجزیه و تحلیل‌های مختلف را می‌توان در فضای ابری ذخیره کرد و مدیریت خود داده‌ها و اشتراک‌گذاری داده‌ها را بین ایستگاه‌های کاری با کاربرانی که در حال انجام تحقیقات مشترک هستند، آسان می‌کند. هر کاربر دارای مجوز به یک مکان تجزیه و تحلیل مشترک برای داده های تجربی دسترسی دارد که می تواند برای اشتراک گذاری بر اساس نیاز پروژه پیکربندی شود و هر کاربر دارای مجوز می تواند دسترسی به این محتوا را انتخاب و مدیریت کند. توانایی به اشتراک گذاری داده های تجربی، همکاری را برای کاربران آسان می کند و اکتشافات علمی را ترویج می کند.

درباره کسب و کار علوم زندگی سونی

شرکت سونی (“سونی”) امروز راه اندازی SFA – Life Sciences Cloud Platform را اعلام کرد، یک راه حل ابری تجزیه و تحلیل داده های فلوسیتومتری که می تواند به سرعت سلول های کمیاب مانند سلول های سرطانی و سلول های بنیادی را از طیف گسترده ای از جمعیت های سلولی شناسایی کند. با استفاده از داده های به دست آمده از فلوسیتومتر.
پلتفرم ابری SFA – Life Sciences یک راه حل مبتنی بر ابر است که می تواند به طور موثر طیف گسترده ای از پروتکل های تجزیه و تحلیل را انجام دهد، از تجزیه و تحلیل مرسوم از جمله گیتینگ، که در آن تنها جمعیت های سلولی خاص برای تجزیه و تحلیل و کمی سازی بر اساس تفاوت در نور پراکنده و شدت سیگنال فلورسانس، تا تجزیه و تحلیل پیشرفته مانند کاهش ابعاد، که امکان مشاهده دو بعدی اطلاعات چند بعدی را فراهم می کند، و خوشه بندی، که به طور خودکار جمعیت های سلولی را طبقه بندی می کند.
این راه حل با آنالایزر سلول طیفی پرچمدار ID7000™ سونی سازگار استii که تجزیه و تحلیل سلولی چند رنگ ساده را با بیش از 44 رنگ ارائه می دهدIII. خروجی داده های خام و نتایج تجزیه و تحلیل حاصل از نرم افزار ID7000 را می توان مستقیما وارد و بدون هیچ گونه تبدیلی تجزیه و تحلیل کرد. علاوه بر این، این راه حل دارای ویژگی BL-FlowSOM استIV، یک الگوریتم جدید توسعه یافته است که سرعت FlowSOM، یکی از روش های خوشه بندی را افزایش می دهد. علاوه بر این، از آنجا که هر الگوریتم از قبل در محیط ابری نصب شده است، تجزیه و تحلیل فوری امکان پذیر است و نتایج حاصل از تجزیه و تحلیل داده ها را می توان مدیریت و بین کاربران به اشتراک گذاشت.
فلوسایتومتر ابزار قدرتمندی است که با تابش نور لیزر به سلول‌های رنگ‌شده با یک معرف فلورسنت که نور را تحت شرایط خاص منتشر می‌کند، ویژگی‌های سلول را تجزیه و تحلیل می‌کند، که سپس نور ساطع شده را به عنوان نور پراکنده و فلورسنت تشخیص می‌دهد. این روش تجزیه و تحلیل فلوسیتومتری نامیده می شود و می تواند اندازه و تعداد طیف گسترده ای از سلول ها و همچنین اطلاعات مربوط به سطح سلول و محتوای داخلی (مانند ساختار، عملکرد و نشانگرهای زیستی) را به سرعت اندازه گیری کند – با تجزیه و تحلیل ده ها هزار سلول. در کمتر از یک ثانیه
فلوسایتومترها در زمینه های تحقیقاتی مانند ایمونولوژی، سرطان شناسی و پزشکی احیا کننده برای تحقیقات پایه، روشن کردن علل بیماری و توسعه دارو استفاده می شوند. با پیشرفت تحقیقات، نیاز فزاینده ای به ابزارهایی مانند ID7000 وجود دارد که می تواند به طور جامع اطلاعات سلولی مختلف را در یک فرآیند واحد به دست آورد. تجزیه و تحلیل با استفاده از الگوریتم‌هایی مانند کاهش ابعاد و خوشه‌بندی نیز برای پردازش سریع اطلاعات چندرنگ و گسترده سلولی به‌دست‌آمده از چنین ابزارهایی توسعه یافته است.
تایسوکه کاوازاکی، مدیر کل ارشد، گفت: “SFA – Life Sciences Cloud Platform اولین سرویس ابری سونی برای علوم زیستی است که بر اساس نیازهای سایت های تحقیقاتی و دانش به دست آمده از ارائه فلوسیتومترهای پیشرفته مانند ID7000 توسعه یافته است.” بخش علوم زندگی، شرکت سونی. از طریق راه‌حل ما، داده‌های به‌دست‌آمده از ID7000 را می‌توان مستقیماً وارد کرد و به طور مؤثری هم در تحلیل‌های مرسوم با درجه آزادی بالا و هم برای تجزیه و تحلیل پیشرفته استفاده کرد، که محققان را قادر می‌سازد تا با تجزیه و تحلیل مقدار زیادی از اطلاعات به راحتی و به سرعت به بینش عمیق‌تری دست یابند. داده ها با سرعت بالا.”
سونی در زمستان امسال ارائه SFA – Life Sciences Cloud Platform را آغاز خواهد کرد.

