FIRMENVERTRAULICH. NICHT OFFENLEGEN.
Mit der NanoSIMS-Technologie rekonstruieren Wissenschaftler das Subzelluläre
Bilder, die von NanoSIMS im britischen National Physical Laboratory erzeugt wurden, werden mit Datenvisualisierungssoftware neu erstellt, damit Wissenschaftler Analyseregionen, die kleiner als eine Säugetierzelle sind, im Detail untersuchen können. Effizientere Analysen helfen Wissenschaftlern, die wissenschaftliche Wirkung zu maximieren.
Herausforderung: Die Analyse und Abbildung von Zellen mithilfe von Multi-Isotopen-Bildgebungs-Massenspektrometrie (MIMS) mit einem CAMECA NanoSIMS-Instrument kann riesige Mengen an rohen quantitativen Bilddaten erzeugen. Die Datenaufbereitung und -analyse ist daher sehr zeitintensiv.
Lösung: Der Forschungswissenschaftler Greg McMahon exportiert Daten vom NanoSIMS-Instrument in JMP, wo er die Graph Builder-Plattform der Software mit dynamischer Verknüpfung verwendet, um statistische Datenanalysen durchzuführen und Bilddaten für Interessengebiete zu durchsuchen. Mit nur einer Handvoll einfacher Skripte hat McMahon Wiederholungsanalysen automatisiert, sodass er jetzt mit nur wenigen Klicks von Daten zu Ergebnissen gelangen kann.
Ergebnisse: Mit seiner Fähigkeit, sowohl große Datenmengen einfach zu handhaben als auch eine visuelle Untersuchung zu ermöglichen, hat JMP laut McMahon die Zeit für die Datenvorbereitung und -analyse erheblich verkürzt. Reduziertere Datenausgaben und effizientere Arbeitsabläufe helfen dem NPL und seinen Partnern, die Nutzung des NanoSIMS-Instruments zu optimieren und eine maximale wissenschaftliche Wirkung zu erzielen.
____________________________________________________________________________________
Das Herzstück aller wissenschaftlichen Forschung ist die Fähigkeit, Messungen genau und präzise zu erfassen. In Großbritannien ist das National Physical Laboratory (NPL) führend in der Forschung in der Messwissenschaft und bietet weltweit führende Messlösungen für akademische und industrielle Partner. Die Metrologie-Experten des NPL setzen modernste Technologie für vielfältige wissenschaftliche Forschungen ein, von der Bewertung der Oberflächenstrukturen von Materialien für elektronische Anwendungen bis hin zur Überwachung, wie gezielte Therapien Tumorzellen im Körper erreichen.
Zu den zahlreichen Forschungsdiensten des NPL gehört SIMS, eine Technologie, die traditionell in Geochemie und Halbleiteranwendungen eingesetzt wird, um Wissenschaftlern die Analyse der Isotopenzusammensetzung von Oberflächen zu ermöglichen. Die Technik fokussiert einen Strahl aus Primärionen auf die Oberfläche einer Probe, und der Aufprall bewirkt, dass Atome und Moleküle von dieser Probenoberfläche ausgestoßen werden, von denen ein kleiner Bruchteil im Prozess ionisiert und als Sekundärionen bezeichnet wird. Letztendlich sind Sekundärionen der Schlüssel zum nächsten Analyseschritt, da diese geladenen Teilchen in ein Massenspektrometer geleitet und nach ihrem Masse-Ladungs-Verhältnis sortiert werden können.
Das Massenspektrometer verwendet einen Magneten, um Ionen nach ihrer Masse zu filtern, ähnlich wie ein Prisma Licht in die verschiedenen Farben des Regenbogens filtern kann, erklärt Greg McMahon, PhD, Direktor des NanoSIMS-Labors von NPL. „Ein Prisma trennt Licht in Farben, und der Magnet in SIMS trennt die Teilchen nach ihrer Masse und Ladung“, sagt er. Diese Sekundärionen sind charakteristisch für die Region, aus der sie emittiert wurden, und ermöglichen so die Kartierung und Abbildung von Oberflächen.
