Pytanie brzmi nie „jakie oprogramowanie”, lecz „która warstwa stosu”
System toksykologicznej ekspozycji z wykorzystaniem rybek zebrafish generuje dwa bardzo różne rodzaje surowego materiału. Po jednej stronie znajdują się operacyjne rekordy na poziomie płytek: do którego dołka wprowadzono który związek chemiczny, w jakim stężeniu, w którym dniu oraz w ramach którego scenariusza ekspozycji. Po drugiej stronie występują biologiczne odczyty: stwierdzenia śmiertelności, oceny wad rozwojowych, odpowiedzi fotomotorowe, ślady pływania oraz coraz częściej cechy morfometryczne uzyskane z obrazów. Traktowanie „narzędzi analizy danych” jako jednej kategorii zatarcza tę różnicę i prowadzi laboratoria do zakupu pakietu śledzącego przy założeniu, że rozwiąże on problem zarządzania danymi – mimo że nie został on zaprojektowany do obsługi takiego zadania.
Praktycznym sposobem myślenia o łańcuchu narzędzi jest ujęcie go warstwowo. Warstwa pierwsza przechwytuje punkty końcowe na stanowisku badawczym i przypisuje im oceny. Warstwa druga przechowuje rekordy obserwacji w strukturze wystarczająco szczegółowej, aby można było je wyszukiwać. Warstwa trzecia wykonuje analizy statystyczne, które przekształcają obserwacje w szacunki potencji, klasyfikacje oraz porównania. Laboratorium może korzystać z komercyjnych narzędzi na jednej warstwie i narzędzi open source na innej – i wiele laboratoriów tak właśnie robi. Problemy pojawiają się, gdy pojedyncza aplikacja ma obejmować wszystkie trzy warstwy, nie ujawniając przy tym granic swoich możliwości.
Komercyjne platformy skutecznie rozwiązują problem przechwytywania – a to wcale nie jest drobna kwestia
Systemy Zebralab i DanioVision firmy ViewPoint pojawiają się wielokrotnie w opublikowanych metodach badawczych z wykorzystaniem danio pręgowanego – i to nie bez powodu. Znajdują się one na warstwie pozyskiwania danych oraz ich wstępnej ilościowej analizy, a zostały zaprojektowane z uwzględnieniem rzeczywistych punktów końcowych zachowania. Typowy przypadek użycia: larwy są ładowane do płytki 96-dołkowej, umieszczane w komorze Zebrabox i narażane na naprzemienne cykle światła i ciemności, podczas gdy kamera rejestruje ich aktywność. Oprogramowanie zwraca wówczas metryki dla każdego dołka, takie jak całkowita aktywność ruchowa, przebyta odległość oraz amplituda odpowiedzi w poszczególnych okresach. Badania wykorzystujące test Tanguay Lab z 120 hpf opierały się na systemie ViewPoint Zebralab w połączeniu z niestandardowym narzędziem do analizy odpowiedzi fotomotorowej oraz osobnym programem do pozyskiwania i analizy danych z danio pręgowanego – co mówi wiele o tym, jak te systemy są rzeczywiście stosowane: rzadko samodzielnie, najczęściej jako jeden z elementów dłuższego potoku analitycznego.
Siłą tej klasy narzędzi jest spójność w trakcie pozyskiwania danych. Częstotliwość klatek, chwile oświetlenia oraz śledzenie poziomu dołków są kontrolowane, dzięki czemu operator nie podejmuje decyzji dotyczących momentu wyzwolenia bodźca ani przynależności pikseli do poszczególnych larw. Ograniczenia są równie oczywiste. System śledzenia informuje jedynie o zmianie ruchu. Nie określa, czy zmiana ta wynika z konkretnego wpływu na rozwój, czy też jest wtórną konsekwencją ogólnej toksyczności; ponadto nie kojarzy tych wyników z punktem końcowym rozwojowym opartym na morfologii i ocenianym przez inną osobę w innym terminie.
Narzędzia open source wypełniają luki – ale kosztem pewnych kompromisów
Strona open source ekosystemu znacznie się rozrosła, a zakres jej funkcjonalności jest obecnie na tyle szeroki, że większość laboratoriów może złożyć sprawdzalny potok przetwarzania danych bez konieczności zakupu drogiej licencji oprogramowania.
