Summary

Nesnenin şeklini ve boyutunu Agar bir açık kaynak yazılım boru hattı ile immobilize aktif çamur parçacıkların ölçme

Published: January 30, 2019
doi:

Summary

Aktif çamur parçacıklar şekli ve boyutu değişen yöntemlerle ölçülen önemli parametreleridir. Yanlışlıklar temsilcisi olmayan örnekleme, suboptimal görüntüleri ve öznel analiz parametrelerini kaynaklanan. Bu hataları en aza indirmek ve ölçüm kolaylaştırmak için biz bir açık kaynak yazılım boru hattı da dahil olmak üzere her adım belirten bir iletişim kuralı mevcut.

Abstract

Bu tedavi Atıksu gibi deneysel Biyoreaktörler olan boyutu ve şekli önemli parametreleridir parçacıklar içerir. Örneğin, boyutunu ve şeklini aktif çamur flocs koşulları microscale adlı göstermek ve ne kadar iyi bir temizleyici çamur yerleşir de doğrudan etkiler.

Partikül büyüklüğü ve şekli yanıltıcı ‘basit’ her iki ölçüm vardır. Birçok ince konular, gayri resmi Protokoller’de kez adressiz örnekleme, görüntüleme ve parçacıklar analiz ortaya çıkabilir. Örnekleme yöntemleri önyargılı olabilir veya istatistiksel yeterli güç sağlamak değil. Örnekleri kendilerini kötü korunmuş veya immobilizasyon sırasında değişiklik tabi. Görüntü kalitesi yeterli olmayabilir; parçacıklar örtüşen, alan derinliği, büyütme düzeyini ve çeşitli gürültü tüm kötü sonuçlar üretebilir. Kötü belirtilen analiz önyargı, el ile görüntü eşik ve segmentasyon tarafından üretilen gibi ortaya çıkarabilir.

Uygun fiyatta ve işlem hacmi tekrarlanabilirlik arzu edilir. Bir uygun fiyatlı, yüksek üretilen iş yöntemi daha sık parçacık ölçümü, parçacıklar binlerce içeren çok sayıda resim üreten etkinleştirebilirsiniz. Ucuz reaktifler, ortak diseksiyon mikroskop ve serbestçe kullanılabilir açık kaynak analiz yazılımı kullanan bir yöntem tekrarlanabilir, erişilebilir, tekrarlanabilir ve kısmen otomatik deneysel sonuçlar sağlar. Ayrıca, böyle bir yöntem ürün-ebilmek var olmak iyi biçimlendirilmiş, iyi tanımlanmış ve veri analiz yazılımı, içinde laboratuar analizleri ve veri paylaşımı labs arasında hareket hızı tarafından kolayca anlaşılır.

Biz böyle bir ürün üretmek için gereken adımları ayrıntılı olarak bildiren bir iletişim kuralı mevcut de dahil olmak üzere: örnekleme, örnek hazırlama ve İmmobilizasyon agar, dijital resim alma, dijital görüntü analizi ve deneme özel şekil nesilden örnekleri çözümleme sonuçları. Ayrıca, bu protokolü destekleyen bir açık kaynak veri analizi potansiyel dahil ettik.

Introduction

Bu yöntemin amacı Biyoreaktörler, özellikle de aktif çamur flocs ve aerobik granül1 içeren parçacıklar boyutu ve şekli dağılımları belirlemek için iyi tanımlanmış, tekrarlanabilir ve kısmen otomatik bir yöntem sağlamaktır , 2. Bu yöntem arkasındaki mantığı vardı uygun fiyatta, basitlik, üretilen işi artırmak için ve varolan şirket içi iletişim kuralları3,4, tekrarlanabilirlik kolaylığı diğerleri için parçacık ölçümü ve paylaşımını kolaylaştırmak ve veri karşılaştırma.

