De vraag is niet ‘welke software’, maar ‘welke laag van de stack’
Een toxische blootstellingsopstelling voor zebrafish genereert twee zeer verschillende soorten ruwe materialen. Aan de ene kant zijn er operationele registraties op plaatniveau: in welke put welke verbinding werd toegevoegd, bij welke concentratie, op welke dag en onder welk blootstellingsscenario. Aan de andere kant zijn er biologische meetwaarden: sterftebeoordelingen, misvormingsscores, fotomotorische reacties, zwemtracés en steeds vaker ook morfometrische kenmerken afgeleid uit beelden. Het behandelen van ‘hulpmiddelen voor gegevensanalyse’ als één enkele categorie vervlakt dit onderscheid, waardoor laboratoria een trackingpakket kopen met de verwachting dat het een probleem op het gebied van gegevensbeheer oplost – terwijl het nooit voor die doeleinden is ontworpen.
De praktische manier om over de toolchain na te denken, is in lagen. Laag één registreert en beoordeelt eindpunten op het laboratoriumbankje. Laag twee slaat de observatiegegevens op met voldoende structuur om ze doorzoekbaar te maken. Laag drie voert de statistieken uit die observaties omzetten in schattingen van werkzaamheid, classificaties en vergelijkingen. Een laboratorium kan volstaan met commerciële tools op één laag en open-source-tools op een andere laag — en dat doen veel laboratoria ook. Problemen ontstaan wanneer één enkele toepassing wordt verwacht om alle drie de lagen te bestrijken, zonder duidelijk te maken waar haar functionaliteit ophoudt.
Commerciële platforms lossen registratie goed op, en dat is zeker geen kleinigheid
De systemen Zebralab en DanioVision van ViewPoint komen herhaaldelijk voor in gepubliceerde zebrafishmethodes, en daar is een reden voor. Zij vormen de laag voor het opnemen van gegevens en de eerste kwantificatie, en zijn gebouwd rond de realiteit van gedragsmatige eindpunten. Een typisch gebruik: larven worden geladen in een 96-gatenplaat, geplaatst in een Zebrabox-kamer en blootgesteld aan wisselende licht- en donkercycli terwijl een camera de activiteit opneemt. De software levert vervolgens per put metrieken zoals totale beweging, afgelegde afstand en responsamplitude over epochen heen. Onderzoeken die gebruikmaken van de 120-hpf-assay van het Tanguay-lab hebben vertrouwd op ViewPoint Zebralab in combinatie met een aangepast hulpmiddel voor analyse van de fotomotorische respons en een apart programma voor opname en analyse van zebrafish, wat iets zegt over hoe deze systemen in de praktijk worden ingezet: zelden alleen, meestal als één onderdeel in een langere analysepijplijn.
De kracht van deze klasse hulpmiddelen ligt in de consistentie bij het verkrijgen van gegevens. Beeldfrequenties, belichtingstijden en tracking op put-niveau worden gecontroleerd, zodat de operator geen oordeelsvorming hoeft te geven over het tijdstip waarop een stimulus werd afgevuurd of welke pixel bij welke larve behoorde. De beperking is even duidelijk. Een tracking-systeem geeft aan dat beweging is veranderd. Het geeft echter niet aan of die verandering een specifiek ontwikkelingseffect is of een secundair gevolg van algemene toxiciteit, en het brengt die uitvoer ook niet in overeenstemming met een morfologie-gebaseerd ontwikkelingseindpunt dat door een andere persoon op een andere namiddag is beoordeeld.
Open-source-hulpmiddelen vullen de gaten, maar dat heeft een prijs
De open-source-kant van het ecosysteem is aanzienlijk uitgebreid, en de dekking is nu ruim voldoende om de meeste laboratoria in staat te stellen een functionele pijplijn samen te stellen zonder een dure softwarelicentie.
