Aivia 14发布会：开启3D空间生物学分析新纪元

图片说明：3D人类扁桃体组织，使用8种OPAL染料和DAPI标记的9-plex人类扁桃体组织，在STELLARIS共聚焦系统上获取。使用Aivia中的3D Multiplexed Cell Analysis recipe对组织中的上皮细胞和免疫细胞进行了分割。

图片来源：Leica Microsystems的Dr. Tatjana Straka。

亮点一

3D Multiplex细胞检测

我们最前沿的deep learning模型，无需细胞核染色也可快速精准分割3D细胞。增强后的cellpose【1】模型增速78%，这将大幅加速您的研究进程，助您迅速获得空间组学洞察。更棒的是，您可以通过Aivia Community在任何PC工作站上无缝分享您的突破性发现，与全球科学家共同进步！

【1】：Stringer C, Wang T, Michaelos M, and Pachitariu M. Cellpose: a generalist algorithm for cellular segmentation. Nature Methods. 18: 100-106. (2021)

Media Gallery

亮点二

专家或数据驱动的表型分析极简化

Aivia内置的Phenotyper基于您的专业知识对2D/3D细胞聚类分析。除此之外，Aivia还提供无监督自动聚类方案k-means clustering【2】或PhenoGraph-Leiden clustering【3】，可以基于强度或形态测量进行聚类。新增的confidence value功能，可以让用户可以让用户去除低confidence object或只保留最高confidence value obecjt用于下游分析。

Media Gallery

亮点三

生物标记物分组

通过分组相关的biomarker（例如肿瘤标记，免疫细胞标记），轻松地在复杂的多重标记数据中一起可视化生物相关channel，一次轻松切换多个通道。自动将生物相关通道填充到Phenotyper类别和channel中，并利用功能分组通过Marker-Cluster树状图来解释数据，探索biomarker和phenotype之间的关系。

Media Gallery

Biologically relevant channel grouping

亮点四

复杂空间数据探索

创新性可视化工具增强了数据分析和空间关系分析。Aivia 14提供一整套新工具来探索和可视化复杂数据和空间关系，适用于2D/3D复杂数据和具有多重形态学数值的常规共聚焦显微图像。总有一款适合你！快来看看吧！

关键特征如下：

1. phenotyping过程中自动产生summary数据，展示统计值以及百分比。

2. Marker-Cluster Dendrogram揭示了强度或形态学测量值与表型之间的关系，并通过增强的交互性来探索图像中感兴趣的表型、通道和形态测量。

3. 按聚类对测量进行排序或按测量对聚类进行排序，以便轻松解读复杂数据。

4. 新的double-sided Violin plot，可用于比较不同组或表型中两个测量值之间的数据分布。

5. Pearson Correlation Heatmap，用于可视化不同组或表型中两个测量值之间的相关性。

6. Binned scatterplot 用于全面分析不同对象或表型中两个不同测量值的数据分布。

7. Dimensionality reduction（UMAP、PacMAP、t-SNE），用于将高维数据简化到二维空间，便于数据解释。

8. Multi-well scatterplot ，用于绘制每个孔、每个实验条件或整个板上所有条件的数据。

此外，我们的关系工具通过交互选择图像上的对象或表型，并使用spotlight功能可视化选择，能够精确测量单个对象或表型之间的顶点到顶点的3D距离。

Marker-Cluster Dendrogram