회사 기밀. 공개하지 마십시오.
NanoSIMS 기술을 사용하여 과학자들은 세포 내 구조를 재구성합니다.
영국 국립 물리 연구소에서 NanoSIMS로 생성된 이미지는 데이터 시각화 소프트웨어로 재창조되어 과학자들이 포유류 세포보다 작은 분석 영역을 자세히 탐색할 수 있습니다. 보다 효율적인 분석은 과학자들이 과학적 영향력을 극대화하는 데 도움이 됩니다.
도전: CAMECA NanoSIMS 기기로 다중 동위원소 이미징 질량 분석(MIMS)을 사용하여 세포를 분석하고 이미징하면 대량의 원시 정량 이미지 데이터를 생성할 수 있습니다. 따라서 데이터 준비 및 분석은 시간이 많이 소요됩니다.
해결책: 연구 과학자인 Greg McMahon은 NanoSIMS 기기의 데이터를 JMP로 내보냅니다. 여기서 그는 소프트웨어의 Graph Builder 플랫폼과 동적 연결을 사용하여 통계 데이터 분석을 수행하고 관심 영역에 대한 이미지 데이터를 마이닝합니다. 몇 개의 간단한 스크립트로 McMahon은 반복 분석을 자동화하여 이제 몇 번의 클릭만으로 데이터에서 결과로 이동할 수 있습니다.
결과: McMahon은 많은 양의 데이터를 쉽게 처리하고 시각적 탐색을 가능하게 하는 기능을 통해 JMP가 데이터 준비 및 분석 시간을 크게 단축했다고 말합니다. 보다 축소 가능한 데이터 출력과 효율적인 워크플로는 NPL과 파트너가 NanoSIMS 기기의 활용을 최적화하고 최대의 과학적 영향을 이끌어내는 데 도움이 됩니다.
__________________________________________________________________________________________________________
모든 과학 연구의 핵심은 측정값을 정확하고 정확하게 수집하는 능력입니다. 영국의 NPL(National Physical Laboratory)은 측정 과학의 연구 리더로서 학계 및 산업 파트너 모두에게 세계 최고의 측정 솔루션을 제공합니다. NPL의 계측 전문가들은 전자 응용을 위한 재료의 표면 구조 평가에서 표적 요법이 신체의 종양 세포에 도달하는 방법 모니터링에 이르기까지 광범위한 과학 연구를 위해 최첨단 기술을 사용합니다.
NPL의 많은 연구 서비스 중에는 과학자들이 표면의 동위원소 구성을 분석할 수 있도록 지구화학 및 반도체 응용 분야에서 전통적으로 사용되는 기술인 SIMS가 있습니다. 이 기술은 샘플 표면에 1차 이온 빔의 초점을 맞추면 그 충격으로 인해 원자와 분자가 샘플 표면에서 방출되며, 그 중 일부는 프로세스에서 이온화되고 2차 이온이라고 합니다. 궁극적으로 2차 이온은 이러한 하전 입자를 질량 분석기로 보내고 질량 대 전하 비율로 분류할 수 있기 때문에 다음 분석 단계의 핵심입니다.
NPL의 NanoSIMS 연구소 소장인 Greg McMahon 박사는 질량 분석기는 프리즘이 무지개의 다른 색상으로 빛을 필터링할 수 있는 것과 유사한 방식으로 질량을 기준으로 이온을 필터링하기 위해 자석을 사용한다고 설명합니다. "프리즘은 빛을 색상으로 분리하고 SIMS의 자석은 입자를 질량과 전하로 분리합니다."라고 그는 말합니다. 이러한 2차 이온은 방출된 영역의 특성이므로 표면 매핑 및 이미징이 가능합니다.
고해상도 기기로 세포 내 구조 이미징 가능
McMahon은 다음 수준의 SIMS 기술인 나노 규모 2차 이온 질량 분석법(NanoSIMS)이 기존 SIMS보다 훨씬 더 높은 분해능을 가지므로 단일 세포 또는 아세포 생물학에서 더 어려운 문제에 답하는 데 적용될 수 있다고 설명합니다. 또한 7개의 분리된 검출기가 장착되어 동일한 분석 영역 내에서 방출되는 여러 동위 원소를 검출할 수 있습니다. 그런 다음 과학자들은 여러 동위 원소의 정보를 사용하여 포유류 세포보다 작은 지도를 만들 수 있습니다. 예를 들어 과학자들은 35나노미터 좌우 분해능에서 어떤 세포가 동위원소가 풍부한 분자를 흡수하고 있는지 뿐만 아니라 세포 내에서 이러한 분자가 축적되는 위치를 정확히 찾아낼 수 있습니다.