FishInspector, ontwikkeld door het Helmholtz-centrum voor milieuzoek, is gebouwd om onbevooroordeelde kwantitatieve beoordelingen van morfologische fenotypen af te leiden uit embryo-afbeeldingen en is gratis beschikbaar via een openbare code-opslagplaats. ZembryoAnalyser combineert morfometrie, bewegingsvolging en hartslaganalyse in één open-sourceplatform, wat aantrekkelijk is voor laboratoria die cardiovasculaire eindpunten uitvoeren naast gedragsmatige eindpunten. ZebraFET neemt een geheel andere aanpak. Het is een gratis bureaubladtoepassing die specifiek is gebouwd rond OECD-testrichtlijn 236 en projectinstelling, dagelijkse putbeoordeling, fotobeheer, LC50- en NOEC/LOEC-berekeningen, geldigheidscontroles en rapportgeneratie ondersteunt.
Dat laatste voorbeeld verdient aandacht, omdat het een veelvoorkomende misvatting blootlegt. Een laboratorium kan volledig in overeenstemming zijn met TG 236 en toch géén geïntegreerde datalaag hebben. ZebraFET handhaaft de wettelijke rekenkundige regels en de geldigheidscontroles, maar de observatietermen die een technicus erin invoert, blijven de termen van die technicus. Op het moment dat twee laboratoria resultaten vergelijken, keert het terminologieprobleem terug.
Waarom ontologieën en datapipelines het onderdeel zijn dat de meeste laboratoria overslaan
Het SEAZIT-programma, dat via het NIEHS wordt uitgevoerd, is precies opgericht omdat ontwikkelingstoxiciteitseffecten tussen laboratoria verschillen wanneer procedures en terminologie niet zijn gestandaardiseerd. Een samenwerkingsinitiatief binnen SEAZIT toonde aan dat het gebruik van ontologie-termen de consistentie verhoogde en de ambiguïteit verlaagde, en dat een gemeenschappelijke gegevensstandaard de heterogeniteit in gerapporteerde termen zou moeten verminderen en de overeenstemming tussen laboratoria verbeteren. In de definitieve interlaboratoriumstudie testten drie laboratoria een geblindeerde set van 42 chemicaliën onder vier blootstellingsomstandigheden; laboratoriumspecifieke fenotyperegistratietermen werden daarbij eerst gekoppeld aan termen uit de Zebrafish Phenotype Ontology en gegroepeerd op anatomisch gebied, voordat er enige vergelijking tussen laboratoria werd uitgevoerd.
Die afbeeldingsstap is de onopvallende kern van wat een serieuze data-analysetoolketen doet. De onderliggende database in SEAZIT was gebaseerd op PostgreSQL, met tabellen die waren gescheiden in stofinformatie, screeningsgegevens en analyses, waarbij de putentabel fungeerde als centraal verbindingspunt. Referentieconcentraties werden berekend op basis van incidentiegegevens die waren samengevat op het eindpuntniveau, en een specificiteitsscore werd afgeleid door de BMC van een niet-dodelijk eindpunt te vergelijken met de BMC van dodelijkheid, waarbij het log10-verschil werd gebruikt om specifieke ontwikkelingseffecten te onderscheiden van niet-specifieke toxiciteit.
De resultaten van dat interlabwerk vormen een nuttige realiteitscheck voor iedereen die op zoek is naar hulpmiddelen. De BMC-waarden voor de positieve controlestof varieerden tussen laboratoria en blootstellingsomstandigheden, en de incidentiepercentages voor de vehiclecontrole lagen tussen de 0 en 8 procent, afhankelijk van het laboratorium en het scenario. Geen enkele softwarelaag elimineerde die variatie. Wat de geharmoniseerde pijplijn wel deed, was deze variatie zichtbaar en interpreteerbaar maken — een doel dat verschilt van en eerlijker is dan ‘gestandaardiseerde resultaten’.
Waar de uitvoerlagen uiteenlopen en wat er daadwerkelijk vergeleken moet worden
De onderstaande tabel plaatst de belangrijkste hulpmiddelcategorieën naast elkaar op de dimensies die van belang zijn wanneer een screeningcampagne defensibele potentiebeoordelingen moet opleveren, niet alleen fraaie video’s.
