Özet

신속한 방사선 Biodosimetry로 자동 Dicentric 염색체 식별 (ADCI) 및 복용량 추정

Published: September 04, 2017
doi:

Özet

Cytogenetic dicentric 염색체 (DC) 분석 결과 단정 이온화 방사선에 노출. Dicentric 염색체 식별자 자동화 및 복용량 견적 소프트웨어 정확 하 고 빠르게 분열 중 기 세포에 Dc에서 생물학 복용량 견적. 그것은 Dc에서 monocentric 염색체와 다른 개체를 구분 하 고 Dc의 주파수에서 생물 방사선 복용량 견적.

Abstract

생물 학적 방사선 복용량 분열 중 기 세포에서 염색체 dicentric 주파수에서 추정 될 수 있습니다. 이러한 cytogenetic dicentric 염색체 분석 실험을 수행 하는 것은 전통적으로 대량 사상자 사건의 여파로 검사를 필요로 할 수 있는 샘플의 볼륨을 처리 하기 위해 적합 하지 수동, 노동 집약적인 프로세스입니다. 자동화 된 Dicentric 염색체 식별자 및 복용량 견적 (ADCI) 소프트웨어 기계 학습 기반 이미지 처리 기법을 사용 하 여 분열 이미지의 집합을 검사 하 여이 프로세스를 자동화 합니다. 적절 한 이미지는 centromere 포함 염색체 또는 비-염색체, 각 개체를 분류 하는 부적 절 한 이미지를 제거 하 여 분석에 대 한 추가 소프트웨어 선택 monocentric 염색체 (MCs)으로 염색체를 구별 또는 dicentric 염색체 (Dc) DC 주파수는 예제 내에서 결정 하 고 교정 샘플을 사용 하 여 계산 보정 곡선 샘플 DC 주파수를 비교 하 여 생물 방사선 복용량 견적. 이 프로토콜 ADCI 소프트웨어의 사용을 설명합니다. 일반적으로, 교정 (알려진된 복용량) 및 테스트 (불명된 복용량) 세트 분열 이미지의 정확한 복용량 추정을 수행 하기 위해 가져옵니다. 분석을 위한 최적의 이미지 자동으로 미리 설정 된 이미지 필터를 사용 하 여 찾을 수 있습니다 또는 또한 수동 검사를 통해 필터링 할 수 있습니다. 각 샘플 내에서 이미지를 처리 하는 소프트웨어 그리고 DC 주파수 Dc, 접근을 학습 하는 기계를 사용 하 여 호출에 대 한 엄중의 서로 다른 수준에서 계산 됩니다. 선형 이차 교정 곡선 알려진된 실제 복용에 노출 보정 샘플에서 DC 주파수에 따라 생성 됩니다. 테스트 샘플 불확 실한 방사선 수준에 노출의 이러한 보정 곡선을 사용 하 여 그들의 DC 주파수에서 견적 된다. 보고서는 요청 시 생성 될 수 있습니다 하 고 하나 이상의 샘플, 하나 이상의 보정 곡선, 또는 복용량 추정 결과의 요약을 제공 합니다.

Introduction

방사선 biodosimetry 생물 학적 마커, 주로 염색체 착오 dicentric 염색체 (Dc) 등 염색체 translocations 개인에 노출 되는 방사선 복용량을 측정 하기 위해 사용 합니다. 생물학적으로 흡수 선 량은 개인 사이 가변성 때문에 계기에 의해 측정 된 실제 복용량에서 달라질 수 있습니다. 마찬가지로, 특정 물리적 선 량의 방사선 다른 생물학적 노출 기본 생리 또는 환경 조건에 따라 생성할 수 있습니다. 기술 생물 복용량의 진단 및 치료에 대 한 특정 중요성 이다.

DC 분석 결과 사람들이 생물 학적 방사선 노출 평가 대 한 세계 보건 기구 (WHO)와 국제 원자력 기구 (IAEA)의 골드 표준입니다. 그것은 첫 번째 분석 결과 방사선 복용량 평가 대 한 IAEA에 의해 권장 했다. DC 주파수 방사선 노출1 후 약 4 주 동안 상대적으로 안정적 이며 방출된 방사선 복용량의 양적 상관 관계 순은 정확 하 게는 Dc 이상적인 바이오 마커. 방사선 복용량 (회색 [Gy] 단위에서 참조), 그리고 DC 주파수 (DCs의 셀 당 수로 참조 되는) 간의 관계는 선형 이차 함수로 표현할 수 있습니다.

Cytogenetic DC 분석 결과 약 55 년2를 위한 업계 표준 되었습니다. 그것은 단일 혈액 샘플에서 현미경 데이터를 분석 하기 1-2 일 요구 수동으로 수행 하고있다. 몇 백 몇 천 이미지를 정확 하 게 방사선 노출3복용량 따라 예상 필요 합니다. 초과 1 Gy 복용량, IAEA 100 Dc의 최소 검출 될 것이 좋습니다. 250-500 분열 이미지의 시험 biodosimetry cytogenetic 실험실에서 일반적인 관행입니다. 노출으로 샘플에 대 한 < 1 Gy, 3000-5000 이미지 DC 형성의 낮은 확률 때문에 건의 된다. 두 경우 모두, 노동 강렬한 작업입니다.

Cytogenetic biodosimetry 실험실 테스트 샘플에서 생물 복용량을 평가 하기 전에 방사선 biodosimetry 교정 곡선 자신의 생체 외에서 만듭니다. 정상, 제어 개인에서 혈액 샘플 방사선에 노출 되 고 세포 배양 후 하 분열 중 기 염색체 분석에 대 한 준비. 이러한 샘플을 사용 하 여, 생물 복용량을 받은 표준 방사선 소스에 의해 방출 된 알려진된 실제 복용에 보정 됩니다. 분열 중 기 세포 이미지 기록 후 전문가 검토 이미지, Dc를 계산 하 고 각 샘플에 대 한 DC 주파수를 계산. 보정 곡선은 모든 복용량에서 DC 주파수로 선형 이차 곡선을 피팅 하 여 만들어집니다. 다음, 개인에서 테스트 샘플에 노출 커브 보정된 복용에 DC 주파수를 일치 하거나 해당 선형 이차 수식에서 그들을 지정 하 여 유추 수 있습니다.

우리 모두 Dc의 탐지를 자동화 했다 하 고 소프트웨어를 사용 하 여이 절차를 신속 하 게 결정을 복용. 자동화 된 Dicentric 염색체 식별자 및 복용량 견적 (ADCI) 기계 학습 기반 이미지 처리 기술을 검색 하 여 사용 monocentric 염색체 (MCs)에서 dicentric 염색체 (Dc) 및 기타 개체를 차별 하 고 방사선을 자동화 추정 복용량. 소프트웨어는 크게 감소 하거나 DC의 수동 확인에 대 한 필요성을 제거 하 고 자동화를 통해 복용량 추정 가속 목표로 합니다. 그것은 참조 biodosimetry 실험실에서 건강 캐나다 (HC) 및 캐나다 핵 실험실 (CNL)의 참여와 함께 개발 되었습니다. 그들의 피드백 성능이 분석이 결과 대 한 국제 원자력 기구 기준에 맞게 계속 됩니다 보장 합니다.

다음 기능을 수행 하는 소프트웨어: 1) 필터링 Dc 분석, 염색체 2) 인식, DC 감지, DC 주파수 결정에 대 한 최적의 분열 셀 이미지를 선택 하 고 3) 추정 량 보정에서 방사선 복용량 cytogenetic 방사선 데이터입니다. (불리는 샘플) 동일한 개인에서 분열 이미지의 그룹을 처리 하는이 소프트웨어, 수 사용 하 여 각에 있는 Dc의 수 이미지 처리 기법, 그리고 회색 (Gy)의 단위로 각 샘플 받은 예상된 방사선 복용량을 반환 합니다.

소프트웨어는 염색체 구조, 횟수 및 밀도의 범위를 처리 하기 위해 설계 되었습니다. 그러나, 알고리즘 분열 이미지 잘 분리, 선형 염색체4의 가까운 완전 한 보완을 포함 최적으로 수행 합니다. 염색체의 높은 겹쳐 세트를 포함 하는 이미지 여러 셀, 불완전 한 분열 중 기 세포, 자매 chromatid 분리, 핵, 염색체 비 개체 및 기타 결함 알고리즘의 정확성을 줄일 수 있습니다. 전용 이미지 선택 모델 및 다른 개체 세분화 임계값 최적의 이미지와 거짓 긍정적인 Dc의 대부분을 필터링 할 수 있습니다.

Dicentric 염색체 검색 이미지를 처리할 때 수행 됩니다. 알고리즘은 염색체 이미지 개체를 확인 하 고 각 염색체에 centromeres 될 가능성이 가장 높은 두 개의 영역을 찾습니다. 다음, 일련의 다른 지원 벡터 기계 (SVM) 모델을 학습 구분 Dc 또는 정상, monocentric 염색체로 염색체. SVM 모델 민감도 특이성 DC 검색의에 다 (단계를 참조 하십시오 아래 3.1.4), 샘플에서 결정 되는 DC 주파수를 영향을 미칠 수 있는.

