《Journal of Analytical Atomic Spectrometry》:ScaleBarOn and Muad'Data: simple Python tools for elemental imaging data visualization and comparative scalingOpen Access
编辑推荐:
元素成像(EI)技术(如激光剥蚀电感耦合等离子体质谱(LA-ICP-TOF-MS))产生包含多元素通道及对应空间坐标的空间分辨数据。尽管EI起源于地球化学,但在生命科学中应用渐广,其中标本间单元素比较是实验解释的核心。然而,现有EI可视化软件多面向单标本,标本
元素成像(EI)技术(如激光剥蚀电感耦合等离子体质谱(LA-ICP-TOF-MS))产生包含多元素通道及对应空间坐标的空间分辨数据。尽管EI起源于地球化学,但在生命科学中应用渐广,其中标本间单元素比较是实验解释的核心。然而,现有EI可视化软件多面向单标本,标本间比较耗时低效;加之LA-ICP-TOF-MS数据集常达数GB,阻碍多标本比较与数据共享。研究人员描述了一种基于开源Python工具、适配生物EI流程的多标本EI数据可视化与比较框架。ScaleBarOn实现单元素跨标本定标可视化与成图,Muad'Data支持单标本探索(含多元素叠加)。为降计算负担并提升互操作性,多通道EI数据被拆为轻量通用格式的单元素矩阵文件,从而实现大生物数据集下元素分布的一致定标与高效比较,支撑可重复且可解释的分析。
研究背景与问题提出:元素成像(EI)借助激光剥蚀电感耦合等离子体(飞行时间)质谱(LA-ICP-(TOF)-MS)或同步辐射X射线荧光显微镜(XFM)获取完整标本中元素的空间分辨强度与分布。EI数据具多元素通道加X、Y(有时Z)坐标或矩阵结构。地球化学早期应用偏重标本内元素间比较,而生物医学研究因含性别、基因型、暴露等生物学变量并设重复,必须进行标本间比较,但多数EI软件缺此功能。2022年建立的Biomedical National Elemental Imaging Resource (BNEIR)共享资源将分析员与研究者角色分离,非专业终端用户亟需免费直观软件。现有软件(如Iolite、HDIP、LADR及Sam's MicroAnalysis toolkit)或在操作系统、价格、单标本加载上受限,手动比较定标随标本数N×元素通道数C线性放大,九标本八元素即需72次重复操作,成为解释瓶颈。
研究人员开展工作与结论:研究人员开发两款免费Python图形界面工具——ScaleBarOn与Muad'Data,前者自动化多标本单元素共识定标与出版级拼图,后者做单标本多元素叠加与ROI分析;并将多通道数据拆为单元素.xlsx/.csv/HDF5矩阵,以文件名承载元数据,把N×C手工流折叠为单次操作。结论为:该框架在轻量格式下实现跨标本一致强度与空间定标,显著降低计算与操作负担,提升BNEIR类共享资源中生物医学用户的可重复解释能力。论文发表于《Journal of Analytical Atomic Spectrometry》。
主要关键技术方法(≤250字):研究以BNEIR经Stage 1处理(基线扣除、内标、基质匹配标样定量为质量分数如μg g?1)的LA-ICP-(TOF)-MS生物标本矩阵为输入队列;数据预拆为单元素.xlsx/.csv,后扩至HDF5。ScaleBarOn用进度表算各标本第99百分位拟共识显示值,Matplotlib渲染,用户输入激光光斑微米数绘空间标尺,支持多像素尺寸重标定与PNG/TIFF 300 dpi导出。Muad'Data三标签页(Element Viewer、RGB Overlay、Z-Stack/Sum)做LOD背景滤波(均值+3σ)、ROI统计、单位转换/对数变换、三通道假彩叠加与像素比图;两软件通过复合矩阵互传,GitHub(MIT, Python≥3.9, pip install scalebaron)分发。
研究结果(保留小标题):
1 Introduction:综述EI从地化转入生物医学后比较需求上升,指出现有28开源+14商业软件多驻Stage 1(同步、基线、定量),Stage 2单标本探索有余而多标本共识定标不足,HDIP虽支持比较定标但仅Windows且商业。
1.1 Steps of comparative scaling:说明共识显示值须取各标本上部强度摘要以防高最大值压缩256色阶致生物低值失真;传统流程序2、4步各迭代N×C次。
2 Implementation:总述两工具互补定位。
2.1 ScaleBarOn:2.1.1 Data input and preprocessing——接受Stage 1后单元素矩阵,文件名解析样品/分析物/单位(含Ca44、TotalGd、CaF603、CPS、μg g?1),HDF5后增;2.1.2 Progress & statistics tables——实验级进度表记各标本99百分位与直方图;2.1.3 Visualization and layout control——预览排布行数、激光光斑输标尺、多像素尺寸csv重标;2.1.4 Display options——Matplotlib色图、线/对数标度、PNG/TIFF;2.1.5 Output and downstream analysis support——按元素出文件夹含拼图/单图/色条/统计(均值标准差最值面积和)/直方图,可选复合矩阵供Muad'Data用。
2.2 Muad'Data:三标签界面,xlsx/csv/HDF5复用同名解析。
2.3 Element Viewer — load and display:滑块调最小最大显示、热像素封顶、缩放裁切。
2.3.1 Detection limit filter (LOD):选无标本背景区算均值+3σ作LOD,滤低值噪点。
2.3.2 Region-of-interest analysis:多ROI出均值中位标准差最值总信号像素数面积(μm2),半自动组织边界检知。
2.3.3 Matrix operations and transformations:像素级单位换、归一化、对数变换即时预览导出。
2.3.4 Multi-element visualization:RGB三通道假彩共定位、像素比图与相关系数。
2.3.5 Workflow integration:两软件文件互认。
2.3.6 Issue reporting:GUI内Report Issue链GitHub。
2.3.7 Breaking up multi-channel data:多通道拆单元素保FAIR兼轻量。
2.3.8 Future development:拟加ASCII/XFM导入、拖拽标尺、自适应UI。
2.3.9 Use of artificial intelligence:研究人员用LLM(ChatGPT)辅Python语法与GUI调试,架构与验证自持。
2.3.10 Availability and requirements:scalebaron库,跨平台,Python≥3.9,MIT,pip装。
讨论与结论翻译:讨论指出EI共享资源模式下非专家用户障碍在软件价与复杂度的双重锁定;ScaleBarOn把共识定标(取各标本高百分位而非绝对最大)与空间标尺绘制自动化,Muad'Data补齐单标本ROI/LOD/多元素叠加,二者以单元素轻量矩阵为中介解耦大文件加载。结论为:研究人员提出的ScaleBarOn+Muad'Data框架在LA-ICP-(TOF)-MS生物EI中提供免费、跨平台、可重复的比较定标与探索路径,使N×C手工流缩为单次运行,支持出版级多标本拼图与后续统计,对BNEIR及类似生物医学EI服务具直接采用价值。