Geräte mit höherer Auflösung ermöglichen die Abbildung subzellulärer Strukturen
McMahon erklärt, dass die nächste Stufe der SIMS-Technologie – Nanoskalen-Sekundärionen-Massenspektrometrie (NanoSIMS) – eine deutlich höhere Auflösung als herkömmliche SIMS hat und daher zur Beantwortung anspruchsvollerer Probleme in der Einzelzell- oder subzellulären Biologie eingesetzt werden kann. Darüber hinaus ist es mit sieben separaten Detektoren ausgestattet, was bedeutet, dass mehrere Isotope, die innerhalb derselben Analyseregion emittiert werden, nachgewiesen werden können. Wissenschaftler können dann Informationen aus mehreren Isotopen verwenden, um eine Karte zu erstellen, die kleiner als eine Säugetierzelle ist. Bei einer Seitenauflösung von 35 Nanometern können Wissenschaftler beispielsweise nicht nur feststellen, welche Zelle isotopenangereicherte Moleküle aufnimmt, sondern auch, wo sich diese Moleküle innerhalb der Zelle ansammeln.
Die Anwendungsmöglichkeiten der NanoSIMS-Technologie sind vielfältig. Dazu gehört die Förderung der pharmazeutischen und biotechnologischen Forschung, die ein wichtiger Schwerpunktbereich für NPL war. Heute besteht ein Großteil von McMahons Arbeit darin, mit Institutionen und Unternehmen der Biowissenschaften in Großbritannien zusammenzuarbeiten, um beispielsweise Probleme wie den Drogenverlust anzugehen. „Manchmal werden Millionen in Forschung und Entwicklung für einen bestimmten vielversprechenden Wirkstoffkandidaten ausgegeben, nur um am Ende während klinischer Studien zu scheitern. Wenn es also scheitern soll, ist es besser, schnell zu scheitern“, erklärt McMahon. „Wenn wir Pharmaunternehmen helfen können, zu entscheiden, was nicht funktionieren wird [in einem früheren Stadium des Lebenszyklus der Arzneimittelentwicklung], und zwar schnell, können wir ihnen eine Menge Geld sparen.“ Vielleicht noch wichtiger ist, dass frühe Beweise dafür, dass ein Arzneimittelkandidat scheitern wird, Wissenschaftlern helfen, ihre Ressourcen und Zeit auf andere vielversprechendere Arzneimittelkandidaten umzulenken.
> Lesen Sie mehr über biologische Anwendungen von NanoSIMS in McMahons Artikel „ Hochauflösende Multi-Isotopen-Bildgebungs-Massenspektrometrie (MIMS) Imaging-Anwendungen in der Stammzellbiologie ”, in Aktuelle Protokolle
Optimierung der Nutzung eines außerordentlich teuren wissenschaftlichen Instruments
So überzeugend die NanoSIMS-Technologie auch sein mag, Instrumente wie das am NPL sind selten. Die hohen Kosten der Technologie machen sie für viele Organisationen unerschwinglich, und ab 2021 sind weltweit nur etwa 40 NanoSIMS-Instrumente in Betrieb. Um eine maximale wissenschaftliche Wirkung zu erzielen, stehen Wissenschaftler, die mit NanoSIMS arbeiten, daher unter dem Druck, die Experimentier- und Analysezeiten zu verkürzen.
McMahon erklärt, dass bei NPL die Datenerfassung auf dem NanoSIMS-Instrument in einigen Fällen 18 Stunden oder mehr für einen einzigen Durchlauf dauern kann. Traditionell war eine Standard-Faustregel, dass das Labor damit rechnen konnte, dreimal so viele Stunden in die Analyse zu investieren wie in die Datenerfassung; Wenn ein Durchlauf 18 Stunden dauerte, konnte die Datenanalyse mehr als drei Arbeitstage dauern. Aber bei einem Instrument, das in Betrieb und Wartung so teuer ist wie das CAMECA des Labors, bedeutet der Zeitverlust für die Analyse, dass weniger Zeit für den Betrieb des Instruments im Dienste der Wissenschaft aufgewendet werden kann.
Bilddaten stellen jedoch eine Reihe einzigartiger Herausforderungen dar. Zum einen, erklärt McMahon, gibt es endlose Möglichkeiten, immer winzigere Daten zu sammeln, da jedes Pixel in einem Bild aussagekräftig ist. „Unsere Interessengebiete werden kleiner und kleiner und kleiner und enthalten immer noch aussagekräftige Daten“, sagt er; Das bedeutet immer größere Datensätze, die für Software, die für die Verarbeitung großer Dateigrößen schlecht gerüstet ist, ein Kampf sein können.
