핵 및 세포질 마커와 인터랙티브 산점도 게이팅을 사용하여 혈구 유형을 분류하며, 유세포 분석과 유사하지만 공간적 맥락이 보존됩니다.
클라우드에서 자동화되고 재현 가능하며 코드가 필요 없는 분석
설치할 소프트웨어 없음, GPU 불필요. 모든 기기의 모든 브라우저에서 분석을 실행하세요.
이미지를 업로드하기만 하면 논문에 바로 사용할 수 있는 결과를 얻습니다. 코딩이나 스크립팅이 필요 없습니다.
모든 분석은 기록되고 재현 가능합니다. 프로토콜을 공동 연구자와 즉시 공유하세요.
Cytely가 이미지 분석을 자동화하므로 여러분은 과학에 집중할 수 있습니다.
막/세포질 채널로부터 세포 분할
세포별 다채널 강도 및 형태 측정
임의의 파라미터 조합에 대한 인터랙티브 2D 산점도 게이팅을 적용하여 하위 집단 정의 및 분류.
호중구/적혈구/혈소판 분리, 강도 또는 형태 게이팅으로 세포 유형을 구분할 수 있는 모든 다중 마커 패널.
자동화된 머신러닝 분류기, 4개 초과 마커를 요하는 희귀 사건 검출.
1 샘플 품질에 따라 다름
무료로 시작하거나 데모를 예약하여 Cytely가 귀하의 데이터에서 어떻게 작동하는지 확인하세요.
Morón-Elorza P, Fuertes-Recuero M, de Pablo-Moreno JA, David H, Encinas T. IntechOpen
혈액학적 참조값이 야생동물 건강 평가, 보전생물학, 근거 기반 관리의 토대가 되는 방식을 다룬 단행본 챕터입니다. 자유 서식 종에서 참조 구간을 설정할 때의 방법론적·생물학적 과제를 검토하고, Cytely와 같은 AI 기반 이미지 분석 플랫폼이 별도의 프로그래밍 없이 혈액 도말 표본에서 자동화되고 재현 가능한 세포 수준 측정을 가능하게 하는 경로임을 제시합니다.
여기서는 핵, 세포질, 세포막에 대해 염색된 기본적인 혈액 샘플을 살펴봅니다. RBC와 혈소판은 핵 신호가 없고 크기가 더 작다는 특징으로 손쉽게 게이팅하여 제외했으며, 호중구는 강한 핵 및 세포질 염색으로 뚜렷하게 두드러졌습니다. 통상적으로는 이러한 분리를 달성하기 위해 여러 종류의 항체나 RBC 용해가 필요하지만, Cytely를 사용하면 단일 워크플로에서 이를 수행하여 샘플의 공간적 맥락을 보존하면서 전체 분석을 단 몇 분 만에 완료할 수 있습니다.
수백 명의 연구자가 Cytely를 사용하여 발견을 가속하고 있습니다
다음 기관의 연구자들이 사용합니다
매일 Cytely를 사용하는 연구자들의 이야기를 들어보세요.
Cytely가 제공하는 데이터 기반 접근 방식은 저 같은 숙련된 현미경 전문가에게는 꿈같은 일입니다.
이 방식은 편향을 완전히 제거합니다. 이미지 분석에 들이는 시간을 고려하면 비용은 무시할 만한 수준입니다.
오늘날 이런 일이 가능하다는 것이 정말 놀랍습니다! Cytely가 저 대신 모든 작업을 처리해 줍니다!
Cytely 덕분에 작업 속도가 10배 빨라졌습니다. 실험할 때마다 몇 시간씩 절약됩니다.
Cytely를 통해 얻은 통찰은 그야말로 판도를 바꾸는 경험이었습니다. 덕분에 실험을 다시 설계하고 마침내 프로젝트를 앞으로 나아가게 할 수 있었습니다.
Cytely는 자동화된 비편향 분석과 훨씬 더 큰 샘플 규모를 통해 데이터 신뢰성을 높이는 동시에 저희 연구 일정을 획기적으로 단축시켜 주었습니다.
Cytely를 사용해 수천 개의 세포를 즉시 분석하여 어떤 세포가 형질주입되었는지, 감염되었는지, 혹은 둘 다인지를 정밀하게 식별했습니다. 3년 동안 발목을 잡던 난관이 첫 세션 만에 해결되었습니다.