ADCI는 Giemsa-(DAPI에서) 스테인드 분열 디지털 이미지 (TIFF 또는 JPG 형식) 하나 이상의 샘플의 집합을 처리 합니다. 소프트웨어 보정 샘플 및 샘플 테스트에서 Dc를 분석합니다. 교정 샘플 (Gy)에서 실제 복용 하며 교정 곡선의 생성에 사용 됩니다. 알 수 없는 노출으로 개인의 물리적, 생물학적 복용량 시스템에서 생성 된 보정 곡선에서 소프트웨어에 의해 유추 됩니다. 비록 실험실 유사한 기술을 사용 하 여, 다른 실험실에서 보정 곡선 종종3을다. 동일한 실험실에서 두 교정 곡선과 테스트 샘플 테스트 샘플에 정확한 복용량 견적에 대 한 처리 해야 합니다.

이 소프트웨어는 생산성 있는 많은 개인 테스트 동시에 해야 합니다 이벤트를 처리 하는 데 필요한 주소 속도, 정확성과 확장성을 제공 합니다. 그것은 2008-20174,5,6,7,,89,10,11,12에서에서 개발 되었다 ,13. 최근 컴퓨터 하드웨어,이 데스크톱을 사용 하 여PC 소프트웨어 처리할 수 있는 10-20 분 4500 분열 게놈 등가물의 환자 샘플의 예상 방사선 복용량. 코드 독점 이미지 세분화 및 염색체 분석에 대 한 알고리즘을 학습 하는 컴퓨터의 집합을 기반으로 합니다. 3 Gy의 방사선에 노출 하는 각 염색체의 전문가 분석 ADCI 정확도 비교 했다. (이전 국제 능력 운동에 사용 되는) 알 수 없는 노출의 6 샘플의 집합, 소프트웨어 추정 HC 및 CNL, 심사에 대 한 IAEA의 요구를 수행 하 여 동일한 데이터의 수동 검토에 의해 얻은 값의 0.5 Gy 내 복용 biodosimetry입니다. 또한, inter-laboratory 표준화 및 궁극적으로 복용량의 재현성 알고리즘 점수는 일반적으로, 자동화 된 DC에서 혜택을 계산 합니다. 그럼에도 불구 하 고, 소프트웨어 필터링 및 선택 기준, 사용 염색체 준비 방법의 차이를 고려해 방사선 교정 이미지의 사용자 정의 허용 합니다.

이 소프트웨어는 그래픽 사용자 인터페이스 (GUI) 기반된 시스템 Giemsa (또는 DAPI)를 포함 하는 염색체 이미지의 집합을 분석 하는-얼룩진 분열 이온화 방사선에 노출에 기인 하는 종양 세포. 이미지 세트는 빛 (또는 epifluorescent) 현미경 시스템으로 디지털 사진 하 고 다른 샘플에 해당 하는 각 세트. 소프트웨어 활용 이미지 처리 기술을 감지 하 여 MCs 및 다른 개체에서 Dc를 차별 합니다. 실험적으로 파생 된 세분화 필터 다음 자동으로 진정한 Dc 영향을 주지 않고 잘못 된 긍정적인 Dc 제거 합니다. 마지막으로, 소프트웨어는 자동으로 계산 (또는 사용자 지정) 이미지 선택 모델 분열 이미지에서 화질을 발견 하는 다양 한 이미지 속성에 따라 원하지 않는 이미지를 필터링 합니다. 이러한 이미지는 과도 한 포함 또는 “시끄러운” 개체, 여러 중복 염색체의 부족 한 숫자 이미지 부족 한 분열 중 기 염색체, 여동생의 과도 한 번호 chromatids4. 자동으로 큐레이터 이미지 데이터 알려진된 방사선 복용량의 샘플에서 복용량 보정 곡선을 생성 하는 데 사용 하 고 테스트 샘플 불명된 복용량에 노출의 노출 추정 하는 데 사용 됩니다.

소프트웨어의 출력을 볼 수 있습니다 및 저장: 출력 1) 텍스트 기반 콘솔에서 볼 2) 플롯 이미지, 그리고 보고서 3) HTML 형식에서으로 저장할 수 있습니다. 소프트웨어의 여러 측면 다른 연구소의 특정 요구에 맞게 사용자 지정할 수 있습니다. 개별 실험실은 일반적으로 교정 및 테스트 샘플 준비와 수집 된 그의 실험실에 cytogenetic 프로토콜에 기반을 제공 합니다. 이 샘플 준비의 균일성을 유지 하며 동일한 프로토콜을 사용 하 여 파생 된 샘플 테스트에 적용할 의미 있게 교정 샘플에서 생성 된 보정 곡선 보정 곡선 중 곡선 계수 또는 정의 된 복용량에서 DC 주파수에서 만들 수 있습니다. 가장 정확한 복용량 견적 낮은 품질의 이미지 및 거짓 긍정적인 Dc (FPs) 필터링 하 여 얻을 수 있습니다. 각 샘플 내에서 최적의 이미지 하위 집합의 선택은 ‘이미지 선택 모델’ FPs를 소개 하는 경향이 subpar 이미지를 삭제 하는 사용 하 여 수행 됩니다. 그러나 사전 검증된 모델의 시리즈 소프트웨어, 추가 모델 사용자 지정된 임계값 및 필터를 만들고 저장, 사용자 수와 함께 포함 되어 있습니다.

기본 그래픽 사용자 인터페이스 (GUI) 제공 소프트웨어 성공적으로 로드 되 면 ( 그림 1참조). 이 인터페이스에서 샘플, 분열 세포 이미지 파일, 폴더의 구성 된 각 선택 수 있으며 DCs 식별 처리 보정 곡선 만들 수 있으며,을 샘플의 방사선 노출 복용량 결정 될 수 있습니다.

Figure 1
그림 1: 포함 하는 그래픽 사용자 인터페이스의 주요 분야: 샘플 (1), 교정의 목록 목록 곡선 (2), 과정 (3), 각 샘플, 음모의 이미지의 각 집합에서 DC 검색의 상태를 모니터링 하는 큐 (4), 통계 또는 다른 양적 속성 샘플 또는 보정 곡선, 그리고 프로그램에 의해 수행 하는 각 작업의 출력으로 설명 텍스트를 포함 하는 콘솔 (5) 에서 이미지의 집합의 요약을 표시 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Protocol