FishInspector, opracowany w Helmholtz Centre for Environmental Research, został stworzony w celu uzyskiwania obiektywnych, ilościowych ocen fenotypów morfologicznych na podstawie obrazów embrionów; jest on dostępny za darmo poprzez publiczne repozytorium kodu źródłowego. ZembryoAnalyser łączy analizę morfometryczną, śledzenie ruchu oraz analizę tętna w jednej platformie typu open-source, co czyni ją atrakcyjną dla laboratoriów przeprowadzających badania dotyczące końcowych punktów kardiowaskularnych w połączeniu z badaniami behawioralnymi. ZebraFET podejmuje zupełnie inne podejście. Jest to darmowa aplikacja komputerowa zaprojektowana specjalnie z myślą o wytycznej testowej OECD nr 236 i obsługująca konfigurację projektu, codzienne ocenianie studzienek, zarządzanie zdjęciami, obliczanie LC50 oraz NOEC/LOEC, sprawdzanie ważności badań oraz generowanie raportów.
Ostatni przykład zasługuje na uwagę, ponieważ ujawnia powszechne nieporozumienie. Laboratorium może w pełni spełniać wymagania TG 236 i mimo to nie posiadać jednolitego poziomu danych. ZebraFET wymusza obliczenia regulacyjne oraz bramki sprawdzania poprawności, ale terminy obserwacyjne wprowadzane przez technika pozostają nadal jego własnymi terminami. Problem terminologii powraca już w momencie, gdy dwa laboratoria porównują ze sobą wyniki.
Dlaczego ontologie i potoki danych to część, którą większość laboratoriów pomija
Program SEAZIT, prowadzony przez NIEHS, został utworzony właśnie dlatego, że wyniki badań toksyczności rozwojowej przeprowadzanych w różnych laboratoriach różnią się od siebie, gdy procedury i terminologia nie są ustandaryzowane. W ramach ćwiczenia współpracy w ramach programu SEAZIT stwierdzono, że zastosowanie pojęć ontologii zwiększa spójność i zmniejsza niejednoznaczność, a wspólny standard danych powinien ograniczyć heterogeniczność stosowanych terminów oraz poprawić zgodność wyników między laboratoriami. W ostatecznym badaniu międzylaboratoryjnym trzy laboratoria przetestowały zakodowany zestaw 42 chemikaliów w czterech warunkach narażenia; terminy opisu fenotypów używane w poszczególnych laboratoriach zostały przyporządkowane do pojęć Ontologii Fenotypów Danio rerio i pogrupowane według regionów anatomicznych przed podjęciem jakichkolwiek porównań międzylaboratoryjnych.
Ten etap mapowania stanowi niepozorny rdzeń działania poważnego łańcucha narzędzi analitycznych danych. Podstawowa baza danych w systemie SEAZIT została zbudowana na platformie PostgreSQL, przy czym tabele zostały podzielone na informacje o substancjach, dane wynikające z oceny wstępnej oraz analizy, a tabela połówkowa pełni rolę centralnego punktu połączenia. Stężenia odniesienia obliczano na podstawie danych dotyczących występowania, podsumowanych na poziomie punktów końcowych; natomiast wskaźnik swoistości wyznaczano poprzez porównanie wartości BMC dla punktu końcowego innego niż śmiertelność z wartością BMC dla śmiertelności, przy czym różnicę logarytmiczną (log10) wykorzystano do rozróżnienia specyficznych efektów rozwojowych od toksyczności niespecyficznej.
Wyniki tej pracy międzylaboratoryjnej stanowią przydatne sprawdzenie rzeczywistości dla każdego, kto zakupuje narzędzia. Wartości BMC dla substancji kontrolnej dodatniej różniły się w zależności od laboratorium i warunków narażenia, a częstość występowania w grupie kontrolnej z nośnikiem wynosiła od 0 do 8 procent w zależności od laboratorium i scenariusza. Żadna warstwa oprogramowania nie wyeliminowała tej zmienności. Harmonizowany potok nie uczynił jej jednolitą, lecz uczynił ją widoczną i możliwą do zinterpretowania — co jest celem innym i bardziej uczciwym niż „ustandaryzowane wyniki”.
Gdzie warstwy wyjściowe się rozbiegają i co właściwie porównywać
Poniższa tabela zestawia główne kategorie narzędzi obok siebie w wymiarach istotnych wtedy, gdy kampania skriningowa musi generować uzasadnione oceny potencji, a nie tylko estetyczne filmy.
