公司机密。 不要透露。
借助 NanoSIMS 技术，科学家们重建了亚细胞
由英国国家物理实验室的 NanoSIMS 生成的图像使用数据可视化软件重新创建，以便科学家可以详细探索小于哺乳动物细胞的分析区域。 更有效的分析有助于科学家最大限度地发挥科学影响。
挑战：使用带有 CAMECA NanoSIMS 仪器的多同位素成像质谱 (MIMS) 分析和成像细胞可以生成大量原始定量图像数据。 因此，数据准备和分析非常耗时。
解决方案：研究科学家 Greg McMahon 将 NanoSIMS 仪器中的数据导出到 JMP，在那里他使用该软件的 Graph Builder 平台和动态链接来执行统计数据分析并挖掘感兴趣区域的图像数据。 只需几个简单的脚本，McMahon 就可以自动进行重复分析，这样他现在只需点击几下就可以从数据到结果。
结果： McMahon 表示，JMP 能够轻松处理大量数据并支持可视化探索，因此显着减少了数据准备和分析时间。 更多可简化的数据输出和高效的工作流程正在帮助 NPL 及其合作伙伴优化 NanoSIMS 仪器的利用率并推动最大的科学影响。
_____________________________________________________________________________________________
所有科学研究的核心是准确和精确地收集测量值的能力。 在英国，国家物理实验室 (NPL) 是测量科学的研究领导者，为学术和行业合作伙伴提供世界领先的测量解决方案。 NPL 的计量专家将最先进的技术用于广泛的科学研究，从评估电子应用材料的表面结构到监测靶向治疗如何到达体内的肿瘤细胞。
NPL 的众多研究服务包括 SIMS，这是一种传统上用于地球化学和半导体应用的技术，可让科学家分析表面的同位素组成。 该技术将一束初级离子聚焦在样品表面，撞击会导致原子和分子从样品表面喷出，其中一小部分在此过程中被电离并称为次级离子。 最终，二次离子是下一个分析步骤的关键，因为这些带电粒子可以被引导到质谱仪中并按其质荷比进行分类。
NPL NanoSIMS 实验室主任 Greg McMahon 博士解释说，质谱仪使用磁铁按质量过滤离子，就像棱镜能够将光过滤成彩虹的不同颜色一样。 “棱镜将光分成颜色，SIMS 中的磁铁通过粒子的质量和电荷将粒子分开，”他说。 这些二次离子是它们发射区域的特征，因此可以对表面进行映射和成像。
更高分辨率的仪器允许对亚细胞结构进行成像
McMahon 解释说，下一级 SIMS 技术——纳米级二次离子质谱 (NanoSIMS)——具有比传统 SIMS 更高的分辨率，因此可用于解决单细胞或亚细胞生物学中更具挑战性的问题。 此外，它配备了七个独立的检测器，这意味着可以检测从同一分析区域内发出的多种同位素。 然后，科学家可以使用来自多种同位素的信息来构建比哺乳动物细胞还小的地图。 例如，在 35 纳米的左右分辨率下，科学家们不仅可以查明哪个细胞正在吸收富含同位素的分子，还可以查明这些分子在细胞内的积聚位置。
NanoSIMS 技术的应用非常广泛。 其中包括制药和生物技术研究的进步，这一直是 NPL 关注的重要领域。 今天，麦克马洪的大部分工作都涉及与英国的生命科学机构和公司合作，例如解决药物消耗等问题。 “有时花费数百万美元用于研发一种特别有前途的候选化合物，结果却在临床试验的最后阶段失败了。 因此，如果要失败，最好快速失败，”麦克马洪解释道。 “如果我们能够帮助制药公司（在药物开发生命周期的早期阶段）决定什么是行不通的，并迅速采取行动，我们可以为他们节省大量资金。”也许更重要的是，候选药物将失败的早期证据有助于科学家将他们的资源和时间重新分配给其他更有希望的候选药物。
> 在 McMahon 的文章中阅读有关 NanoSIMS 生物应用的更多信息，“高分辨率多同位素成像质谱 (MIMS) 成像在干细胞生物学中的应用,” 在当前协议中
优化极其昂贵的科学仪器的使用
