리소스

동일한 세포 기반 어세이를 반복해서 실행하고, 여러 사람이 이를 실행하거나 검토하거나 공유해야 하는 경우가 있습니다. 바로 이런 상황에서 CellProfiler와 ImageJ는 한 명의 전문가에게 의존하게 되기 쉬우며, Cytely는 바로 이 문제를 해결하도록 만들어졌습니다.

1998년 Rogakou, Pilch, Orr, Bonner는 모든 DNA 이중가닥 절단이 히스톤 H2AX의 인산화를 유발하여 손상 부위에 눈에 보이는 병소를 형성한다는 사실을 발견했습니다. 하나의… 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=MGj7fIstgC4

세포 계수는 간단해 보이지만 실제로는 그렇지 않습니다. 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=9mB6o2GWqdg

공동국재화 분석은 평판 문제를 안고 있습니다. 수년간 표준 관행은 빨간색과 녹색 채널을 병합하고, 노란색을 찾은 뒤, 공동국재화라고 선언하는 것이었습니다. 이… 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=uf0FLNjSNJ8

세균 감염은 세포 하나하나를 단위로 벌어지는 숫자 게임입니다. 얼마나 많은 숙주 세포가 감염되었고, 얼마나 심하게 감염되었을까요? 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=UEn5mqnrROk

대부분의 연구자는 현미경 이미지를 촬영한 뒤 관찰한 내용을 형용사로 묘사합니다. 세포가 더 커 보인다, 처리 후 더 둥글어진 것 같다는 식입니다. 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=3_ZQGB8qcyY

이것은 하나의 어세이가 아닙니다. 현대 세포생물학의 절반을 뒷받침하는 핵심 기능입니다. γH2AX 병소, RNAscope 점, PLA 반점, 스트레스 과립, P-body, PML body, 병원체 세포… 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=Kdvpba7jLF0

예. Cytely는 정보 보안 관리에 관한 선도적인 국제 표준인 ISO/IEC 27001 인증을 받았습니다. 또한 전송 중 및 저장 시 데이터를 암호화하며, GDPR을 준수하는 EU 인프라에서 운영됩니다.

리소좀은 신경변성, 리소좀 축적 질환, mTOR 신호전달, 그리고 빠르게 성장하는 자가포식 조절제 파이프라인의 중심에 있습니다.

멀티플렉스 이미징의 화려한 최첨단이 헤드라인을 장식합니다. CODEX, MIBI, IMC. 한 번에 40개 이상의 마커. 이들은 실재하며 중요하지만, 대부분의 생물학 연구가 이루어지는 방식은 아닙니다.

포시(foci) 계수는 단일 채널 문제로 취급되곤 합니다. 하나의 마커, 하나의 조건, 세포당 하나의 계수. 그것은 질문의 일부에만 답합니다.

20세기의 대부분 동안 지질 방울은 저장된 지방의 비활성 덩어리로 취급되었습니다. 그러한 관점은 페릴리핀의 발견과 함께 새 천년의 전환기 무렵 무너졌습니다…

숙주 세포 내부의 기생충을 계수하는 것은 항기생충 약물 발견의 핵심 판독 지표입니다. 감염된 세포의 비율, 세포당 기생충 수, 또는 기생충 신호 강도는 모두 하나로 귀결됩니다…

세포 생물학에서 가장 중요한 질문 중 일부는 세포 자체가 아니라 세포 안에 무엇이 있는가에 관한 것입니다. 세포당 미토콘드리아는 몇 개인가? 핵당 DNA 손상 포시는 몇 개인가? 얼마나 많은…

NF-κB가 핵 안으로 이동하는 것은 염증 생물학에서 가장 많이 연구된 사건 중 하나입니다. YAP/TAZ 셔틀링은 암과 여러 분야에서 중요한 Hippo 경로의 판독 지표입니다…

약물이 세포 안으로 들어가지 못하면 무용지물입니다. 이는 지질 나노입자, 세포 투과성 펩타이드, 항체-약물 접합체, RNA에 있어 핵심적인 과제입니다…

1882년 Élie Metchnikoff는 불가사리 유생에 장미 가시를 찔러 넣고, 세포들이 몰려들어 가시를 삼키는 모습을 관찰했습니다. 세포가 외부 물질을 먹는다는 이 관찰은 … 의 토대가 되었습니다. 분석 과정을 직접 확인하세요: https://youtube.com/watch?v=ezaikU7ix1I

종양학 약물 스크리닝은 본질적으로 반복적입니다. 화합물은 테스트되고, 개선되고, 재테스트됩니다. 증식 데이터를 당일에 받아보는 팀이 다음 반복을 실행합니다…

형질주입 효율에 관한 논문을 발표하는 사람은 없습니다. 그것으로 연구비를 따내는 사람도 없습니다. 하지만 모든 CRISPR 실험, 모든 과발현 연구, 모든 바이러스 벡터 생산 과정은…

제약 업계는 제조, 임상 운영, 공급망, 상업 부문을 운영 체계화(operationalize)했습니다. 생물학적 데이터가 실제로 정량화되는 측정 계층이 마지막 남은 공백이며, 이는 다운스트림의 모든 것이 의존하는 계층입니다.

