- 3 次围观
摘要 多重成像和空间蛋白质组学会生成复杂的数据集，这些数据集既需要计算分析，也需要可视化检查。然而，这些任务大多发生在彼此分离的环境中，因为交互式查看器通常需要本地显示，或除用于大型数据集计算分析的远程 Jupyter 会话之外，还需要额外的数据服务器。我们在此提出 UELer，这是一种交互式查看器，可在 Jupyter Notebook 中直接将多通道图像视图与定量分析结果关联起来，无需除 Notebook 会话之外的专用基础设施。通过计算分析和汇总图选择的细胞可以在其组织背景中直接检查，而在图像中所做的选择也可供后续任何分析使用。总体而言，这些功能支持交互式数据探索、迭代式细胞注释以及对所选区域的可重复检索。 可用性与实现 UELer 是一个基于 ipywidgets 构建的 Python 包，可在支持 ipywidgets 8.1 或更高版本的 Jupyter 环境中运行，已在 Linux、macOS 和 Windows 上的 JupyterLab 与 Visual Studio Code 中测试。该软件依据 GPL-3.0 许可证免费提供，可通过 pip 安装。源代码和文档见 https://github.com/HartmannLab/UELer 和 https://hartmannlab.github.io/UELer/。一个无需安装的在线版本可通过 BinderHub 远程运行（https://mybinder.org/v2/gh/HartmannLab/UELer/main），可通过 script/run_ueler_binder.ipynb 笔记本访问。
摘要 多重成像和空间蛋白质组学会生成复杂的数据集，这些数据集既需要计算分析，也需要视觉检查。然而，这些任务大多在彼此分离的环境中进行，因为交互式查看器通常需要本地显示设备，或在对大型数据集进行计算分析的远程 Jupyter 会话之外额外配置数据服务器。本文提出 UELer，这是一种交互式查看器，可在 Jupyter 笔记本中直接将多通道图像视图与定量分析结果相连接，且除笔记本会话本身外无需专用基础设施。通过计算分析和汇总图选择的细胞可以直接在其组织背景中进行检查，而在图像中作出的选择也可供任何下游分析使用。总体而言，这些能力支持交互式数据探索、迭代式细胞注释以及所选区域的可重现检索。
可用性与实现 UELer 是一个基于 ipywidgets 构建的 Python 软件包，可运行于支持 ipywidgets 8.1 或更高版本的 Jupyter 环境中，并已在 Linux、macOS 和 Windows 平台上的 JupyterLab 及 Visual Studio Code 中进行了测试。该软件采用 GPL-3.0 许可协议免费提供，并可通过 pip 安装。源代码和文档可在 https://github.com/HartmannLab/UELer 和 https://hartmannlab.github.io/UELer/ 获取。一个无需安装的在线版本可通过 BinderHub（https://mybinder.org/v2/gh/HartmannLab/UELer/main）远程运行，并可通过 script/run_ueler_binder.ipynb 笔记本访问。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.21.745700v1?rss=1
🏷️ 多重成像 空间蛋白质组学 Jupyter Notebook 交互式可视化 图像数据探索 Python工具