尽管 NanoSIMS 技术可能很引人注目，但 NPL 中的仪器却很少见。 该技术的高成本使许多组织无法接触到它，截至 2021 年，全球只有大约 40 台 NanoSIMS 仪器在运行。 为了推动最大的科学影响，使用 NanoSIMS 的科学家因此面临缩短实验和分析时间的压力。
McMahon 解释说，在 NPL，NanoSIMS 仪器上的数据收集在某些情况下可能需要 18 小时或更长时间才能进行一次运行。 传统上，一个标准的经验法则是，实验室在分析上投入的时间可能是数据收集上的三倍。如果一次运行需要 18 个小时，那么数据分析可能需要三个工作日以上。 但是对于像实验室的 CAMECA 这样运行和维护成本高昂的仪器，分析时间损失意味着可以花费更少的时间来运行该仪器以服务于科学。
然而，图像数据带来了许多独特的挑战。 一方面，McMahon 解释说，因为图像中的每个像素都是有意义的，所以有无穷无尽的机会可以继续收集越来越少的数据。 “我们感兴趣的区域开始变得越来越小，但仍然携带有意义的数据，”他说。这意味着越来越大的数据集对于没有能力处理大文件大小的软件来说可能是一场斗争。
为了优化仪器的利用率，McMahon 认识到统计软件在简化以前使用 Excel 完成的实验和分析方面的潜力。 即使具备编写高级 Excel 宏的能力，McMahon 表示，大量时间浪费在耗时的数据准备步骤、数据访问、格式之间的转换、重复分析以及随之而来的不可避免的故障排除上。 此外，他认为需要更好、更具交互性的可视化来更快地识别图像数据中的异常值。
探索图像数据的更好方法
JMP 结合了用户友好的可视化功能和更高级的分析功能，是一个显而易见的选择。 “当我第一次开始使用 JMP 时，我只是觉得，'哇，这太棒了'——它很简单，组织得很好，而且很有意义，”McMahon 解释道。 与以前的标准方法相比，JMP 处理超大型数据集的能力是一项特别重要的创新。 视觉图形有助于以原始格式捕获图像数据。 “这就是我认为 JMP 真正闪耀的地方——它产生的可视化效果，”他说。
通过将原始 NanoSIMS 数据中的 X 和 Y 像素位置和计数直接导出到 JMP，McMahon 可以在还支持数据操作和分析的平台 Graph Builder 中重建图像数据。 只需单击一下即可创建代表图像中单个区域的数据子集，并且该软件的动态链接功能允许用户在同一个工具中执行广泛的分析。 “这确实使探索部分变得非常容易：如果你在 Graph Builder 中构建了图像，那么你就得到了你正在测量的质量分布，”McMahon 说。
“我们可以通过查看异常值在图像中的位置来选择异常值（例如同位素标记的集群）。 这是一种非常、非常快速和有效的做事方式…… JMP 在数据探索方面非常灵活。”
只需在 JMP 中编写少量脚本，自动分析“只需单击几下”即可获得结果
自推出 JMP 以来，McMahon 报告说，仅该工具的 Graph Builder 平台就显着缩短了分析时间，而自动化则扩大了优势。 编写脚本和轻松执行它的能力使 JMP 可定制，这意味着数据处理方面可以在很大程度上自动化，将节省时间并提供可重复的数据输出。 所有这些都使科学家能够更快地解决问题。
“我们现在已经在相当程度上实现了 [分析] 自动化，而我们大部分时间只是运行脚本。 所以只需点击几下，我们就可以找到答案，”麦克马洪说。 “在 JMP 中编写脚本的学习曲线相当合理，部分原因是 JMP 拥有大量在线资源。”
除了在定制方面做更多工作外，McMahon 还计划使用这些在线资源来探索让 JMP 发挥作用的新方法，无论是通过实验设计 (DOE) 还是其他建模应用程序。 一方面，McMahon 建议仪器操作员可以使用 DOE 来预测更换 NanoSIMS 仪器上每个镜头的效果，因此无需手动测试即可选择仪器的最佳对准。 预测数据与实际收集的数据的比较显示出极好的相关性。
“我实际上已经根据实验设计的结果改变了我操作事物的一些方式，”他说。 提高工作效率的机会可能意味着加快高影响科学的步伐，而这正是发现的意义所在。