Partikül ölçüm analiz – iki geniş kategoriye böyle nitelikleri ışık saçılma5olarak kullanarak doğrudan görüntüleme ve çıkarımsal yöntemleri vardır. Çıkarımsal yöntemleri otomatikleştirilebilir ve büyük üretilen iş sahip olsa da, pahalı cihazıdır. Çıkarımsal yöntemleri doğru bir parçacık6eşdeğer boyutunu belirlemek iken, buna ek olarak, onlar detaylı şekli bilgi7vermeyin.

Şekil verileri gereksinimini nedeniyle üzerinde doğrudan görüntüleme bizim Yöntem dayalı olması. Bazı yüksek üretilen iş görüntüleme yöntemleri var iken, onlar geleneksel olarak pahalı ticari donanım veya özel inşa edilmiş çözümler8,9gerekli. Bizim yöntemi yaygın, uygun donanım ve yazılım her ne kadar bir azalma işlem hacmi, acı birçok analizleri10için gerekli en az çok daha fazla parçacık görüntüler üretir istihdam için geliştirilmiştir.

Varolan iletişim kuralları önemli örnekleme ve görüntü alma adımları belirtemezsiniz. Diğer iletişim kurallarını (örneğin geçici eşik11) öznel önyargı tanıtmak adımları el ile belirtebilirsiniz. Serbestçe kullanılabilir analiz yazılımı ile birlikte örnekleme, immobilizasyon ve görüntü alma adımları belirtir iyi tanımlanmış bir yöntem laboratuvar içinde görüntü analizi ve labs arasında karşılaştırmalar artıracaktır. Bu iletişim kuralı ana amacı bir iş akışı ve tekrarlanabilir sonuçlar için aynı örnek için farklı Labs gitmelidir araçları sağlamaktır.

Görüntü analiz işlemi normalleştirme dışında bu boru hattı tarafından üretilen veri iyi tanımlanmış, iyi biçimlendirilmiş dosya12 kullanıma uygun deneme hareket hızı popüler veri analiz paketleri13,14tarafından kaydedilir (örneğin, özel şekil oluşturma) belirli analizleri ve kolaylaştırıcı veri labs arasında paylaşımı.

Bu iletişim kuralı özellikle parçacık şekil verileri gerektirir, çıkarımsal yöntemleri erişimi değil, kendi görüntü analiz boru hattı geliştirmek ve onların veri kolayca başkalarıyla paylaşmak istediğiniz istiyor musunuz araştırmacılar için önerilen

Protocol

1. toplamak için parçacık analiz örnekleri İstatistiksel analiz10 için yeterli parçacıklar üretecek belirli reaktörler için numune hacmi belirlemek (> 500) parçacık örtüşme kaçınırken. Bir dizi karışık içki örnek başına 0,5-2 mL 250 ve 5000 mg/l arasında karışık içki askıya katılar (ÖZLEDİN) ile aktif çamur örnekleri için yeterli olduğunu varsayalım Aksi takdirde, 0.5, 2 ve 5 mL örnek (adım 1.2 2.7 aracılığıyla) de kullanar…

Representative Results

Oluşturulan dosyalarŞekil 1 ‘ de gösterilen süreci analiz resim başına iki dosya üretecek. Bir virgülle ayrılmış nerede her satır için bireysel bir parçacık karşılık gelir ve sütun alanı, Döngüsellik ve sağlamlık gibi çeşitli partikül ölçümleri tanımlamak değer (CSV) metin dosyası ve ImageJ el ile17’ tanımlanmış ilk dosyadır. Örnek CSV dosyaları olarak ek bilgiler ve örnekler…

Discussion

Her ne kadar görüntü analiz sistemi oldukça sağlamdır ve QC adımlar yoksul görüntüler kaldırılır sağlamak için alınır, örnekleme, plaka hazırlık ve resim alma belirli konulara uygun dikkat hem verilerin doğruluğunu ve oranı artırabilir QC geçen görüntüler.

Örnekleme konsantrasyonu
Temsil edici bir örnek alınan, en önemli adım yeterli parçacıklar o kadar konsantre partiküller üst üste iken temsilcisi9 ve verimli a…

Declarações

The authors have nothing to disclose.

