- Primero vamos a descargar el repositorio en .zip para ello es necesario dar click en el botón verde que dice 'code' y casi hasta el final de las opciones que aparece dar click en 'Download ZIP', como aparece en la imagen.
- Cuando este en nuestra computadora lo guardamos en una carpeta y ahí le damos click derecho al archivo, y vamos a seleccionar la opción que dice 'descomprimir aquí' o una opción similar.
- Para poder acceder a esta herramienta necesitamos tener instalado Matlab, una vez dentro de esta aplicación podemos teclear 'Ctrl + o' o podemos ir a la opción 'Open' que se encuentra en la barra superior de Matlab, como se muestra en la imagen.
Después tendremos una interfaz que nos permite navegar en nuestros archivos e iremos a la carpeta donde descomprimimos el archivo que descargamos de Github y seleccionamos el archivo 'Main.m'
- Agregar la imagen que se desa analizar (con extension .czi y cuidando que no tenga mas de 4 canales de color) en la carpeta \Color_channels\Images
- Acceder al archivo Main.m que se encuentra en la raíz del repositorio, este es un script escrito en Matlab.
- En este script se debe colocar el nombre de la imagen agregada en el paso 1, este se escribe en la variable file_name, el nombre se escribe entre comillas simples y sin la extensión.
- Correr el programa.
- De forma automática se creará una carpeta con el nombre de la imagen dentro de la carpeta Resultados, como su nombre lo indica aquí se guardarán los resultados de correr el código.
- Celulas_en_duda : Imagen que contiene las células que no se lograron segmentar correctamente.
- Celulas_Segmentadas : Imagen que contiene las células que se lograron segmentar correctamente.
- Celulas_Segmentadas_Enumeradas : Imagen del punto 2 pero a cada célula se le asignó un número.
- Clasificacion sobre el marcaje [Marcaje] : Imagen de la clasificación sobre un marcaje. Color Azul significa que la célula no contiene la proteína en cuestión (Célula Negativa), color Verde significa que la célula contiene la proteína en cuestión (Célula Positiva), Color Rojo significa que la célula no se segmentó correctamente.
- Imagen_Original_Grises : Imagen del canal DAPI en escala de grises.
- Regiones : Imagen que contiene 3 regiones, una región con poca densidad de células, otra con densidad media y una con densidad alta.
- Conteo_General : Contiene la cantidad todal de células positivas y negativas de cada marcaje.
- Expresion_canal1_canal2 : Contiene la comparación entre el canal 1 y 2 (cuantas células son postivas para ambos marcajes, cuantas negativas, etc.)
- Expresion_canal1_canal3 : Contiene la comparación entre el canal 1 y 3 (cuantas células son postivas para ambos marcajes, cuantas negativas, etc.)
- Expresion_canal2_canal3 : Contiene la comparación entre el canal 2 y 3 (cuantas células son postivas para ambos marcajes, cuantas negativas, etc.)
- ID_Canales : Contiene los nombres de los marcajes (sin contar DAPI) con su respectivo ID.
- Tabla_Propiedades_Marcaje_ID : Contiene una tabla con características de cada célula segmentada, las columnas son: Área (área de la célula en píxeles), Area proteina dentro de celula (en píxeles), Porcentaje proteina dentro de celula, Eje mayor (longitud del eje mayor en píxeles), Eje menor (longitud del eje menor en píxeles), orientación (Ángulo de inclinación en grados), Inten_media nucleo (intensidad media del núcleo), Inten_media_proteina (intensidad media de la proteína que se encuentra dentro del núcleo), Estado (si la célula es positiva o negativa para el marcaje en cuestión, 0 significa célula negativa, 1 significa célula positiva y 2 significa célulaque no se segmentó correctamente), Region de pertenencia (indica la región donde se encuentra la célula)
- Tabla_Regiones : Contiene el conteo de células por regiones, las columnas son: Regiones (Indica la región en cuestión), Nucleos por region (Cantidad de cpelulas encontradas en la región dada), Area (área total de la región en micras cuadradas), Densidad (división del número de células encontradas entre el área).
- cell_images : En esta carpeta se guarda la separacion automática de los canales de color realizada por el archivo Main.m, estas imágenes se usan después para el conteo de células. El usuario no modifica manualmente el contenido de esta carpeta.
- Color_channels : En esta carpeta se encuentran las funciones que realizan la separación de canales y extracción de metadatos de las imágenes .czi, la función principal que el código Main.m manda a llamar de aquí se llama FuncionSepararCanales.m.
- scripts : En esta carpeta se encuentran las funciones que realizan el conteo y clasificación de células, la función principal que el código Main.m manda a llamar de aquí se llama ContarCelulas.m.
- Resultados : En esta carpeta se encuentran los resultados(tablas e imágenes) producto de correr el programa Main.m.
La siguiente liga lleva a un programa de transparencia escrito en Python. Este permite superponer 2 imágenes y verificar que tan similares son realizando una transparencia entre ellas. No se necesito instalar nada, basta con correrlo, esto gracias a que se encuentra en la plataforma de Google Colab.
- Lo primero que se debe hacer es cargar las 2 imágenes de interés en la plataforma (ambas deben tener las mismas dimensiones).
- Lo siguiente es colocar el nombre de las 2 imágenes en la sección de Nombre de las imágenes a analizar
- Finalmente darle play a las 3 celdas que están presentes en el notebook.
Autores: