Not Available in Your Country
Sorry, this page is not
available in your country.
Visão geral
Estação de triagem modular de alto conteúdo para ciências da vidaA plataforma de formação de imagem com base em microscópio modular scanR oferece aquisição de imagem e análise de dados totalmente automatizadas de amostras biológicas por meio de tecnologia de deep learning. |  |
|---|
Visualização poderosa de dados para análise interativaO sistema scanR se sobressai em análise de dados e avaliação, seja offline ou em paralelo com a aquisição de dados. O sistema usa IA e técnicas de deep learning para detectar objetos, como células ou núcleos, sem intervenção do usuário. A análise poderosa de dados de citometria é adequada a demandas específicas de análise de um grande número de células. Links bidirecionais de todos os pontos de dados e curvas de tempo para galeria de células e dados de imagem facilitam o entendimento das suas amostras do nível de uma única célula até populações de milhões delas, e cada ponto de dado pode ser rastreado até a imagem original. O sistema simplifica a configuração de ensaios quantitativos confiáveis em minutos.
|
| Processo de trabalho rápido e automatizado para triagem de alto conteúdoA estação de triagem scanR combina a modularidade e flexibilidade de uma configuração com base em microscópio com a automação, velocidade e produtividade operacional exigida pela triagem de alto conteúdo. O design flexível do sistema permite que ele atenda aos requisitos para formação de imagem quantitativa e análise de imagem em biologia celular, biologia molecular, sistemas de biologia e pesquisa médica modernas.
|
|---|
Detecção de objetos e melhoria de imagem auxiliadas pelo TruAIOs recursos revolucionários de análise da nossa tecnologia TruAI™ permitem que você estabeleça ensaios de forma mais fácil. A tecnologia de deep learning poderosa reduz o fotobranqueamento e melhora a velocidade de aquisição, a sensibilidade de medição e a precisão, o que facilita observações mais longas com menor influência na visibilidade da célula. As redes de segmentação TruAI permitem segmentação robusta e classificação em amostras complexas, insensíveis a artefatos, flutuações de intensidade ou sinais de fundo. As redes de melhoria TruAI geram imagens nítidas a partir de imagens confusas ou removem os sinais fora de foco.
|
Atende às necessidades de diversos ensaiosAs análises baseadas em ensaio do sistema scanR podem ser reproduzidas e são confiáveis, além de se integrarem facilmente ao seu processo de trabalho. Com resultados em tempo real paralelos à aquisição, os ensaios podem ser customizados e adaptados a uma grande variedade de aplicações. O sistema se sobressai em aplicações para descoberta de medicamentos, incluindo a exibição de efeitos bioquímicos de compostos a nível celular e alterações induzidas por medicamentos a nível da expressão gênica. A solução pode medir a apoptose, micronúcleos ou fragmentação de DNA (ensaios cometa) e abrange uma vasta gama de aplicações para triagem:
|
Hardware flexível e modularA estação de triagem scanR combina a modularidade e flexibilidade de uma configuração com base em microscópio com a automação, velocidade e produtividade operacional exigida pela triagem de alto conteúdo. Adequado para ensaios padrão e desenvolvimento de ensaio, o design modular torna a estação scanR adaptável para aplicações de laboratório de pesquisa ou ambientes com vários usuários. |
Sistema confocal de disco giratório
|
Sistema de carregamento com robô
|
Sistema de incubação
|
Sistema TIRF e FRAP (com o software cellSens)
|
Precisa de ajuda? |
Tecnologias aplicadas
Gating e classificação
|
Uma abordagem de gating hierárquico permite a seleção intuitiva de populações, que também podem ser visualizadas em galerias. |
|---|
Microscopia de autoapredizagemA microscopia de autoapredizagem abre novos caminhos para a análise de alto conteúdo. As aplicações variam de tarefas de segmentação e classificação de imagem que antes eram impossíveis a análise quantitativa de níveis de sinais extremamente baixos, simplificação de protocolos de coloração, análise sem marcadores e muito mais. |
Exemplo de processo de trabalho que usa microscopia de autoapredizagem para gerar um modelo de IA para análise sem marcadores de imagens de campo claro desafiadoras. Os núcleos celulares de células HeLa são marcadas com GFP na fase de treinamento para mostrar ao sistema como analisar imagens de campo claro. |