1. 가져오기 및 프로세스 샘플 클릭 ' 샘플 ' 선택 하 고 메뉴 모음에서 ' 새로운 샘플 '. 분열 중 기 이미지의 그룹을 포함 하는 적절 한 디렉터리를 검색 하 고 클릭 ' 폴더 선택 '. 입력에서 샘플에 대 한 고유 ID는 ' 새로운 샘플에 대 한 고유 ID를 지정 ' 텍스트 필드. 이 ID는 작업 영역에 샘플을 식별 합니다. 샘플 Id는 영숫자, 포함 해야 ' _ ', 또는 '-'만 문자. 소스 실험실 및 실제 복용량 (교정 샘플) 샘플 id에서의 포함 알려져. (옵션) 제공 샘플 내에서 경우의 설명에서 ' 설명 (선택 사항) 샘플의 ' 텍스트 영역. 클릭 ' 확인 ' 작업 영역에 새로운 샘플을 추가 하려면. 반복 단계 1.1 1.4 추가 샘플 추가를 통해. 3 교정 샘플 (7 이상 권장 다른 노출의 3) 및 복용량 추정을 수행 하려면 적어도 하나의 테스트 샘플의 최소 만들기. 강조 모든 샘플에 1.5-1.1 단계에서 만든는 ' 샘플 ' 목록 및 클릭 ' 프로세스 큐에 추가 Sample(s) ' () 아이콘. 클릭 ' 큐에서 모든 샘플 처리 ' () 아이콘을 순차적으로 큐-내 모든 샘플을 처리 한 ' ADCI 처리 ' 진행 바 함께 큐에서 모든 샘플을 들어 있는 대화 상자가 나타납니다 모든 샘플 처리 완료 클릭 합니다 . 자, 샘플을 저장 하거나 클릭 ' ADCI 샘플 파일로 처리 샘플 저장 ' () 후 가공된 샘플 하기 아이콘. 2. 보기 및 이미지 선택 (선택 사항, 권장 단계) 참고:이 단계 분열 이미지 뷰어의 사용법 및 이미지 선택 모델의 생성에 설명 합니다. 일부 검증된 이미지 선택 모델 보정 곡선 생성 및 복용량 추정에 사용 될 수 있는 소프트웨어와 함께 포함 되어 있습니다. 그러나 따라서,이 단계가 필요 하지 않습니다, 그것은 원하는 경우 이렇게 하는 데 필요한 단계를 설명 하는 가이드로 사용 될 수 있습니다. 강조 내에서 샘플은 ' 샘플 ' 목록, 클릭 ' 샘플 ' 바, 그리고 선택 메뉴에서 ' 이미지 보기 ' 여는 ' 분열 이미지 뷰어 ' . 이미지 중 탐색 특정 이미지를 보려면 드롭다운 상자에서 이미지를 선택 합니다. 이미지를 왼쪽 및 오른쪽 화살표 아이콘을 클릭 합니다. 는 시그마 값에서 DC 검색 결과 보려면 드롭다운 상자에서 SVM 시그마 값을 선택 합니다. 선택 " Unprocessed " 염색체 윤곽선 없이 raw 이미지를 볼 수 있는 드롭 다운 상자에서. 체크는 ' 반전 '는 이미지의 각 픽셀에 대 한 색상 및 밝기 값을 반전 하려면 확인란. 확인는 ' 감시 목록에 이미지 '에 보이는 이미지를 추가 하려면 확인란을 ' 감시 목록 '. 클릭 '는 감시 목록 텍스트 파일에 저장 ' () 아이콘 모든 이미지의 이름을 텍스트 파일에 감시 목록에 저장을. 이미지 선택 모델 클릭 ' 모든 이미지 보기 ' (기본 선택) 이미지 선택 드롭다운 상자에서 모든 이미지를 포함 하려면. 텍스트에 인접 한 관찰 ' 이미지 포함 ' 현재 적용된 이미지 선택 모델에서 선택한 이미지의 일부를 발견 하. 클릭 ' 보기 이미지 포함 '는 드롭다운 상자에서 이미지 선택 모델에서 제외 되지 않습니다 이러한 이미지를 포함 하려면. 클릭 ' 보기 이미지 제외 ' 이미지를 드롭다운 상자에 적용 된 이미지 선택 모델에서 제외 된 포함. 체크는 ' 제외 ' 하나의 이미지를 수동으로 제외 확인란. 참고: 수동으로 제외 된 이미지는 선택한 이미지는 이미지 선택 모델은 이후 적용 하는 경우 설정 복원 됩니다. 클릭 하 여 다양 한 이미지 저장은 ' 선택 저장 ' 단추. 메시지가 표시 되 면 저장 된 선택에 대 한 파일 이름을 입력 합니다. 클릭 ' 로드 선택 ' 이전에 저장 된 선택 적용. 클릭 ' 적용 이미지 필터 ' 여는 ' 현재 샘플 이미지 선택 모델 적용 필터 기반 ' 대화, 생성, 저장, 또는 샘플에 분열 이미지를 선택 하기 위한 조건을 적용. 미리 입력 된 목록에서 이미지 선택 모델을 선택합니다. 클릭 ' 확인 ' 현재 모델 적용. 원하는 새로운 모델에 대 한 설명을 입력, 정의 ' 이미지 제외 필터 ', 정의 ' 이미지 순위 및 포함 ', 클릭 ' 선택 모델 저장 ' 이미지를 만들 선택 모델. 참고: 정의의 ' 이미지 순위 및 포함 ' 메서드 및 각 ' 이미지 제외 필터 ' 소프트웨어 온라인 설명서 14에서 찾을 수 있습니다. 3. 곡선 생성 (Recommended optional step) 곡선 보정 마법사 확인 3의 최소 교정 샘플 진행 하기 전에 작업 영역에 있는. 클릭 ' 마법사 ' 선택 하 고 메뉴 모음에서 ' 곡선 교정 ' 곡선 보정 마법사를 엽니다. 참고: 3 샘플 맞는 계산 보정 곡선을 수학적으로 필요 하지만, 0과 5 Gy 사이의 노출의 범위를 확장 하는 7 개 이상의 샘플 권장 됩니다. 그러나 추가 샘플은 이차 선형 복용량 응답 보정 곡선에 맞게 필요한 최적의 시그마 값 낮은 복용량 추정에 사용할 곡선을 얻기 위하여 더 낮은 (< 1 Gy); 이 임계값을 초과 복용에 대 한 최적의 시그마 값이 다른 (3.1.4 단계로 참조). 소개 마법사를 통해 진행 화면 하 고 각 원하는 교정 샘플 옆에 체크 표시를 배치 합니다. 이 방법에서 선택한 각 교정 샘플에 대 한 물리적 복용량을 지정 (Gy)에 샘플의 인접 한 텍스트 필드 내에 노출 되었다. 다음 마법사 화면 계속. 어떤 수동으로 만든된 모델 이외에 소프트웨어와 번들로 포함 된 프리셋된 이미지 선택 모델 모델의 목록에서 원하는 이미지 선택 모델을 선택 합니다. 다음 마법사 화면 계속. 는 드롭다운 상자에서 SVM 시그마 값을 선택합니다. 다음 마법사 화면 .을 계속 참고: 1.4 또는 1.5의 SVM 시그마 값은 권장 복용량 견적에 대 한 > 1 Gy, 그리고 1 Gy ( 그림 2) 아래 견적에 대 한 1.0의 값. 검토 요약 화면에서 클릭 모든 이전 선택 ' 완료 '는 prepopulat를 일으키는 원인이 되는 마법사를 완료 하려면에 드 ' 곡선 만들기 ' 대화 상자가 나타납니다. 그림 2: SVM 시그마 값 변경의 효과의 시각화 진실한 확실성 (TP) 및 틀린 확실성 (FP) DC 계산 알고리즘에서 긍정적인 예측 Calue (PPV), 그리고 진정한 긍정 평가 (TPR). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 곡선 대화 상자를 만듭니다. (마법사를 사용 하는 경우이 단계 건너뛰기) 클릭 ' 곡선 ' 선택 하 고 메뉴 모음에서 ' 새로운 곡선 '. 선택 ' 복용량 응답 데이터를 피팅 곡선 ' 드롭다운 상자에서 대화 상자 및 클릭 내 제시 ' 확인 '. 에 곡선에 대 한 고유 id를 지정은 ' 새로운 곡선에 대 한 고유 id를 지정 ' 텍스트 상자는 ' 곡선 만들기 ' 대화. 내 새로운 곡선에 대 한 설명 (선택 사항) 입력은 ' 곡선을 만들 수에 대 한 간략 한 설명을 추가 ' 텍스트 상자. (건너뛰기 다음 단계 곡선 마법사 보정 곡선을 만드는 데 사용 된 경우) 커브 값을 설정. 참고: 3.1 단계에서 설명 하는 곡선 보정 마법사 prepopulates에서 필드는 ' 곡선 만들기 ' 대화. 다음 단계는 수동으로 이러한 필드를 채우는 방법을 설명 합니다. 마법사가 사용 하는 경우 다음 몇 가지 단계를 추가 하거나 추가 데이터를 제거할 원하는 경우 여전히 다음 수 있습니다. 옵션에서 SVM 시그마 값을 선택 합니다 ' SVM ' 드롭다운 상자-이 좋습니다 여기에 선택 된 시그마 값 복용량 추정을 수행 하이 커브를 사용할 때 선택한 시그마 값 일치. (선택 사항) 지정을 클릭 하 여 이미지 선택 모델은 ' 파일 지정 ' 단추. 클릭 ' 입력 ' 복용량 응답 목록 제목 아래에 새 빈 항목을 추가 하려면 ' 곡선 만들기를 입력 응답-복용량 데이터 '. 제목 아래 Gy에서 보정 샘플의 복용량을 입력 ' 복용량 '. Enter ' 응답 (DC/셀) ' 샘플 강조 때 콘솔 출력 예제에서에서 도출. 콘솔 내에서 또는 해당 샘플 보고서 (단계 5.1, 사용 가능한 경우)에서 이전에 선택한 SVM 시그마 값에 대 한 적절 한 DC/셀 값을 찾아서이 필드에 입력 하십시오. 이전 3 단계를 반복 하 교정 샘플의 모든 추가 되었습니다. 보도 ' 데이터 유효성 검사 ' 응답 복용량의 콘텐츠를 되도록 목록 형식이 올바르게 – 복용량 응답 목록에 있는 모든 필드는 유효한 데이터를 나타내는 강조 표시 된 녹색 확인. 보도 ' 확인 ' 곡선의 작성을 마무리. 에 새로운 곡선을 저장 하는 ' 저장 곡선? ' 누르면 시 표시 되는 대화 ' 확인 '. 클릭 또는 ' 곡선 ADCI 곡선 파일로 저장 ' () 아이콘 내에서 강조는 ' 곡선 ' 나중에 목록. 4. 추정 복용량 (Recommended optional step) 복용량 견적 마법사 클릭 ' 마법사 ' 선택 하 고 메뉴 모음에서 ' 복용량 견적 '. 진행 소개 마법사 화면을 선택-드롭다운 상자에서 이전에 만든된 교정 곡선의 속성 아래 나타납니다. 다음 마법사 화면 계속. 는 복용량 견적에서 그들을 포함 하도록 알 수 없는 노출의 테스트 샘플 옆에 있는 체크 장소. 다음 마법사 화면 계속. 