Um die Nutzung des Instruments zu optimieren, erkannte McMahon das Potenzial einer Statistiksoftware, um sowohl Experimente als auch Analysen zu rationalisieren, die zuvor mit Excel durchgeführt wurden. Selbst mit der Möglichkeit, erweiterte Excel-Makros zu codieren, ging laut McMahon viel Zeit durch zeitintensive Datenvorbereitungsschritte, Datenzugriff, Konvertierung zwischen Formaten, wiederholte Analysen und die damit verbundene unvermeidliche Fehlerbehebung verloren. Darüber hinaus sah er den Bedarf an besseren, interaktiveren Visualisierungen, mit denen Ausreißer in Bilddaten schneller identifiziert werden können.
Ein besserer Ansatz zur Untersuchung von Bilddaten
Mit seiner Kombination aus benutzerfreundlichen Visualisierungsfunktionen und Möglichkeiten für erweiterte Analysen war JMP eine offensichtliche Wahl. „Als ich anfing, JMP zu verwenden, dachte ich nur: ‚Wow, das ist fantastisch' – es war einfach und gut organisiert und machte einfach viel Sinn“, erklärt McMahon. Die Fähigkeit von JMP, sehr große Datenmengen zu verarbeiten, war eine besonders bedeutende Neuerung im Vergleich zu früheren Standardansätzen. Und visuelle Grafiken helfen bei der Erfassung von Bilddaten in ihrem nativen Format. „Hier glänzt JMP meiner Meinung nach wirklich – in den erstellten Visualisierungen“, sagt er.
Durch den direkten Export der X- und Y-Pixelpositionen und Zählungen aus NanoSIMS-Rohdaten in JMP kann McMahon Bilddaten in Graph Builder rekonstruieren, einer Plattform, die auch Datenmanipulation und -analyse unterstützt. Das Erstellen von Teilmengen von Daten, die einen einzelnen Bereich im Bild darstellen, erfolgt mit einem Klick, und die dynamische Verknüpfungsfunktion der Software ermöglicht es Benutzern, eine breite Palette von Analysen durchzuführen, alle innerhalb desselben Tools. „Das macht den Erkundungsteil wirklich viel einfacher: Wenn Sie Ihr Bild in Graph Builder erstellt haben, haben Sie eine Verteilung der Massen, die Sie messen“, sagt McMahon.
„Wir können die Ausreißer [wie zum Beispiel einen isotopenmarkierten Haufen] auswählen, indem wir uns einfach ansehen, wo sie sich im Bild befinden. Es ist eine sehr, sehr schnelle und effiziente Art, Dinge zu tun ... JMP ist wirklich flexibel in Bezug auf die Datenexploration.“
Mit nur wenig Skripterstellung in JMP erhalten automatisierte Analysen Ergebnisse mit „nur ein paar Klicks“.
Seit der Einführung von JMP berichtet McMahon, dass allein die Graph Builder-Plattform des Tools die Analysezeit erheblich verkürzt hat und die Automatisierung die Vorteile verstärkt hat. Die Möglichkeit, Skripts zu erstellen und dies auf einfache Weise zu tun, macht JMP anpassbar, was bedeutet, dass der Aspekt der Datenverarbeitung weitgehend automatisiert werden kann, Zeit spart und reproduzierbare Datenausgaben liefert. All dies ermöglicht es Wissenschaftlern, Probleme schneller zu lösen.
„Wir haben [die Analyse] inzwischen weitgehend automatisiert, wobei wir die meiste Zeit nur die Skripte ausführen. Es sind also nur ein paar Klicks und wir haben die Antwort genau dort“, sagt McMahon. „Und die Lernkurve für die Skripterstellung in JMP ist ziemlich vernünftig, zum Teil, weil JMP über viele Online-Ressourcen verfügt.“
Neben mehr Anpassungsmöglichkeiten plant McMahon, diese Online-Ressourcen zu nutzen, um neue Wege zu erkunden, um JMP zum Laufen zu bringen, sei es durch Design of Experiments (DOE) oder andere Modellierungsanwendungen. Zum einen schlägt McMahon vor, dass ein Instrumentenbediener DOE verwenden könnte, um die Auswirkung des Wechselns jeder der Linsen auf dem NanoSIMS-Instrument vorherzusagen und daher die optimale Ausrichtung des Instruments ohne manuelles Testen auszuwählen. Der Vergleich der Vorhersagedaten mit den tatsächlich erhobenen Daten zeigte eine hervorragende Korrelation.
„Ich habe tatsächlich einige Methoden, wie ich Dinge betreibe, basierend auf den Ergebnissen der Versuchsplanung geändert“, sagt er. Möglichkeiten, effizienter zu arbeiten, könnten bedeuten, das Tempo der hochwirksamen Wissenschaft zu beschleunigen, und genau darum geht es bei Entdeckungen.