Exemplo de aplicação: segmentação robusta de núcleos celulares com diferentes níveis de sinal, possibilitando uma redução significativa da exposição de luz para análise quantitativa. |
Vídeos relacionadosO usuário possui total controle do design do experimento de treinamento. | Vídeos relacionadosMuitas condições de análise desafiadoras podem ser tratadas durante a fase de treinamento. | Vídeos relacionadosO protocolo aprendido de análise por IA pode ser validado em profundidade e com facilidade com a interface de exploração de análise de dados única do software. |
Comece rapidamenteOs modelos de rede neural pré-treinados incluídos permitem iniciar rapidamente o uso da IA. Com os modelos pré-treinados, você pode começar a detectar núcleos e células na maioria das condições padrão. Mesmo células confluentes e núcleos densos podem ser distinguidos com segurança. Medidas de controle e validação são incorporadas para ajudar a garantir a precisão e a robustez dos resultados de análise da IA. |
|
|
|
Segmentação precisa de objetos: dados sem tratamento (esquerda), segmentação de limite padrão (centro), segmentação de instância do TruAI (direita). A segmentação de instância separa de forma confiável objetos difíceis de distinguir e que estão muito próximos, como células ou núcleos em colônias ou tecido. |
Captura de tela da imagem após aquisição de dados por scanR, demonstrando a detecção e a separação de marcadores. Cortesia do Dr. R. Pepperkok, EMBL Heidelberg, Alemanha. | Detecção e análise de objeto
|
|---|
Controle de qualidade imediatoAs imagens e os objetos são reciprocamente vinculados aos seus respectivos pontos de dados:
Criar uma exibição de galeria de todas as imagens de população dados selecionados ou identificados para possibilitar uma comparação direta e visual de conjuntos de dados maiores com informações mais relevantes. |
Os resultados são visualizados em mapas de calor ou exportados para tabelas. Exiba facilmente uma visão geral de poços cheios. |
|---|
Vídeos relacionados | Aquisição multinívelApós uma análise prévia inicial, o software de análise scanR pode identificar todos os possíveis objetos de interesse. Em um processo de trabalho automatizado, os resultados da análise são usados para escanear seletivamente os objetos de interesse em uma segunda tela específica. |
|---|
Medição de parâmetros cinéticos com o Módulo cinético
|
Células hES expressando o biossensor FUCC (CA). Cortesia da Dra. Silvia Santos, The Francis Crick Institute, Londres, Reino Unido. |
|---|
| Combina formação de imagem avançada e análise de alto conteúdo
|
|---|
Opções de módulo flexíveisA solução scanR não só atende aos requisitos específicos de velocidade, resistência e credibilidade de um sistema de triagem de alto conteúdo totalmente automatizado, como também fornece uma flexibilidade sem igual com capacidades extensivas de expansão. Isso permite que o sistema scanR atenda às especificações de uma gama mais ampla de aplicações e orçamentos. Adicione módulos com as seguintes capacidades ao seu sistema:
Entre em contato com especialistas para personalizar o seu sistema para as suas aplicações
|
Precisa de ajuda? |
Especificações
| Sistema de triagem scanR | Plataforma de sistema de triagem baseada em microscópio para aplicações de ciências da vida |
|---|---|
| Flexibilidade: a configuração do sistema pode ser adaptada para acomodar a aplicação | |
| Desempenho e resistência: o sistema integrado e a sincronização em tempo real combinam as vantagens de uma plataforma aberta com as demandas das aplicações de triagem para oferecer produtividade operacional e credibilidade | |
| Estativa do microscópio | Microscópio invertido Evident IX83, um ou dois pisos |
| Opções de iluminação LED | Mecanismo de luz Lumencor SPECTRA X com seis canais de LED independentes (nova versão de 2023 compatível) |
| CoolLED pe400 max com 4 canais de LED independentes | |
| CoolLED pe300 ultra com 3 canais de LED independentes | |
| Filtro passa-banda otimizado para a aplicação | |
| LED ou lâmpada de halogênio | |
| Opções de iluminação de luz transmitida | Transmissão, contraste de fase e opções de contraste de interferência diferencial |
| Combinação de fluorescência e transmissão com obturador de transmissão rápida (HF202HT da Prior com controlador Proscan III) | |