설명 및 교정 곡선 생성 하는 동안 적용 이미지 선택 모델의 속성을 준수 합니다. 동일한 이미지 선택 모델은 선택 된 테스트 샘플에 적용 준수. 다음 마법사 화면 계속. 참고: 이미지 선택 모델의 설명, 아래 같은 모델은 미리 고 선택 테스트 샘플에 적용 됩니다. 교정에 동일한 이미지 선택 모델을 적용 하 고 테스트 샘플. 드롭다운 목록에서 다른 모델을 선택 하 여 다른 이미지 선택 모델을 적용할 수 있지만 권장 되지는 않습니다. 에서에서 SVM 시그마 값을 선택합니다. 다음 마법사 화면 계속. 참고: 보정 곡선 생성 하는 동안 사용 되는 SVM 시그마 값 미리입니다. 이 값을 그대로 유지 하는 것이 좋습니다. 요약 화면에서 선택 하는 이전 항목을 검토 하 고 클릭 합니다 ' 완료 '-한 미리 입력 된 마법사를 완료 하려면 ' 복용량 계산기 ' 대화 상자가 나타납니다. 복용량 계산기 (마법사를 사용 하는 경우이 단계를 건너뛸) 제목 아래 곡선의 목록에서 보정 곡선을 강조 ' 곡선 ', 클릭 ' 곡선 ' 바, 그리고 선택 메뉴에서 ' 계산 복용량 ' 여는 ' 복용량 계산기 ' 대화. (마법사를 사용 하는 경우이 단계 건너뛰기) 복용량 견적에 대 한 값을 설정. 참고: 복용량 견적 마법사 단계 4.1에서에서 설명한 prepopulates에서 필드는 ' 복용량 계산기 ' 대화. 다음 단계는 수동으로 이러한 필드를 채우는 방법을 설명 합니다. 마법사가 사용 하는 경우 다음 몇 가지 단계를 추가 하거나 추가 데이터를 제거할 원하는 경우 여전히 다음 수 있습니다. 클릭 ' DC 주파수를 채우기 위해 작업 영역에서 사용 Sample(s) ' () 아이콘 및 하이라이트 테스트 내에서 샘플은 ' ADCI 샘플 처리 작업 ' 목록에 선택한 샘플을 추가 하는 ' 복용량 견적에 대 한 DC 주파수 ' 목록. 드롭다운 상자에서 이러한 샘플에 대 한 SVM 시그마 값과 이미지 선택 모델을 선택. 참고:는 SVM 시그마 값 보정 곡선 생성에 사용 되는 시그마 값을 일치 하는 정확한 복용량 견적 필요 합니다. 보정 곡선으로 연결 된 시그마 값의 맨 아래에 나열 되어 있는 ' 복용량 계산기 ' 대화. 이전 두 단계를 반복 하 여 (옵션) 추가 추가 테스트 샘플. 또는 여러 샘플에서 강조 표시 하 여 동시에 여러 개의 샘플을 추가 ' 처리 샘플 작업 영역에서 ' 목록. (옵션) 클릭은 ' DC 주파수 값 입력 ' () 아이콘을 수동으로 입력 하는 D어떤 샘플을 원하는 경우와 관련 되지 않은 C 주파수에 추가 됩니다 새로운 DC 주파수는 ' 복용량 견적에 대 한 DC 차 ' 목록. (선택 사항) 더블 클릭은 ' 이름 '의 이름을 수정 하는 수동으로 입력 한 DC 주파수의 필드. (옵션) 강조 적절 한 샘플 및 클릭 ' 제거 DC 주파수 ' ()에 추가 된 샘플을 제거 하려면 아이콘은 ' DC 차 량 추정에 대 한 ' 오류 목록. 클릭 ' 확인 '를 닫습니다는 ' 복용량 계산기 ' 복용량 추정을 수행-결과 콘솔에 출력 됩니다. 복용량 견적 결과를 각 테스트 샘플에 대 한 테이블 형식으로 콘솔에 표시 됩니다 관찰 ' DC 주파수 ', ' SVM ', ' 예상 복용량 ' (포함 예상 생물 학적 복용량 Gy에서 테스트 샘플의), 그리고 ' 적용 이미지 선택 모델 ' 필드. 5. 보고 참고: 보고서 이름을 지정 하 고 저장 하는 디렉터리를 선택 하는 데 사용 하는 메서드는 모든 보고서 종류를 일반적인. A ' 보고서 이름 '를 제공 해야 합니다. 보고서 생성, 자동으로이 이름을 사용 하 여 보고서 파일이 포함 된 디렉터리에 생성 됩니다. 이 디렉터리에 배치 됩니다 내는 ' 보고서 폴더 '. 기본적으로는 ' 보고서 폴더 ' 라는 디렉토리 ' 보고서 ' 설치 하는 동안 지정 된 데이터 디렉터리에. 샘플 보고서 클릭 ' 보고서 ' 선택 하 고 메뉴 모음에서 ' 샘플 보고서 ' 여는 ' 샘플 보고서 생성 ' 대화. 에 보고서의 이름을 입력 합니다 ' 보고서 이름 ' 텍스트 필드. 클릭 ' 찾아보기 '를 수정 하는 ' 보고서 폴더 ' 바란다면. 선택에서 적절 한 샘플 옆에 체크 표시를 배치 하 여 보고서에 포함할 하나 이상의 가공된 샘플은 ' 샘플을 선택 ' 목록. 에서 값을 선택 하 여 DC 유통 플롯을 생성 하는 SVM 시그마의 범위 값을 지정 ' 분 ' 및 ' 최대 ' 내에서 드롭다운 상자는 ' 샘플에 Dc의 배포 ' 지역. 선택을 취소 하 여 원하는 경우 보고서에서 DC 유통 플롯을 제외는 ' 포함 '에서 ' 샘플에 Dc 유통 ' 지역. 지정 적절 한 플롯에 옆에 확인 표시를 배치 하 여 보고서에 포함 하도록 필터링 통계를 포함 하는 음모는 ' 플롯을 선택 ' 지역. 클릭 ' 확인 ' 보고서를 생성할. 곡선 보고서 클릭 ' 보고서 ' 선택 하 고 메뉴 모음에서 ' 곡선 보고서 ' 여는 ' 곡선 보고서 생성 ' 대화. 에 보고서의 이름을 입력 합니다 ' 보고서 이름 ' 텍스트 필드. 클릭 ' 찾아보기 '를 수정 하는 ' 보고서 폴더 ' 바란다면. 선택에서 적절 한 곡선의 옆에 체크 표시를 배치 하 여 보고서에 포함할 하나 이상의 커브는 ' 보고서에 포함 되어야 하는 커브를 선택 ' 목록. 클릭 ' 확인 ' 보고서를 생성할. 복용량 견적 보고서 섹션 4에서에서 설명한 복용량 추정 단계 수행. 참고: 복용량 견적 보고서 줄거리와 콘솔 영역에 표시 된 결과에서 생성 됩니다. 따라서, 복용량 추정 음모에에서 있어야 그림 영역 보고서 생성 시간에. 클릭 ' 보고서 ' 선택 하 고 메뉴 모음에서 ' 복용량 견적 보고서 ' 여는 ' 생성 복용량 견적 보고서 ' 대화. 에 보고서의 이름을 입력 합니다 ' 보고서 이름 ' 텍스트 필드. 클릭 ' 찾아보기 '를 수정 하는 ' 보고서 폴더 ' 바란다면. 클릭 ' 확인 ' 보고서를 생성할. 6. 감사 기능 참고: 로그 파일에는 세션 동안 수행 하는 모든 작업을 기록 하는 소프트웨어. 수 있도록 로그 파일을 볼 수, 검색, 분석 하 고 어떤 경우에 무결성을 평가 하는 데 사용 하는 액세서리 소프트웨어 응용 프로그램을 제공 하는 프로그램, 불완전 또는 중간 샘플 데이터를 복구 세션 종료. 클릭 ' 도움이 ' 선택 하 고 메뉴 모음에서 ' 로그 보기 ' 로그 파일 뷰어 추가 소프트웨어 여. 확인 로그 파일 창의 왼쪽에 있는 사이드바에 나열 됩니다. 파일이 표시 되는 경우 클릭 ' 파일 ', 선택 ' 선택 로그 파일 디렉터리 ', 로그 파일이 포함 된 디렉터리를 찾습니다. 에 로그 파일 내용을 볼 수 있는 사이드바에서 로그 파일의 이름을 두 번 클릭 합니다 ' 뷰어 ' 탭 선택에서 ' 검색 ' 탭 및 입력 검색어 하나 이상의 로그 파일을 검색할. 입력 검색 매개 변수에서 원하는 경우는 '에서 ', '를 ', ' 사용자 ', ' 라이센스 ', ' 작업 ', 그리고 ' 매개 변수 ' 필드. 슬라이더를 사용 하 여 선택 하는 ' 최대 검색 결과 각 파일에 대 한 '. 참고: 사용자 이름, 같은 일부 검색 매개 변수를 각 일치 하는 로그 파일에 많은 결과 반환 합니다. 이 매개 변수는 각 로그 파일에 표시 되는 검색 결과의 수를 제한. 장소에 체크는 ' 검색만 강조 파일 ' (모든 로그 파일은 기본적으로 검색) 확인란을 선택 및 강조 표시 로그 파일 로그 파일의 하위 집합을 검색 하려면 사이드바에서. 체크는 ' 무결성 검사 수행 ' 확인란 (기본적으로 활성화)는 예기치 않은 소프트웨어 종료에 관련 된 오류에 대 한 검색 수 각 로그 파일을 검사 하. 클릭 ' 검색 ' 로그 파일을 검색 하 고 검색을 관찰 하는 창의 오른쪽에 결과. 클릭는 ' 로그 파일 보기 ' 검색 결과 강조 표시 하 고 보기에 표시 된 줄에 인접 한 단추는 ' 뷰어 ' 탭 로그 파일 무결성 문제 클릭는 ' 무결성 ' (해당 되는 경우에 확인 요청) 무결성 검사 동안 발견 된 오류를 보려면 탭을. 참고: 검색 로그 파일 무결성 문제에 대 한 검사를 수행 합니다. 로그 파일을 검색 하지 않고 무결성 검사를 수행 하는y 검색어, 단순히 두고 모든 검색 매개 변수 필드에 검은 ' 검색 ' 탭, 보장는 ' 무결성 검사 수행 '을 선택 하 고 클릭 합니다 ' 검색 '. 무결성 문제 발견 되는 경우는 ' 무결성 ' 탭 배경색 무엇이 될 해결 무결성 문제 (출력 그룹화 된 로그 파일) 가능한. 참고: 무결성 문제를 해결 하는 단계에 대 한 자세한 내용은 온라인 설명서 14 참조 하십시오. 7. 곡선 및 복용량 추정 통계 옵션 클릭 ' 설정 ' 선택 하 고 메뉴 모음에서 ' 통계 옵션 ' 여는 ' 통계 옵션 ' 대화. 보정 곡선 피팅 방법 (최소 제곱법 또는 최대 가능성) 드롭다운 상자에서 선택 합니다. 장소 옆에 체크 표시가 ' 해당 하는 경우 보정 곡선 95 %CI, 표시 ' 보정 곡선을 플롯할 때 95% 신뢰 간격을 표시. 장소 옆에 체크 표시가 ' 복용량 추정 계산 포아송 인해 95 %CI ' DC의 포아송 성격에 따라 복용량 견적에 95% 신뢰 한계를 계산 하. 장소 옆에 체크 표시가 ' 해당 하는 경우 복용량 견적 때문에 곡선, 95 %CI 계산 ' 교정 곡선에 관련 된 불확실성에 따라 복용량 견적에 95% 신뢰 한계를 계산 하.