ویژگی های اصلی

1. تجزیه و تحلیل پیشرفته مبتنی بر یادگیری ماشینی برای شناسایی سریع جمعیت های سلولی و بررسی اطلاعات چند بعدیv

الگوریتم هایی مانند UMAP، Fit-SNE و BL-FlowSOM از قبل در فضای ابری نصب شده اند، بنابراین نیازی به افزودن آنها به عنوان افزونه نیست. کاربران سطوح مختلف مهارت می توانند بلافاصله از چندین الگوریتم استفاده کنند.

3. مدیریت داده ها و به اشتراک گذاری آسان

هنگام تجزیه و تحلیل هیستوگرام ها و نمودارهای دو بعدی، همان عملکردهای اصلی تجزیه و تحلیل نرم افزار ID7000 را می توان در ابر انجام داد، از جمله مقیاس بندی برای تنظیم محدوده و نمایش لگاریتمی محورهای خاص، و همچنین دروازه. این تحلیل ها را می توان با تجزیه و تحلیل پیشرفته ترکیب کرد تا از بینش های عمیق تر پشتیبانی کند.

آنالایزر سلول طیفی ID7000

واردات بی‌وقفه داده‌های خروجی ID7000

17 نوامبر 2022

کسب و کار علوم زیستی سونی که در سال 2010 از طریق خرید iCyt Mission Technology شکل گرفت، بر تحقیق و توسعه پزشکی احیا کننده و ایمونوتراپی متمرکز است. کسب و کار Life Sciences با استفاده از اپتیک های لیزری اختصاصی سونی، مانند لیزرهای مورد استفاده در دیسک های Blu-ray و دیگر دیسک های نوری، فلوسیتومترها و توانایی اتصال رنگ های فلورسنت به سلول ها را توسعه داده است. تجارت علوم زیستی به تحقیقات پزشکی پیشرو و تولید و توسعه سلول درمانی کمک خواهد کرد.

منSFA نام نرم افزار و مخفف Spectral Flow Analysis است.

iiدر ابتدا، این راه حل با یک ایستگاه کاری ارائه می شود.

IIIتعداد ممکن است با معرفی فلوئوروکروم های جدید، به ویژه آنهایی که توسط لیزر 320 نانومتری برانگیخته می شوند، افزایش یابد.

IVBL مخفف Batch Learning است، روشی برای پردازش دسته ای تمام داده هایی که باید آموزش داده شوند. FlowSOM یک روش خوشه‌بندی و تجسم پیشرفته است که از نقشه‌های خودسازماندهی (SOM) برای تجزیه و تحلیل داده‌های فلوسیتومتری استفاده می‌کند.

vبا توجه به سرعت اتصال باند پهن.

منبع: https://www.sony.net/corporate/information/news/202211/22-039E/

برای شناسایی سریع جمعیت سلولی و بررسی اطلاعات چند بعدی با عینیت تضمین شده می توان از الگوریتم های مختلفی استفاده کرد. علاوه بر این، از آنجایی که تمامی روش‌های تحلیل در فضای ابری انجام می‌شوند، محدودیتی در توان پردازشی ایستگاه کاری ندارند و می‌توانند با سرعت پایدار انجام شوند.

بررسی سریع داده های چند رنگ از طریق کاهش ابعاد

در این راه حل می توان از UMAP (Uniform Manifold Approximation and Projection) و Fit-SNE (T-SNE مبتنی بر درونیابی مبتنی بر تبدیل سریع تبدیل فوریه) که الگوریتم های کاهش ابعاد هستند استفاده کرد. آنها ساختار داده های چند بعدی را به ابعاد کمتر تبدیل می کنند و در عین حال اطلاعات مهم را تا حد امکان حفظ می کنند. این الگوریتم‌ها درک ویژگی‌های داده‌ها را آسان‌تر می‌کنند و امکان مرور کلی از خروجی داده‌های چند رنگ از ID7000 را فراهم می‌کنند.