Acknowledgements

Bu eser Ulusal Bilim Vakfı CBET 1336544 bir hibe tarafından desteklenmiştir.

FIJI, R ve Python logoları ile uygun aşağıdaki ticari marka politikaları ile kullanılır:
Python: https://www.python.org/psf/trademarks/
R: https://www.r-project.org/Logo/ , başı olarak, listelenen CC-BY-SA 4.0 Lisans: https://creativecommons.org/Licenses/by-sa/4.0/
Fiji: https://imagej.net/Licensing

Materials

10% Bleach solution Chlorox 31009 For workspace disinfection.
15 mL centrifuge tube with cap Corning 430790 Per sample.
50 mL Erlenmeyer flask Corning 4980-50 Other vessels are suitable so long as they can contain > 40 mL of sample and allow mixing
500 mL Kimax Bottle Kimble-Chase 14395-50 Or otherwise sufficient for agar handling
Agar BD 214010 Solid, to prepare 7.5% gel. 7 mL per sample.
Data analysis software N/A N/A R or Python are suggested
Deionized water N/A N/A Sufficient to prepare stain and agar. If unavailable, tap should be fine.
Desktop computer N/A N/A Image analysis is not CPU intensive, any 'ordinary' desktop computer circa 2017 should be sufficient.
External hard drive Seagate STEB5000100 Not fully required, but extremely useful given the number an size of images. 2 or more TB of storage suggested.
FIJI NIH version 1.51d Version is ImageJ core. Plugins are updated as of writing. Available at: https://imagej.net/Fiji/Downloads
GIT Open Source version 2.19.1 or later Available at: https://git-scm.com/
Image capture software ToupView version 3.7.5177 Any compatible with camera, may come with camera. Should allow saving TIFF images with spatial calibration data.
Mechanical (X/Y) Stage OMAX A512 Not fully required, but greatly aids image acquisition.
Methylene blue Fisher M291-100 Solid, to prepare 1% w/v solution. 5 uL solution per sample.
Microscope camera OMAX A35140U Any digitial camera compatible with microscope. Resolution providing at least 5 um per pixel at 10x magnification and a dynamic range of at least 8 bits per pixel per color channel is suggested.
Optical Stage Micrometer OMAX A36CALM1 Or otherwise sufficient for spatial calibration.
Petri dish, 100 mm Fisher FB0875712 1 per sample.
PPE N/A N/A Standard lab coat, gloves, and eyewear.
Sparmoria macro NCSU version 0.2.1 Available at github repository : https://github.com/joeweaver/SParMorIA-Sludge-Particle-Morphological-Image-Analysis
Stereo/dissecting microscope Nikon SMZ-2T Should provide 10 to 20x magnficiation and allow digital photos either with a buit-in camera or profide a mounting point for a CCD.