Representative Results

소프트웨어의 테스트 HC 및 CNL에서 얻어진 분열 중 기 염색체 이미지 데이터와 함께 실시 되었다. 혈액 샘플은 XRAD-320 단위 반구 (250 kV 엑스레이, 12.5 mA, 2 mm 알 여과, 복용량 비율: 0.92 또는 1.7 Gy/min) HC에서 이온 챔버와 보정 및 두 실험실에서 처리. 말 초 혈액 림프 구 샘플 양식, 고정 되었고 설립된 프로토콜3,15에 따라 각 시설에서 스테인드. Giemsa 얼룩이 슬라이드에서 분열 이미지 했다 자동화 된 현미경 시스템을 사용 하 여 각 연구실에 의해 독립적으로 체포 됩니다. 각 실험실에서 전문가 수동으로 이러한 샘플의 몇몇에서 Dc를 득점, 자신의 보정 곡선을 건설 하 고 알 수 없는 노출의 테스트 샘플의 예상. 표 1에이 데이터 집합에 대 한 자세한 설명이 제공 됩니다. 실제 복용량 목적 HC 준비 CNL 준비 참조 이름 # 이미지의 참조 이름 # 이미지의 0 Gy 교정 HC0Gy 731 CNL0Gy 798 0.1 Gy 교정 HC01Gy 2162 NA NA 0.25 Gy 교정 HC025Gy 1826 NA NA 0.5 Gy 교정 HC05Gy 1054 CNL05Gy 1532 0.75 Gy 교정 HC075Gy 1233 NA NA 1 Gy 교정 HC1Gy 1566 CNL1Gy 841 2 Gy 교정 HC2Gy 1147 CNL2Gy 996 3 Gy 교정 HC3Gy 1212 CNL3Gy 1188 4 Gy 교정 HC4Gy 909 CNL4Gy 1635 5 Gy 교정 HC5Gy 1019 NA NA 3.1 Gy 테스트 HCS01 540 CNLS01 500 2.3 Gy 테스트 HCS08 637 CNLS08 500 1.4 Gy 테스트 HCS10 708 NA NA 1.8 Gy 테스트 HCS04 600 CNLS04 957 2.8 Gy 테스트 HCS05 1136 CNLS05 1527 3.4 Gy 테스트 HCS07 477 CNLS07 735 표 1: 는 소프트웨어의 평가 대 한 HC 및 CNL에서 제공 하는 이미지 데이터의 소스.각주: Rogan 외., 20164에 표 1 에서 수정. 유일한 수동으로 미리 이미지는 CNL에서 우리에 게 이전에 사용할 수 있었다. 필터링 되지 않은 이미지 제공 되 고 이미지 개수에 따라 업데이트 됩니다. 또한, 새로 인수 HC 샘플 (0.25Gy, 0.75Gy, 및 5Gy) 여기에 표시 됩니다. 샘플에서 자동 이미지 선택 이미지 품질은 DC 분석에서 정확한 DC 감지에 중요 합니다. 이미지 선택 cytogenetic 전문가 의해 기존의 DC 분석에 일반적으로 수동으로 수행 됩니다. ADCI 양적 이미지 기준 사용 하 여 자동으로 DC 주파수 계산16전에 이미지를 선택 합니다. 사용자는 필터링 하거나 특정 염색체 형태학 및 정상적인 인간 karyotype에 염색체의 정의 cytogenetic 그룹의 알려진된 길이 따라 개체의 길이의 상대적 비율에 따라 정렬 셀에 따라 이미지 (불리는 그룹-빈 거리 방법)입니다. 불완전 한 염색체 세트 또는 여러 metaphases, 저명한 여동생과 함께 prometaphase 염색체를 가진 세포 이미지를 거부 하 규모 고정 임계값을 사용 하는 사용 가능한 형태 필터와 높은 굽은 꼬이는 chromatid 분리 염색체, 부드러운 윤곽 그대로 핵, 그리고 적은 개체 염색체도 인식 되는 그의 특성을 가진 개체를 함께 그림 3 (a)와 (b) 그림 3 (c)와 (d) 소프트웨어에 의해 필터링 되는 이미지의 예는 선택 된 이미지의 예를 보여. 이러한 이미지 샘플 (표 1에 설명 된), HCS05에서에서 파생 되 고 모든 이미지 그룹 빈 거리 순위 다음 최고의 250 이미지를 선택 하는 미리 정의 된 이미지 선택 모델에 의해 선택 됩니다. 염색체에 그림 3 (a), (b)는 잘 분리 되 고, 그리고 만족 스러운 형태를 전시. 그림 3 (c) 겹쳐진된 염색체 클러스터의 과도 한 숫자를 포함합니다. 그림 3 (d) 쇼 심한 자매 chromatid 분리. 자매 chromatids는 염색체의 이상 8 완전히 분리 되며 centromeric constrictions 대부분 다른 염색체의 모호한. 그림 3: 샘플 HCS05에서 분열 이미지의 예 (확대: 63 X), 모두 선택 되지 않 및 모델 ‘ 그룹 빈 거리, 최고 250 이미지 ‘에 의해 선정. (A) 와 (B)는 선택 된 이미지. (C) 와 (D)는 이미지 모델에서 제거 되었습니다입니다. (C) 때문에 너무 많은 중복 염색체 포함 (D) 분리 된 자매의 과도 한 숫자를 제외 했다 chromatids. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 샘플에서 DC 검색의 신뢰 수준을 검사 하 여 이러한 이미지 선택 모델 적용의 효과 분명 하다. Dc의 사건 조사 샘플에서 세포의 인구에는 포아송 분포를 따릅니다. 치 평방 세상의 맞춤 테스트 포아송 분포 예상 맞게 관찰된 DC 주파수 분포를 비교합니다. 제대로 필터 샘플 데이터 크게 다르지 않은 예상된 포아송 DC 주파수를 전시 모델 파생 값 (일반적으로 의미 수준 > 0.01). 그림 4 디스플레이 DC 발생 및 해당 “그룹 빈 거리, 최고 250 이미지” 모델 선정 이미지만 대 모든 이미지의 HC4Gy 샘플에 대 한 Poisson 분포에 맞는. 그림 4 (b) 보여줍니다 더 나은 포아송 분포에 적합. P-이미지의 필터링 된 집합의 값 (0.36) 크게 그림 4 (a)에 필터링 되지 않은 DC 유통의 초과합니다. 5% 또는 1% 의미 수준에서 그림 4 (a)에 필터링 되지 않은 샘플 신뢰할 수, Dc의 포아송 분포의 null 가설으로 낮은 품질 DC 데이터를 포함 하기 때문에 거부 됩니다. 그림 4: 비례 DC 주파수의 스크린샷 소프트웨어에서 샘플 HC4Gy의 포아송 Dstributions 맞게. (A) 모든 이미지를 포함, (B) 만 이미지를 모델 (그룹 빈 거리, 최고 250 이미지)에 의해 선택이 포함 되어 있습니다. 범례 (오른쪽 상단) 나타냅니다 (분산 색인, 뮤 테스트 및 람다) 포아송 분포에 적합의 통계와 맞는 테스트 (p-값)의 카이 선 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. Dicentric 염색체 (DC) 검색 정확한 DC 감지 ADCI의 중요 한 필수 요구 사항입니다. 올바르게 검색 Dc 및 소프트웨어에 의해 놓친 그 각각 참 긍정 (TPs) 및 false 네거티브 (FNs)로 정의 됩니다. Dc, 하지만 잘못 DCs로 검색 하는 개체를 가양성 (FPs) 라고 합니다. FPs는 monocentric 염색체, 염색체 파편, 분리 된 자매 chromatids, 겹친된 염색체 클러스터 및 비 염색체 개체. 그림 5 는 두 개의 분열 이미지에 DC 검색의 결과 보여 줍니다. 개체 1과 3은 TPs, 4 개체는 두 가지 monocentric 염색체 그들의 짧은 팔에 따라 결합 구성 된 FP. 그림 5 (a), 개체 2 원래는 FP 했지만 이후에 소프트웨어에서 FP 필터에 의해 수정. 그림 5 (b)에서 6 개체와 개체 5 FNs의 가능성이 예입니다. 그림 5: 스크린샷 잠재적인 Dc. (A) 분열 중 기 염색체 분류 표시 샘플 CNL1Gy에서에서 이미지 (확대: 63 X) 보여주는 1 TP, 개체 “1”; 그리고 1 수정 FP, 객체 “2”. (B) 샘플 CNL4Gy에서에서 이미지 (확대: 63 X) 보여주는 1 TP, 개체 “3”; 1 FP, 개체 “4”; 그리고 2 잠재적인 FNs, “5”와 “6” 개체. TPs, 수정 된 FPs, 일반 monocentric, 그리고 분류 되지 않은 염색체는 각각 빨강, 녹색, 노란색과 파란색 윤곽선으로 설명 되어 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 테스트 샘플의 복용량 추정 ADCI 분석의 최종 결과 샘플 보정 곡선에서 유추의 복용량 견적. 