| Warstwa narzędzia |
Typowe przykłady |
Główny produkt |
Obsługuje mapowanie ontologii |
Najlepsze dopasowanie |
| Platforma śledzenia zachowań |
Zebralab, DanioVision |
Aktywność na pojedynczą studzienkę, dystans, amplituda odpowiedzi |
No |
Endpointy lokomotoryczne i fotomotoryczne |
| Morfometria oparta na obrazie |
FishInspector, ZembryoAnalyser |
Cechy kształtu i tętna |
Częściowe lub brak |
Obiektywne ilościowe określenie morfologii |
| Asystent regulacyjny do testów FET |
ZebraFET |
LC50, NOEC/LOEC, flagi ważności |
No |
Zgodność z wytyczną TG 236 oraz raportowanie |
| Baza danych obserwacji z kontrolowanym słownictwem |
INTOB |
Zorganizowane rekordy fenotypu i metadanych |
Tak, z założenia |
Długoterminowe zarządzanie danymi i ich ponowne wykorzystanie |
| Międzylaboratoryjny potok analizy |
Baza danych i potok SEAZIT |
BMC, wyniki specyficzności, klasyfikacje |
Tak |
Porównania międzylaboratoryjne i harmonizacja |
INTOB – zintegrowana baza danych efektów dla obserwacji toksykologicznych z UFZ – zasługuje na osobne wyróżnienie, ponieważ została stworzona zgodnie z zasadami FAIR: danych możliwych do odnalezienia, dostępu, współpracy i ponownego wykorzystania; ponadto standaryzuje metadane i obserwacje fenotypowe za pomocą kontrolowanego słownictwa. Jest to rozwiązanie problemu zarządzania danymi w zakresie zarządzania danymi i uzupełnia platformę śledzenia, a nie konkurowało z nią.
Lekcja wdrożeniowa z rzeczywistego etapu badania
Średniej wielkości grupa przeprowadzająca badania kontraktowe w zakresie toksyczności rozwojowej, testująca kilkanaście związków chemicznych miesięcznie, napotkała wersję tego problemu, której żadna pojedyncza prezentacja dostawcy nie pozwoliłaby wykryć. Dane behawioralne znajdowały się w formacie eksportu natywnego oprogramowania do śledzenia. Wyniki oceny morfologii były przechowywane w udostępnionej arkuszu kalkulacyjnym z kolumnami opisującymi fenotypy w formie dowolnego tekstu. Mapy płytek znajdowały się w trzecim miejscu. Gdy sponsor zażądał krzywej zależności odpowiedzi od stężenia łączącej końcowe punkty dotyczące ruchliwości i morfologii dla tego samego związku chemicznego, analityk spędził niemal cały tydzień na ręcznej korelacji identyfikatorów dołków, a uzyskana krzywa była trudna do obrony, ponieważ terminy opisujące fenotypy zostały znormalizowane w sposób późniejszy, a nie zapisane od początku przy użyciu kontrolowanego słownika.
Rozwiązaniem nie był nowy instrument do obrazowania. Było to wprowadzenie ustrukturyzowanej warstwy obserwacji pomiędzy narzędziami pozyskiwania danych a statystykami, zdefiniowanie słownika fenotypów przed rozpoczęciem kolejnej kampanii oraz wymóg, aby każdy oceniany punkt końcowy zawierał w tym samym rekordzie parametry studni, płytki i przebiegu. Platforma śledzenia pozostała bez zmian. Arkusz kalkulacyjny nie przetrwał.
To jest miejsce, w którym sprzęt i warstwa danych przecinają się w sposób łatwo przeoczany przy określaniu systemu ekspozycji toksykologicznej dla danio pręgowanego. Stacja robocza, która zapisuje parametry dawkowania na poziomie studzienek, znaczniki czasu obrazowania oraz mapy płytek jako część swojej naturalnej pracy, eliminuje znaczne obciążenie związane z weryfikacją danych jeszcze przed rozpoczęciem etapu analizy. Inżynierska praca Hunter Lab nad obsługą cieczy i kontrolą na poziomie płytek w platformach do badań z danio pręgowanym pozwoliła tej firmie traktować pozyskiwanie danych jako integralną część sprzętu do ekspozycji, a nie jako dodatkowy element montowany później przez osobnego dostawcę. Dyscyplina produkcyjna stojąca za linią stojaków i stacji roboczych Hunter Lab do badań z danio pręgowanym – ściśle wyznaczone допuszczalne odchylenia ścieżek przepływu cieczy oraz stabilna elektronika sterująca – przekłada się na dane rejestrowane zgodnie z rzeczywistymi zdarzeniami zachodzącymi w poszczególnych studzienkach, co stanowi jedyną podstawę, na której może opierać się potok analizy danych w kolejnych etapach.
Istnieją odpowiednie narzędzia. Trudniejsze pytanie brzmi: czy architektura systemu została zaprojektowana tak, że warstwa danych dziedziczy fizyczną rzeczywistość ekspozycji, czy też laboratorium musi ponownie łączyć ją razem arkusz po arkuszu.