Referências

  1. Show, K. Y., Lee, D. J., Tay, J. H. Aerobic granulation: Advances and challenges. Applied Biochemistry and Biotechnology. 167 (6), 1622-1640 (2012).
  2. Adav, S. S., Lee, D. -. J., Show, K. -. Y., Tay, J. -. H. Aerobic granular sludge: Recent advances. Biotechnology Advances. 26 (5), 411-423 (2008).
  3. Initial Investigations of Aerobic Granulation in an Annular Gap Bioreactor. North Carolina State University Available from: https://repository.lib.ncsu.edu/handle/1840.16/2162 (2004)
  4. . Effect of Hydrodynamics on Aerobic Granulation Available from: https://repository.lib.ncsu.edu/handle/1840.16/8761 (2012)
  5. Tay, J. H., Liu, Q. S., Liu, Y. Microscopic observation of aerobic granulation in sequential aerobic sludge blanket reactor. Journal of Applied Microbiology. 91 (1), 168-175 (2001).
  6. Kelly, R. N., et al. Graphical Comparison of Image Analysis and Laser Diffraction Particle Size Analysis Data Obtained From the Measurements of Nonspherical Particle Systems. AAPS Pharm SciTech. 7 (3), E1-E14 (2006).
  7. Walisko, R., et al. The Taming of the Shrew -Controlling the Morphology of Filamentous Eukaryotic and Prokaryotic Microorganisms. Advances in Biochemical Engineering/Biotechnology. 149, 1-27 (2015).
  8. Campbell, R. A. A., Eifert, R. W., Turner, G. C. Openstage: A Low-Cost Motorized Microscope Stage with Sub-Micron Positioning Accuracy. PLoS ONE. 9 (2), e88977 (2014).
  9. Dias, P. A., et al. Image processing for identification and quantification of filamentous bacteria in in situ acquired images. BioMedical Engineering OnLine. 15 (1), 64 (2016).
  10. Liao, J., Lou, I., de los Reyes, F. L. Relationship of Species-Specific Filament Levels to Filamentous Bulking in Activated Sludge. Applied and Environmental Microbiology. 70 (4), 2420-2428 (2004).
  11. Cromey, D. W. Avoiding twisted pixels: ethical guidelines for the appropriate use and manipulation of scientific digital images. Science and Engineering Ethics. 16 (4), 639-667 (2010).
  12. Wickham, H. Tidy Data. Journal of Statistical Software. 59 (10), (2014).
  13. van Rossum, G. . Python tutorial. , (1995).
  14. Schindelin, J., Arganda-Carreras, I., Frise, E. FIJI: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  15. . SParMorIA: Sludge Particle Morphological ImageAnalysis Available from: https://github.com/joeweaver/SParMorIA-Sludge-Particle-Morphological-Image-Analysis (2018)
  16. Ferreira, T., Rasband, W. . ImageJ User Guide: IJ 1.42 r. , (2012).
  17. Sezgin, M., Sankur, B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging. 13 (1), 146-166 (2004).
  18. Kröner, S., Doménech Carbó, M. T. Determination of minimum pixel resolution for shape analysis: Proposal of a new data validation method for computerized images. Powder Technology. 245, 297-313 (2013).
  19. McKinney, W. Data Structures for Statistical Computing in Python. Proceedings of the 9th Python in Science Conference. , 51-56 (2010).
  20. Waskom, M., et al. . seaborn: v0.5.0 (November 2014). , (2014).
  21. . dplyr: A Grammar of Data Manipulation Available from: https://cran.r-project.org/web/packages/dplyr/index.html (2016)
  22. Riley, R. S., Ben-Ezra, J. M., Massey, D., Slyter, R. L., Romagnoli, G. Digital Photography: A Primer for Pathologists. Journal of Clinical Laboratory Analysis. 18 (2), 91-128 (2004).
  23. Singh, S., Bray, M. A., Jones, T. R., Carpenter, A. E. Pipeline for illumination correction of images for high-throughput microscopy. Journal of Microscopy. 256 (3), 231-236 (2014).
  24. Eastwood, B. S., Childs, E. C. Image Alignment for Multiple Camera High Dynamic Range Microscopy. Proceedings. IEEE Workshop on Applications of Computer Vision. , 225-232 (2012).
  25. High Dynamic Range Microscopy for Cytopathological Cancer Diagnosis. IEEE Journal of Selected Topics in Signal Processing (Special Issue on: Digital Image Processing Techniques for Oncology) Available from: https://www.lfb.rwth-aachen.de/en/ (2009)
  26. Jain, V., et al. Supervised Learning of Image Restoration with Convolutional Networks. 2007 IEEE 11th International Conference on Computer Vision. , 1-8 (2007).

Play Video

Citar este artigo
Weaver, J. E., Williams, J. C., Ducoste, J. J., de los Reyes III, F. L. Measuring the Shape and Size of Activated Sludge Particles Immobilized in Agar with an Open Source Software Pipeline. J. Vis. Exp. (143), e58963, doi:10.3791/58963 (2019).

View Video