표 1 에서 테스트 샘플에 대 한 소프트웨어에 의해 만들어진 복용량 의견 표 2 와 3에 표시 됩니다. 비교를 위해, 실제 방사선 복용량 방출 하 고 HCS01, HCS08 및 HCS10 샘플에 대 한 HC에서 전문가 의해 수동 득점된 복용량 표시 됩니다. 마찬가지로, 물리과 CNL 전문가가 복용량을 득점 하는 수동 CNLS04, CNLS05 및 CNLS07에 대 한 표시 됩니다. 그림 6 에서는 방사선 복용량 견적 건강 캐나다 biodosimetry 실험실 샘플 HCS01, HCS08, HCS10, HCS04, HCS05 및 HCS07에 대 한 교정 곡선을 보여 줍니다. 보정 곡선 HC0Gy, HC1Gy, HC2Gy, HC3Gy 및 HC4Gy 샘플을 사용 하 여 생성 됩니다. 이미지 선택 모델 3부터 Z-점수-기반 필터 + “그룹 빈 거리, 최고 250 이미지”를 포함 하는 모든 샘플에 적용 됩니다. 관련된 통계 분석 함께 복용량 견적 표 2에 표시 됩니다. 그림 6: HC 테스트 샘플의 복용량 추정의 스크린샷은. 검은 사각형 교정 샘플을 나타냅니다. 테스트 샘플 및 교정 샘플 이미지 (3 FP 필터 + 그룹 빈 거리, 최고 250 이미지) 모델에 의해 선택 됩니다. 두꺼운 점선 보정 곡선 추정된 복용량을 통해 Dc/분열의 매핑을 나타냅니다. 얇은 점선 위를 나타내는 및 DCs/분열의 95% 신뢰 한계. 테스트 샘플의 코드 색상: 밝은 빨강, HC S01 (물리적 복용량: 3.1Gy, HC 유추 복용량: 3.4Gy, ADCI: 3Gy); 진한 녹색, HC S04 (물리적 복용량: 1.8Gy, ADCI: 1.85Gy); 밝은 파란색, HC S05 (물리적 복용량: 2.8Gy, ADCI: 2.95Gy); 진한 파란색, HC S07 (물리적 복용량: 3.4Gy, ADCI: 2.35Gy); 진한 빨간색 HC S08 (물리적 복용량: 2.3Gy, HC 유추 복용량: 2.5Gy, ADCI: 2Gy); 밝은 녹색, HC S10 (물리적 복용량: 1.4Gy, HC 유추 복용량: 1.4Gy, ADCI: 0.95Gy). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 샘플 실제 복용량 HC 유추 복용량 ADCI 추정 량 예상된 복용량 LCL 예상된 복용량 UCL P-값 * HCS01 3.1 3.4 3 2.3 3.8 0.117 HCS08 2.3 2.5 2 1.4 2.7 0.815 HCS10 1.4 1.4 0.95 0.5 1.55 0.211 HCS04 1.8 NA 1.85 1.25 2.55 0.0293 HCS05 2.8 NA 2.95 2 월 25 일 3.75 0.00354 HCS07 3.4 NA 2.35 1.7 3.1 0.0002 표 2: HC 테스트 샘플의 추정 결과 복용량.각주: Rogan 외., 20164 표 3 에서 수정. 이전에 보고 된 ADCI 복용량 견적 했다 필터링 되지 않은 이미지와에 커브 피팅 최소 자승법을 사용 하 여 수행 되었다. 여기, 보정 곡선 최대 가능성 메서드를 사용 하 여 적합 했다 고 3 FP 필터 + “그룹 빈 거리, 최고 250 이미지”를 포함 하는 이미지 선택 모델 복용량 견적 전에 적용 했다. 예상된 복용량 UCL그리고 LCL 복용량 견적 상단 및 낮은 DC의 포아송 성격에 따라 95% 신뢰 한계를 참조 하십시오. * 치 평방 세상 적합 이론적인 푸아송 분포; 나: 수동으로 유추 복용량의 결과 제공 하지 했다. 방사선 복용량 캐나다 핵 연구소 CNLS04에서 샘플에 대 한 견적 하는 CNLS05, CNLS07, CNLS01 및 CNLS08는 그림 7에 표시 됩니다. 보정 곡선 CNL0Gy, CNL0.5Gy, CNL1Gy, CNL2Gy, CNL3Gy 및 CNL4Gy 샘플을 사용 하 여 생성 됩니다. 우리는 모든 샘플 6 FP 필터 구성 된 이미지 선택 모델 적용. 통계 분석 결과 표 3에 표시 됩니다. 그림 7: CNL 테스트 샘플의 복용량 추정의 스크린샷은. 검은 사각형 교정 샘플을 나타냅니다. 테스트 샘플 및 교정 샘플 이미지 6 FP 필터를 사용 하 여 선택 됩니다. 두꺼운 점선 보정 곡선 추정된 복용량을 통해 Dc/분열의 매핑을 나타냅니다. 얇은 점선 위를 나타내는 및 DCs/분열의 95% 신뢰 한계. 테스트 샘플의 코드 색상: 밝은 빨강, CNL S04 (물리적 복용량: 1.8Gy, CNL 유추 복용량: 1.7Gy, ADCI: 1.95Gy); 진한 빨간색, CNL S05 (물리적 복용량: 2.8Gy, CNL 유추 복용량: 2.7Gy, ADCI: 3.05Gy); 밝은 녹색, CNL S07 (물리적 복용량: 3.4Gy, CNL 유추 복용량: 3.1Gy, ADCI: 3.4Gy); 진한 녹색, CNL S01 (물리적 복용량: 3.1Gy, ADCI: 3.75Gy); 블루, CNL S08 (물리적 복용량: 2.3Gy, ADCI: 2.8Gy). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 샘플 실제 복용량 CNL 유추 복용량 ADCI 추정 량 예상된 복용량 LCL 예상된 복용량 UCL P-값 * CNLS04 1.8 1.7 1.95 1.25 2.45 0.0545 CNLS05 2.8 2.7 3.05 2.75 3.35 0.325 CNLS07 3.4 3.1 3.4 3 3.75 0.473 CNLS01 3.1 NA 3.75 3.35 > 4 7.63E-11 CNLS08 2.3 NA 2.8 2 월 25 일 3.3 0.777 표 3: CNL의 복용량 견적 결과 테스트 샘플.각주: 표 3, Rogan 외., 20164에서 수정. ADCI 복용량 견적 이전에 보고 된 필터링 되지 않은 (HC)를 기반으로 했다 또는 수동으로 (CNL) 이미지를 선택 하 고 최소 자승법을 사용 하 여 커브 피팅 수행. 여기, 보정 곡선 최대 가능성 메서드를 사용 하 여 적합 했다 고 3 FP 필터 + “그룹 빈 거리, 최고 250 이미지”를 포함 하는 이미지 선택 모델 복용량 견적 전에 적용 했다. 예상된 복용량 UCL과 LCL, 각각, 예상된 위 복용량 및 DC의 포아송 성격에 따라 95% 신뢰 한계를 참조 하십시오.* 치 평방 세상 적합 이론적인 푸아송 분포; 나: 수동으로 유추 복용량의 결과 사용할 수 없었습니다. 그러나 보정 곡선의 선형 범위 내에서 방사선 복용량의 추정 (< 1 Gy) 소프트웨어, 1.0의 값이 권장 됩니다 시그마 더 알릴된 Dc (그림 8)의 주파수를 줄이기 위해 수행할 수 있습니다. 그림 8: 두 교정 곡선의 스크린샷을 다른 시그마 값에서 HC 교정 샘플에서 파생. (A) HC 교정 샘플: 0Gy, 2Gy, 3Gy 4Gy, 그리고 시그마에서 5Gy = 1.5. (B) HC 교정 샘플: 0Gy, 0.25Gy, 0.5Gy, 0.75Gy, 1Gy 2Gy, 3Gy 4Gy, 5Gy SVM 시그마를 사용 하 여 = 1.0. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 이러한 분석은 작은, 하지만 물리적 및 생물학적 유추 복용량 사이 허용 차이 해석 전문가 소프트웨어를 나타냅니다. 실제 복용량에서 설명서 또는 소프트웨어 추정의 차이 “오류” 라고 합니다. 수동으로 HC와 CNL 득점 하는 샘플의 유추 된 복용량에 오류는 ≤0.3 Gy. 소프트웨어에 의해 자동된 처리는 전문가, 그러나 일반적으로 IAEA 지정 심사의 한계 내에서 ± 0.5 Gy3보다 덜 정확 합니다. 표 2 와 3에서 테스트 샘플의 대부분, 소프트웨어가이 임계값 내에서 올바른 결과 생산. 그러나, HCS07와 CNLS01 전시 가난한 선-의-맞는 포아송 분포에 이미지 및 FP 선택 모델의 응용 프로그램에 의해 해결 되지 이러한 샘플에서 DC 품질과 이미지에 잠재적인 문제가 있었다는 것을 건의. P 값의 임계값은 HCS05, 소프트웨어는 정확 하 게 정확한 복용량 결정의 경우 지나치게 엄격한 것 처럼 보인다.

