CyteSeer? 的細胞質 ROI 示例

CyteSeer 通過整理專有的速度優化算法得出的數據來報告每種藥物的作用，該算法對每個細胞進行分割和識別，然后提取視頻中每個細胞的每個瞬變形狀并對其進行參數化。

KIC + CyteSeer 生成豐富的、可擴展的數據集，這些數據集充分表征了異質細胞的動力學，從而能夠：

1. 高的靈敏度和預測性，

2. 人類混合細胞/類器官疾病培養皿模型的分析，以及

3. 細胞間的健康狀況，例如突觸、通訊。

請注意，CyteSeer? 視頻分析軟件不能作為立軟件包使用。它只能作為 Vala 成像系統的一部分購買。

從單個視野中提取 668 個 hiPSC 心肌細胞（用 1.0 uM xiao苯地平處理）的 6,984 個個體動作電位的單跡線提取視頻，展示了動力學異質性，這種異質性通常隨著候選藥物治療、毒性和模型（例如遺傳）疾病而增加。（以 30 fps 顯示。）

CyteSeer 參數化每個瞬態
CyteSeer 生成每個瞬態的詳細定量特征，從而能夠與已知的人類基準（健康或患病）進行統計比較。

CyteSeer ^?視頻分割和細胞識別
自動識別每個視頻中捕獲的每個細胞，并提取和測量單細胞痕跡和單瞬變。

CyteSeer 大數據
CyteSeer 捕獲、簡化和報告復雜數據：每天來自 7,000 個孔的 77 TB 視頻中的 3-1,000 萬個細胞的 40 億個參數：

• 每個單元 3-40 個瞬態中的每一個的 30 個參數（+10 個跟蹤）

• 活/固定細胞 HCS

CyteSeer 加上 Vala 專業知識：
Vala 團隊解讀 CyteSeer 的大量數據輸出，結果是對候選藥物如何影響細胞（功效或副作用）的（和預測）理解，從而有效地對候選藥物進行排序并實現：

• 人類臨床結果的高預測性（與動物研究相比）

• 早發現先導藥物的佳分析（排序）（結合高吞吐量和低成本）