| Controle de hardware para sincronização de laser em sistemas CSU | Controle da National Instruments USB-6343 para saída digital (8 canais) e analógica (4 canais). |
| Opções de câmera | Hamamatsu ORCA-Flash 4.0 V3, câmera sCMOS refrigerada de alta sensibilidade com chip sensor grande de 18,8 mm (0,74 pol.) |
| Hamamatsu ORCA-Flash 4.0 LT, uma câmera sCMOS econômica com chip sensor grande de 18,8 mm (0,74 pol.) | |
| Hamamatsu ORCA-Fusion, câmera sCMOS com chip sensor grande de 21,2 mm (0,83 pol.) | |
| Hamamatsu ORCA-Fusion BT, câmera sCMOS de ruído ultrabaixo com chip sensor grande de 21,2 mm (0,83 pol.) | |
| Opções de objetiva (compatíveis com objetivas X Line) | Objetivas para substratos "finos" (0,1 mm–0,2 mm [0,004 pol.–0,008 pol.]), lamínulas e placas com parte inferior de vidro (2×, 4×, 10×, 20×, 40×, 60×, 100×) |
| Objetivas para substratos "espessos" (~1 mm [0,04 pol.]), placas com parte inferior de plástico e lâminas (2×, 4×, 10×, 20×, 40×, 60×, 100×) | |
| Objetivas de contraste de fase para substratos "finos" (0,1 mm–0,2 mm [0,004 pol.–0,008 pol.]), lamínulas e placas com parte inferior de vidro (10×, 20×, 40×) | |
| Objetivas de contraste de fase para substratos "espessos" (~1 mm [0,04 pol.]), lamínulas e placas com parte inferior de vidro (10×, 20×, 40×) | |
| Conjuntos de filtros | Conjuntos de filtros de banda única (especificações conforme solicitado) |
| Conjuntos de filtros multibanda (especificações conforme solicitado) | |
| Software de sistema scanR | Dois módulos de software independentes: software de aquisição scanR e software de análise scanR. |
| A análise pode ser realizada paralelamente à aquisição | |
| Os módulos de software podem ser instalados nas mesmas estações de trabalho ou em estações diferentes (Windows 10 ou 11, 64 bit) | |
| Software de aquisição scanR | Configuração e interface do usuário orientadas para o processo de trabalho |
| Procedimentos de software de foco automático variáveis e poderosos que podem ser combinados com função de hardware de foco automático de laser IV opcional, foco automático grosso e fino de 2 etapas, foco automático com base em objeto ou foco automático com base em imagem | |
| Gerenciador de placa flexível com formatos predefinidos (lâminas, placas multipoços) e interface de edição para criar e editar formatos personalizados (arranjos marcados) | |
| Correção de sombreado para compensar o sombreado e otimizar a homogeneidade da intensidade espacial | |
| Triagem com lapso de tempo, triagem com pilha Z, triagem multicor (número ilimitado de canais de aquisição) | |
| Suporte para integração em linhas de preparação de amostra automatizada, por exemplo, interfaces com script para manipulação de líquidos | |
| Software de análise scanR | Executável em paralelo à aquisição |
| Modelos de ensaio para aplicações clássicas (contagem, ciclo celular, expressão de marcador único e duplo, translocação, detecção de ponto) | |
| Construtor de ensaios para projetar seu próprio ensaio | |
| Processamento de imagem, detecção de objeto e assunto, extração e cálculo de parâmetro | |
| Exploração, análise, gating e classificação de dados citométricos | |
| Conceito de gating flexível e poderoso incluindo detecção análise de população de células | |
| Ligação direta entre pontos de dados, objetos e imagens | |
| Computador | Computador de formação de imagem, Windows 10 ou 11, 64-bit com GPU NVIDEA para processamento rápido de imagem por IA |
| Opções adicionais | Solução de deep learning com IA scanR: treinamento e aplicação de segmentação de célula baseados em IA |
| Módulo de análise cinética com lapso de tempo: uma abordagem exclusiva para rastreamento de célula e classificação de citometria com base na dinâmica celular | |
| Módulo de deconvolução 3D: (com suporte para aceleração de GPU) | |
| Roda de filtro de emissão rápida para formação de imagem de alta velocidade (HF110 ou HF108 da Prior com controlador ProscanIII) | |
| Opção confocal com Yokogawa CSU-W1 com uma ou duas câmeras (aquisição simultânea) | |
| Sistema de incubação | |
| Robô de carregamento de placas: até 40 placas em um escaneamento | |
| Seletor de ampliação codificado IX3-CAS | |
| Estação de trabalho de análise scanR adicional | |
| Visualizador de análise scanR | |
| Segunda licença para o software de análise scanR | |
| Configuração de sistema 2 em 1 | Pode ser combinado com software de formação de imagem de célula viva cellSens para versatilidade total do sistema de imagem |