Discussion

기능 및 소프트웨어의 한계

가져오기 및 cytogenetic 분열 이미지 처리, 방사선 교정 곡선, 만들고 개인 또는 알 수 없음에 노출 하는 샘플에서 생물 복용량 견적 ADCI에 익숙해 전형적인 단계별 절차를 소개 하는이 문서에서 설명 하는 프로토콜 방사선 수준입니다. 그러나, 그것은 이러한 지침을 순차적으로 수행 하는 데 필요한입니다. 예를 들어 불명된 복용량의 많은 테스트 샘플 및 처리 수 있습니다 같은 계산된 보정 곡선을 사용 하 여 분석. 또한, 처리 완료 되 면 이미지 선택 및 DC 모델 필터링 사용자가 반복 될 수 있습니다. 적절 한 이미지 선택 모델의 응용 프로그램 특성에 따라 달라 집니다 및 분열 이미지 데이터를 차례로 의존 하는 세포를 준비 하는 데 사용 하는 실험실 프로토콜에 포함 된 셀을 선택 하는 데 사용 하는 엄중 기준 둘 다의 품질 자동 분열 캡처 시스템입니다. 염색체의 형태학은 biodosimetry와 cytogenetic 실험실 다 고 따라서, 이미지 선택 모델 소프트웨어와 함께 제공 된 미리 정의 된 이미지 선택 모델에 적절 한 것인지 확인 하기 위해 사용자에 의해 평가 되어야 한다 정확한 복용량 견적, 생산 또는 사용자 정의 된 사용자 지정 모델 여부 임계값 만들 필요가 있다. 우리의 경험을 바탕으로, 이미지 선택 모델의 효과 소스 셀 이미지의 품질에 의해 영향을 받습니다. 사용자가 필터의 다른 조합을 사용 하 여 제거 거짓 긍정적인 Dc 및 이미지 선택 모델 및 해당 임계값 값을 원하는 이미지를 선택 하는 그들의 자신의 이미지 선택 기준을 디자인할 수 있습니다. 저기 유연성 교정 곡선과 복용량 추정의 입력에 계수 선형 이차 곡선 및 DC 주파수의 수정 되거나 수동으로 입력 될 수 있습니다.

소프트웨어는 완전히 자동화 하 고, 비록 이미지 수 있습니다 수 수동으로 검토 및 선택. 이 기능은 포함 하거나 주요 GUI에 현미경 뷰어 기능을 통해 개별적으로 처리 된 이미지를 제거 제공 됩니다. 그럼에도 불구 하 고, 자동화로 인해 소프트웨어는 훨씬 더 효율적인 분열 이미지의 점수와 Dc 계산 설명서와 비교. 샘플 1000 이미지의 구성 된 멀티 코어 성능 워크스테이션에 40 (jpg) 분 20 (tiff)에서 처리할 수 있습니다. 이 소프트웨어는 여러 개인 노출 되었을 또는 방사선에 노출 된 의심 또는 시간적 진단 및 치료에 대 한 이벤트 같은 시간 또는 많은 경우에 특히 도움이 될 것입니다. 결정은 중요 합니다.

복용량 견적 Dc의 높은 처리량을 정확 하 고 정확한 검출은 무인된 방사선 평가 필요 합니다. 소프트웨어에 다른 가능한 대안 이러한 요구 사항을 모두 충족 하지 않습니다. 사용자 지원, 이미지 기반 cytogenetic 분석 (DCScore, Metasystems17) 시스템 필요 후보 Dc의 수동 확인을 수행, 높은 오류 비율 교정에 기인 염색체 사이의 겹치는 및 시스템을 결정 하지 않는다 방사선 복용량입니다. DCScore는 잠재적으로 노출 된 개인의 많은 수를 포함 하는 방사선 이벤트에 ADCI 만큼 효과적이 지 않을 것 이다. 그러나 큰 조리개 현미경 시스템 여러 분열 세포18의 이미지를 수집할 수 있습니다, 그리고, 그들은 그들을 분석 하지 않습니다. “CABAS”1920 소프트웨어 “복용량 견적” 보정을 생성할 수 있습니다 곡선 및 견적 복용량, 그러나 Dc 점수 하지 않습니다. DC 분석을 기반으로 하지 다른 biodosimetry 분석 실험 H2AX 형광, 형광 교 잡에서 원래의 dna 프로브 특정 대상된 염색체, 유전자 발현, micronucleus 분석 결과, 그리고 소변과 호흡기 생체. 이러한 메서드는 이온화 방사선에 대 한 덜 특정 고 구분, 비쌀 수 있다 더, 어떤 경우에, 더 많은 시간이 소요, 있으며 여러 참조 실험실에 걸쳐 표준화 일반적으로 되지. 그래서 그들은 긴 기간 평가에 사용할 수 없습니다 이러한 기술의 대부분 안정적인 방사선 응답을 검색 하지 않습니다 (> 7 일 후 노출) 방사선 복용량의. 대조적으로, 두 일 후 노출, 개인을 평가할 수 있는 그리고 모든 세포 유전학 실험실 현미경 이미징 시스템에서에서 데이터를 처리할 수 있습니다. 그러나, 만약 샘플 그려진 > 4 주 후 노출, 감도 dicentric 착오1,2,3 의 부패로 인해 감소 되 고 소프트웨어 현재 샘플링에 지연에 대 한 DC 주파수를 수정 하지 않습니다 개인 노출.

이 소프트웨어는 몇 가지 제한이 있습니다. 기존 이미지 선택 모델 대부분 허용 분열 이미지 선택 하지만 어떤 경우에 DC 검색의 정확도 감소 시킬 수 있는 불만족 이미지 제거를 실패 합니다. 그것은 여전히 열려있는 질문 모든 부적 한 분열 중 기 세포를 제거 하는 만족 스러운 이미지 선택 모델을 디자인 하는 방법입니다. 샘플 더 높은 방사선 복용량에 노출에 대 한 정확한 견적을 제공 하는 소프트웨어 (≥ 2 Gy). 거짓 긍정적인 Dc16의 수를 감소 시키는 상당한 진행에도 불구 하 고 이러한 개체는 되지 제거 되었습니다. 낮은 품질 낮은 방사선 복용량에서 분열 중 기 세포 (특히 < 1 Gy) 더 거짓 긍정적인 DC 검색 하는 경향이 있다. 따라서, HC 테스트 샘플의 복용량 추정에 사용 되는 보정 곡선을 생성할 때에 낮은 복용량 샘플 포함 되지 않았습니다. 저용량 샘플을 포함 하는 곡선을 원하는 경우 낮은 SVM 시그마 값 저용량 샘플에서 거짓 긍정적인 카운트를 감소 시킨다 그러나, 높은 복용량 샘플에 낮은 DC 수율에 발생할 수 있습니다. 그림 8 량 추정에 사용 되는 HC 곡선 비교 (시그마 = 1.5) 교정 곡선으로 낮은 SVM 시그마 값 (1.0)에서 추가 낮은 복용량 샘플 맞지. 분열 중 기 세포 분열 이미지에서 화질의 부족 한 숫자와 샘플에 정확 하 게 낮은 복용량에, 잠재적으로 실제 복용량을 초과 하는 0.5 Gy에서 편차 인 생물학적 노출 추정 가능 하지 않을 수 있습니다.