| Hulpmiddellaag |
Typische voorbeelden |
Primaire uitvoer |
Verwerkt ontologiekoppeling |
Beste keuze |
| Gedragsvolgsplatform |
Zebralab, DanioVision |
Activiteit per put, afstand, responsamplitude |
No |
Locomotorische en fotomotorische eindpunten |
| Op beeld gebaseerde morfometrie |
FishInspector, ZembryoAnalyser |
Vorm- en hartslagkenmerken |
Gedeeltelijk of geen |
Onbevooroordeelde morfologische kwantificering |
| Regelgevende FET-assistent |
ZebraFET |
LC50, NOEC/LOEC, geldigheidsindicatoren |
No |
Conformiteit met en rapportage volgens TG 236 |
| Observatiedatabase met gecontroleerde terminologie |
INTOB |
Gestructureerde fenotype- en metadatarecords |
Ja, door ontwerp |
Langdurig databeheer en hergebruik |
| Analysepijplijn voor meerdere laboratoria |
SEAZIT-database en -pijplijn |
BMC, specificiteitsscores, classificaties |
Ja |
Interlaboratoriumvergelijking en harmonisatie |
INTOB, de Geïntegreerde Effectendatabase voor Toxicologische Observaties van UFZ, verdient aparte vermelding omdat deze is opgebouwd rond de FAIR-principes van vindbaarheid, toegankelijkheid, interoperabiliteit en herbruikbaarheid van gegevens, en omdat deze metadata en fenotypische observaties standaardiseert via een gecontroleerde vocabulaire. Dat is een databeheeroplossing voor een databeheerprobleem en vormt een aanvulling op, in plaats van concurrentie met, een trackingplatform.
De implementatieles van een echte screeningomgeving
Een middelgrote groep voor contractscreening die ontwikkelingstoxicologisch onderzoek uitvoert op een paar dozijn verbindingen per maand, liep tegen een variant van dit probleem aan – een probleem dat geen enkele afzonderlijke leveranciersdemo had kunnen blootleggen. De gedragsgegevens stonden in het native exportformaat van de volgsoftware. De morfologische scores stonden in een gedeelde spreadsheet met kolommen voor fenotypen in vrije tekst. De plaatmappen bevonden zich op een derde locatie. Toen een opdrachtgever een concentratie-responscurve vroeg die locomotorische en morfologische eindpunten voor dezelfde verbinding combineerde, bracht een analist bijna een hele week door om de put-identificaties handmatig op elkaar af te stemmen; de resulterende curve was moeilijk te verdedigen, omdat de fenotype-termen pas achteraf waren genormaliseerd in plaats van vanaf het begin te zijn vastgelegd tegen een gecontroleerde terminologie.
De oplossing was geen nieuw beeldvormend instrument. Het betrof het invoegen van een gestructureerde observatielaag tussen de opnameapparatuur en de statistieken, het definiëren van de fenotype-terminologie vóór de volgende campagne begon, en het vereisen dat elk gescoorde eindpunt zijn wel-, plaat- en runparameters in hetzelfde record meedroeg. Het trackingplatform bleef behouden. De spreadsheet niet.
Dit is het punt waar hardware en datalaag op een manier samenkomen die gemakkelijk over het hoofd wordt gezien bij het specificeren van een toxicologisch blootstellingssysteem voor zebravissen. Een werkstation dat op niveau van de putjes doseringsparameters, beeldopname-tijdstempels en platenkaarten als onderdeel van zijn standaardbedrijfsvoering registreert, verlicht aanzienlijk de last van gegevensafstemming nog voordat de analysefase zelfs maar begint. De technische ontwikkelingswerkzaamheden van Hunter Lab op het gebied van vloeistofbehandeling en plaatniveau-controle voor zebravissenplatforms hebben het bedrijf in staat gesteld gegevensregistratie te beschouwen als een integraal onderdeel van de blootstellingshardware, in plaats van als een naderhand door een afzonderlijke leverancier toegevoegde extra functie. De productiediscipline achter de zebravissenrekken en werkstations van Hunter Lab — met nauwe toleranties voor vloeistofkanalen en stabiele besturingselektronica — vertaalt zich in registraties die exact overeenkomen met wat er daadwerkelijk in de putjes is gebeurd; dit is de enige basis waarop een downstream-analysepijplijn kan worden opgebouwd.
De tools bestaan. De moeilijkere vraag is of de stack zo is ontworpen dat de gegevenslaag de fysieke waarheid van de blootstelling overneemt, of dat het laboratorium het opnieuw in elkaar moet zetten, spreadsheet voor spreadsheet.