NanoSIMS 기술의 응용은 방대합니다. 그 중에는 NPL의 중요한 초점 영역인 제약 및 생명 공학 연구의 발전이 있습니다. 오늘날 McMahon의 작업 중 대부분은 예를 들어 약물 소모와 같은 문제를 해결하기 위해 영국의 생명 과학 기관 및 회사와 협력하는 것과 관련이 있습니다. "때때로 특정 유망한 후보 화합물에 대한 R&D에 수백만 달러가 소요되지만 임상 시험 중 마지막에 실패합니다. 따라서 실패하려면 빨리 실패하는 것이 좋습니다.”라고 McMahon은 설명합니다. "제약 회사가 [약물 개발 수명 주기의 초기 단계에서] 효과가 없는 항목을 결정하고 신속하게 처리할 수 있도록 지원하면 막대한 비용을 절약할 수 있습니다." 아마도 훨씬 더 중요한 것은 후보 약물이 실패할 것이라는 초기 증거가 과학자들이 자원과 시간을 다른 유망한 약물 후보로 전환하는 데 도움이 된다는 것입니다.
> McMahon의 기사 "에서 NanoSIMS 생물학적 응용에 대해 자세히 알아보기 줄기 세포 생물학에서 고해상도 다중 동위원소 이미징 질량 분석(MIMS) 이미징 응용 프로그램 ," 현재 프로토콜
엄청나게 비싼 과학 기기의 활용 최적화
NanoSIMS 기술이 매력적일 수 있지만 NPL과 같은 장비는 드뭅니다. 이 기술의 높은 비용으로 인해 많은 조직에서 이 기술을 사용할 수 없으며 2021년 현재 전 세계적으로 약 40개의 NanoSIMS 기기만 작동하고 있습니다. 따라서 최대의 과학적 영향력을 발휘하기 위해 NanoSIMS를 사용하는 과학자들은 실험 및 분석 시간을 단축해야 한다는 압박을 받고 있습니다.
McMahon은 NPL에서 NanoSIMS 기기의 데이터 수집이 경우에 따라 단일 실행에 18시간 이상이 소요될 수 있다고 설명합니다. 전통적으로 표준 경험 법칙은 실험실에서 데이터 수집보다 분석에 3배 더 많은 시간을 투자할 것으로 예상하는 것이었습니다. 1회 실행에 18시간이 걸린다면 데이터 분석은 근무일 기준 3일 이상이 소요될 수 있습니다. 그러나 실험실의 CAMECA만큼 장비를 실행하고 유지 관리하는 데 비용이 많이 든다는 것은 분석에 소요되는 시간이 과학에 도움이 되는 장비를 실행하는 데 할애할 수 있는 시간이 줄어든다는 것을 의미합니다.
그러나 이미지 데이터에는 여러 가지 고유한 문제가 있습니다. 하나는 이미지의 모든 픽셀이 의미가 있기 때문에 점점 더 미세한 데이터를 계속 수집할 수 있는 무한한 기회가 있다고 McMahon은 설명합니다. "우리의 관심 영역은 점점 작아지기 시작하며 여전히 의미 있는 데이터를 가지고 있습니다."라고 그는 말합니다. 이는 소프트웨어가 큰 파일 크기를 처리하기에 부적합한 소프트웨어가 어려움을 겪을 수 있는 더 크고 더 큰 데이터 세트를 의미합니다.
기기 활용을 최적화하기 위해 McMahon은 이전에 Excel을 사용하여 수행했던 실험과 분석을 모두 간소화할 수 있는 통계 소프트웨어의 잠재력을 인식했습니다. 고급 Excel 매크로를 코딩할 수 있음에도 불구하고 McMahon은 시간 집약적인 데이터 준비 단계, 데이터 액세스, 형식 간 변환, 반복 분석 및 그에 따른 불가피한 문제 해결에 많은 시간을 허비했다고 말합니다. 또한, 그는 이미지 데이터의 이상값을 보다 신속하게 식별할 수 있는 더 나은 대화형 시각화의 필요성을 깨달았습니다.