TIFF, OME-TIFF, ND2, CZI, LIF, OIB 및 기타 벤더별 형식에 대한 요구 사항을 포함하여, Cytely에서 지원되는 현미경 파일 형식과 지원되지 않는 형식에 대한 완전한 가이드입니다.

이 단계별 가이드에서 Cytely로 현미경 데이터를 분석하는 방법을 알아보세요.

Cytely로 분석한 데이터를 발표하는 경우, Methods(방법)에 Cytely를 명시하고, Data Availability(데이터 이용 가능성) 진술문에 Cytely 발간물 링크를 포함하며, 사용한 분석 워크플로를 간략히 기술해 주시기 바랍니다.

세포 주기를 분석하는 것은 증식과 질병을 이해하는 데 매우 중요합니다. 고처리량 방법은 공간 정보를 희생하는 반면, Cytely는 핵 염색만으로 형태학적 프로파일링을 활용하여 세포 주기 단계를 신속하게 분류할 수 있게 하며, 공간적 맥락을 보존하고 재현 가능한 정량화를 가능하게 합니다.

새로운 투자는 Cytely의 스마트 현미경 플랫폼을 확장하여, 연구를 선형적 진전에서 스스로 가속화하는 발견으로 전환합니다.

스마트 현미경은 실험적 이미징 워크플로를 자동화하고 이미지 및 기타 데이터 스트림으로부터의 피드백을 기반으로 실시간 적응을 가능하게 함으로써 생명과학을 혁신하고 있습니다. 이러한 변화는 처리량을 높이고, 재현성을 향상시키며, 현미경의 기능적 역량을 확장합니다

전혈에서 세포 집단을 분석하는 것은 기본적이면서도 까다로운 작업입니다. 표준 전처리 단계를 거친 후에도 샘플에는 백혈구, 혈소판, 적혈구(RBC)의 혼합 집단이 포함되는 경우가 많습니다. Cytely는 연구자가 이러한 집단을 단일 세포 수준에서 신속하게 식별하고 정량화할 수 있도록 지원합니다. 산점도와 직관적인 게이팅을 통해 다양한 혈액 세포 유형을 편향 없는 대화형 워크플로에서 구별하고 특성화할 수 있습니다. 이 노트에서 시연하는 주요 기능: 혼합 세포 집단 전반의 이질성 시각화 산점도를 이용한 집단(호중구, 혈소판, RBC) 식별 호중구 하위 집단을 분리하기 위한 게이팅

Cytely로 식세포작용 실험을 분석하는 방법을 알아보세요.

스마트 현미경이 생명의학 연구를 어떻게 변화시키고 있는지 알아보세요.

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.

전체 인터뷰는 여기에서 확인하세요: https://www.youtube.com/watch?v=DAbxkRfxwL8

Cytely가 Swathi의 섬유아세포 연구를 위해 암 기계생물학 연구를 어떻게 재정의했는가

전체 인터뷰는 여기에서 확인하세요: https://www.youtube.com/watch?v=NeQA7erg8bo

현미경 검사에서 정성적 관찰로부터 정량적 데이터로의 전환은 중대한 과제입니다. 수동 분석은 사용자 편향에 취약하며 대규모 데이터셋에는 실용적이지 않습니다. 반면 많은 자동화 솔루션은 정량적 데이터와 원본 시각적 맥락 간의 연결을 흐리게 만들 수 있습니다. Cytely는 자동 이미지 분할과 대화형 데이터 탐색을 통합하여 이러한 과제를 해결하도록 설계된 웹 기반 도구입니다. 세포 집단으로부터 정량적 지표를 도출하고, 그 지표를 실시간으로 원본 이미지에 다시 연결하는 체계적인 워크플로를 제공합니다.

현대의 현미경 플랫폼은 상당한 규모의 데이터셋을 생성하여, 실험 조건당 통상 10,000~100,000개의 세포를 포착합니다. 그러나 분석적 제약으로 인해 정량화가 소규모 부분집합, 일반적으로 100~1,000개 세포에 국한되는 경우가 많으며, 이는 활용 가능한 데이터의 1% 미만에 해당합니다. 이러한 체계적 과소표집은 선택 편향을 초래하고, 통계적 검정력을 저하시키며, 집단 이질성을 흐리게 만듭니다. 우리는 불완전한 데이터 활용이 초래하는 방법론적 결과를 검토하고, 데이터 획득 역량과 분석 처리량 간의 불균형에 대한 해결책으로 자동화된 고함량 분석을 제시합니다.

현대의 형광 현미경은 고해상도 이미징 데이터를 생성하지만, 정량화 워크플로의 분석적 병목으로 인해 그 데이터는 대체로 충분히 활용되지 못하고 있습니다. 유세포 분석은 집단 수준의 단일 세포 분석에 대한 엄격한 표준을 확립한 반면, 현미경 기반 접근법은 일반적으로 제한된 표본 크기의 수동 계수에 의존하여 통계적 검정력을 제약하고 집단 이질성을 흐리게 만듭니다. 이 관점(perspective)은 이미지 기반 분석에 유세포 분석의 원리를 체계적으로 적용할 것을 주장하며, 이를 통해 연구자가 현미경의 공간적·형태학적 이점을 활용하는 동시에 유세포 기반 방법론 특유의 통계적 엄격성을 달성할 수 있도록 합니다.