소프트웨어 수 없습니다 정확 하 게 평가 방사선 종류 최고의 그들의 복용량 응답 곡선 선형 또는 근처 선형 모델에 맞는 경우. 지금까지, 그것은 샘플에 X-감마선 노출로 테스트 되었습니다. 다른 방사선 샘을 검사 하는 경우 사용자가 교정 및 테스트 샘플 같은 종류의 방사선에 노출 됩니다 확인 해야 합니다. 소프트웨어 사용 최대 가능성 또는 최소 제곱 복용량 응답 곡선 선형 이차 모델을 사용 하 여 구성에 적합 합니다. 그러나 현재 옵션은 없습니다 엄격한 선형 곡선에 맞는, 부과 하 고 에너지 입자 노출에 대 한 적절 한, 그런 기능 사용할 수 나중에.

미래 발달

우리의 지속적인 노력 이미지 선택 모델 및 특히 낮은 방사선 복용량에 노출 하는 샘플의 정확한 복용량 측정 개선에 집중 된다. 다음 소프트웨어 버전 복용량 견적 및 교정 곡선에 신뢰 간격에 표준 오차 측정을 제공할 것입니다. 또한, 높은-성능 컴퓨팅 (BG/Q, IBM) 블루 진 슈퍼 컴퓨터에 대 한 소프트웨어 버전 대량 사상자 방사선 이벤트에 노출 개인의 적절 한 평가 위해 개발 중입니다. 소프트웨어의 일부 구성 요소가 이미 시험 되 고이 플랫폼에 배포아가씨 “외부 참조” = > 11.

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

우리는 그들의 cytogenetic biodosimetry 실험실에서 분열 이미지 데이터 액세스에 대 한 박사 루스 윌킨스, Radiobiology과 보호 건강 캐나다, 그리고 페 라 Flegal, 캐나다 핵 실험실 및 그들의 실험실 직원에 게 감사. 이 종이 CytoGnomix (시리얼 번호를 빌드 캐나다 혁신 프로그램에서에서 계약에 의해 지원 되었다 EN579-172270/001/SC). ADCI의 초기 버전 및 알고리즘의 개발; 서양 혁신 기금에 의해 지원 되었다 자연 과학 및 공학 연구 위원회 (NSERC 발견 그랜트 371758-2009); 캐나다의 미국 공중 보건 서비스 (다트-복용량 CMCR, 5U01AI091173-0); 캐나다 재단 혁신; 캐나다 연구의 자, 및 CytoGnomix 주식 회사

Materials

Automated Dicentric Chromosome Identifier and Dose Estimator (ADCI) CytoGnomix NA ADCI software is released in a binary installation package file for Microsoft Windows 7, 8, 8.1 and 10; 235 Mb of disk storage are required for a typical installation. The software has been tested with Intel or AMD x86-64 processors; at least 1 Gb RAM is recommended. Analyses have been benchmarked on a computer configured with an Intel I7 processor and 16 Gb RAM. Operation of ADCI requires an active license and a USB-based hardware dongle, which must remain plugged in while the software is executing. The dongle encodes the software expiry date. Each time the software is started, this date is read. The software will allow access to the program if the current date and time precedes the expiration time-date stamp. Extending an expired software license can be accomplished by obtaining a new dongle or by renewing the license with an updated key at startup.
Digital images of metaphase cell nuclei Examples: Metasystems, Leica Microsystems M-Search (Metasystems), Cytovision (Leica) software High resolution TIFF format; typically >250 digital images generated with a microscope imaging capture system (minimum 63x magnification objective, 10x magnification ocular).
MSI Leopard Pro (recommended, optional) Micro-Star International MSI GP62 6QF 480CA Leopard Pro Multi-core performance workstation.

Referanslar

  1. Brewen, J. G., Preston, R. J., Littlefield, L. G. Radiation-Induced Human Chromosome Aberration Yields Following an Accidental Whole-Body Exposure to60 Co γ-Rays. Radiat Res. 49 (3), 647-656 (1972).
  2. Bender, M. A., Gooch, P. C. Persistent Chromosome Aberrations in Irradiated Human Subjects. Radiat Res. 16 (1), 44-53 (1962).
  3. INTERNATIONAL ATOMIC ENERGY AGENCY. . Cytogenetic Dosimetry: Applications in Preparedness for and Response to Radiation Emergencies. , (2011).
  4. Rogan, P. K., Li, Y., Wilkins, R. C., Flegal, F. N., Knoll, J. H. M. Radiation Dose Estimation by Automated Cytogenetic Biodosimetry. Radiat Prot Dosimetry. 172 (1-3), 207-217 (2016).
  5. Arachchige, A. S., Samarabandu, J., Knoll, J., Khan, W., Rogan, P. An image processing algorithm for accurate extraction of the centerline from human metaphase chromosomes. 2010 IEEE International Conference on Image Processing. , 3613-3616 (2010).
  6. Arachchige, A. S., Samarabandu, J., Knoll, J., Khan, W., Rogan, P. An Accurate Image Processing Algorithm for Detecting FISH Probe Locations Relative to Chromosome Landmarks on DAPI Stained Metaphase Chromosome Images. 2010 Canadian Conference on Computer and Robot Vision. , 223-230 (2010).
  7. Arachchige, A. S., Samarabandu, J., Rogan, P. K., Knoll, J. H. M. Intensity integrated Laplacian algorithm for human metaphase chromosome centromere detection. 2012 25th IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). , 1-4 (2012).
  8. Li, Y., et al. Towards large scale automated interpretation of cytogenetic biodosimetry data. 2012 IEEE 6th International Conference on Information and Automation for Sustainability. , 30-35 (2012).
  9. Ranjan, R., Arachchige, A. S., Samarabandu, J., Knoll, J. H. M., Rogan, P. K. Automatic Detection of Pale Path and Overlaps in Chromosome Images using Adaptive Search Technique and Re-thresholding. International Conference on Computer Vision Theory and Applications. , 462-466 (2017).
  10. Arachchige, A. S., Samarabandu, J., Knoll, J. H. M., Rogan, P. K. Intensity Integrated Laplacian-Based Thickness Measurement for Detecting Human Metaphase Chromosome Centromere Location. IEEE Trans Biomed Eng. 60 (7), 2005-2013 (2013).
  11. Rogan, P. K., et al. Automating dicentric chromosome detection from cytogenetic biodosimetry data. Radiat Prot Dosimetry. 159 (1-4), 95-104 (2014).
  12. Li, Y., Knoll, J. H., Wilkins, R. C., Flegal, F. N., Rogan, P. K. Automated discrimination of dicentric and monocentric chromosomes by machine learning-based image processing. Microsc Res Tech. 79 (5), 393-402 (2016).
  13. Subasinghe, A., et al. Centromere detection of human metaphase chromosome images using a candidate based method. F1000Res. 5, 1565 (2016).
  14. Wilkins, R. C., et al. Evaluation of the annual Canadian biodosimetry network intercomparisons. Int J Radiat Biol. 91 (5), 443-451 (2015).
  15. Liu, J., Li, Y., Wilkins, R., Flegal, F., Knoll, J. H. M., Rogan, P. K. Accurate Cytogenetic Biodosimetry Through Automation Of Dicentric Chromosome Curation And Metaphase Cell Selection. F1000Research. 6, 1396 (2017).
  16. Schunck, C., Johannes, T., Varga, D., Lörch, T., Plesch, A. New developments in automated cytogenetic imaging: unattended scoring of dicentric chromosomes, micronuclei, single cell gel electrophoresis, and fluorescence signals. Cytogenet Genome Res. 104 (1-4), 383-389 (2004).
  17. Ramakumar, A., Subramanian, U., Prasanna, P. G. S. High-throughput sample processing and sample management; the functional evolution of classical cytogenetic assay towards automation. Mutat Res Genet Toxicol Environ Mutagen. 2015, 132-141 (2015).
  18. Deperas, J., et al. CABAS: a freely available PC program for fitting calibration curves in chromosome aberration dosimetry. Radiat Prot Dosimetry. 124 (2), 115-123 (2007).
  19. Ainsbury, E. A., Lloyd, D. C. Dose estimation software for radiation biodosimetry. Health Phys. 98 (2), 290-295 (2010).

Play Video

Bu Makaleden Alıntı Yapın
Shirley, B., Li, Y., Knoll, J. H., Rogan, P. K. Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification (ADCI) and Dose Estimation. J. Vis. Exp. (127), e56245, doi:10.3791/56245 (2017).

View Video