이미지 데이터 탐색에 대한 더 나은 접근 방식
사용자 친화적인 시각화 기능과 고급 분석 기능이 결합된 JMP는 확실한 선택이었습니다. McMahon은 "처음 JMP를 사용하기 시작했을 때 '와우, 정말 대단하다'는 느낌이 들었습니다. 쉽고 잘 정리되어 있고 정말 이해가 갑니다."라고 설명합니다. 매우 큰 데이터 세트를 처리하는 JMP의 기능은 이전 표준 접근 방식과 비교할 때 특히 중요한 혁신이었습니다. 그리고 시각적 그래픽은 기본 형식으로 이미지 데이터를 캡처하는 데 도움이 됩니다. "제 생각에 JMP가 생성하는 시각화에서 JMP가 정말 빛을 발하는 부분입니다."라고 그는 말합니다.
X 및 Y 픽셀 위치와 개수를 원시 NanoSIMS 데이터에서 JMP로 직접 내보내서 McMahon은 데이터 조작 및 분석도 지원하는 플랫폼인 Graph Builder에서 이미지 데이터를 재구성할 수 있습니다. 이미지의 단일 영역을 나타내는 데이터의 하위 집합을 만드는 것은 클릭 한 번으로 완료되며 소프트웨어의 동적 연결 기능을 통해 사용자는 동일한 도구 내에서 광범위한 분석을 수행할 수 있습니다. McMahon은 "그러면 탐색 부분이 훨씬 쉬워집니다. Graph Builder에서 이미지를 구축했다면 측정하려는 질량 분포를 갖게 된 것입니다."라고 말합니다.
“예를 들어 동위원소 태그가 지정된 클러스터와 같은 이상값은 이미지에서 위치를 확인하여 이상값을 선택할 수 있습니다. 그것은 일을 하는 매우 빠르고 효율적인 방법입니다... JMP는 데이터 탐색 측면에서 정말 유연합니다.”
JMP에서 적은 양의 스크립팅만으로 자동화된 분석을 통해 '단 몇 번의 클릭'으로 결과를 얻을 수 있습니다.
JMP가 도입된 이후 McMahon은 도구의 Graph Builder 플랫폼만으로도 분석 시간이 크게 단축되었으며 자동화로 이점이 확대되었다고 보고합니다. 스크립팅 및 이를 쉽게 수행할 수 있는 기능으로 JMP를 사용자 정의할 수 있습니다. 즉, 데이터 처리 측면을 크게 자동화할 수 있고 시간을 절약하고 재현 가능한 데이터 출력을 제공할 수 있습니다. 이 모든 것을 통해 과학자들은 문제를 더 빨리 해결할 수 있습니다.
“우리는 대부분의 시간 동안 스크립트를 실행하는 [분석]을 상당히 자동화했습니다. 따라서 클릭 몇 번이면 바로 답을 얻을 수 있습니다.”라고 McMahon은 말합니다. "그리고 JMP의 스크립팅 학습 곡선은 부분적으로 JMP에 많은 온라인 리소스가 있기 때문에 상당히 합리적입니다."
McMahon은 사용자 지정을 통해 더 많은 작업을 수행하는 것 외에도 이러한 온라인 리소스를 사용하여 실험 설계(DOE) 또는 기타 모델링 응용 프로그램을 통해 JMP를 작동시키는 새로운 방법을 모색할 계획입니다. 예를 들어 McMahon은 기기 운영자가 DOE를 사용하여 NanoSIMS 기기에서 각 렌즈를 변경하는 효과를 예측할 수 있으므로 수동 테스트 없이 기기의 최적 정렬을 선택할 수 있다고 제안합니다. 예측 데이터와 실제 수집된 데이터를 비교하면 우수한 상관관계를 보였다.
“실제로 저는 실험 설계 결과에 따라 작동 방식을 바꿨습니다.”라고 그는 말합니다. 보다 효율적으로 작업할 수 있는 기회는 영향력이 큰 과학의 속도를 앞당기는 것을 의미할 수 있으며, 이것이 바로 발견의 전부입니다.
