MOrgAna: accessible quantitative analysis of organoids with machine learning.
MOrgAna: accessible quantitative analysis of organoids with machine learning.
复制标题
DOI：
10.1242/dev.199611
复制
发表时间：
2021-09-15
期刊：
影响因子：
--
通讯作者：
Trivedi V
中科院分区：
文献类型：
--
作者：
Gritti N;Lim JL;Anlaş K;Pandya M;Aalderink G;Martínez-Ara G;Trivedi V
近年来，有机化合物在发育生物学、生物医学和翻译研究中的应用急剧增加。有机化合物是具有高度表型复杂性的大结构，可以在从简单的台式立体望远镜到基于高内容共聚焦的成像系统的广泛平台上成像。由数百种有机化合物同时培养而成的大量图像变得越来越难以检查和解读。因此，迫切需要一种无需编码、直观和可伸缩的解决方案，该解决方案能够以自动但快速的方式分析此类图像数据。在这里，我们介绍了MOGANA，这是一个基于Python的软件，它实现了机器学习，在几分钟内分割图像，量化和可视化数百幅图像中有机物的形态和荧光信息，每幅图像都有一个对象。虽然MOGANA界面是为几乎没有编程经验的用户开发的，但其模块化结构使其成为高级用户的可定制包。我们在几个体外系统上展示了MOGANA的多功能性，每个系统都用不同的显微镜成像，从而展示了该软件对不同有机类型和生物医学研究的广泛适用性。摘要：MOGANA是一个开放获取的软件，具有用户友好的界面，它实现了深度学习网络，在几分钟内分割、量化和可视化数百个有机物图像的形态和荧光信息。
Recent years have seen a dramatic increase in the application of organoids to developmental biology, biomedical and translational studies. Organoids are large structures with high phenotypic complexity and are imaged on a wide range of platforms, from simple benchtop stereoscopes to high-content confocal-based imaging systems. The large volumes of images, resulting from hundreds of organoids cultured at once, are becoming increasingly difficult to inspect and interpret. Hence, there is a pressing demand for a coding-free, intuitive and scalable solution that analyses such image data in an automated yet rapid manner. Here, we present MOrgAna, a Python-based software that implements machine learning to segment images, quantify and visualize morphological and fluorescence information of organoids across hundreds of images, each with one object, within minutes. Although the MOrgAna interface is developed for users with little to no programming experience, its modular structure makes it a customizable package for advanced users. We showcase the versatility of MOrgAna on several in vitro systems, each imaged with a different microscope, thus demonstrating the wide applicability of the software to diverse organoid types and biomedical studies. Summary: MOrgAna, an open access software with a user-friendly interface, implements deep learning networks to segment, quantify and visualize morphological and fluorescence information of hundreds of organoid images within minutes.
登录
查看更多内容
影响因子：
9.8
作者：
McQuin C;Goodman A;Chernyshev V;Kamentsky L;Cimini BA;Karhohs KW;Doan M;Ding L;Rafelski SM;Thirstrup D;Wiegraebe W;Singh S;Becker T;Caicedo JC;Carpenter AE
通讯作者：
Carpenter AE
影响因子：
5.4
作者：
Hof L;Moreth T;Koch M;Liebisch T;Kurtz M;Tarnick J;Lissek SM;Verstegen MMA;van der Laan LJW;Huch M;Matthäus F;Stelzer EHK;Pampaloni F
通讯作者：
Pampaloni F
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
12.3
作者：
Carpenter AE;Jones TR;Lamprecht MR;Clarke C;Kang IH;Friman O;Guertin DA;Chang JH;Lindquist RA;Moffat J;Golland P;Sabatini DM
通讯作者：
Sabatini DM
影响因子：
46.9
作者：
Lancaster MA;Corsini NS;Wolfinger S;Gustafson EH;Phillips AW;Burkard TR;Otani T;Livesey FJ;Knoblich JA
通讯作者：
Knoblich JA