圖片說明：3D人類扁桃體組織，使用8種OPAL染料和DAPI標記的9-plex人類扁桃體組織，在STELLARIS共聚焦系統上獲取。使用Aivia中的3D Multiplexed Cell Analysis recipe對組織中的上皮細胞和免疫細胞進行了分割。
圖片來源：Leica Microsystems的Dr. Tatjana Straka。
亮
點
一
3D Multiplex細胞檢測
我們zui前沿的deep learning模型，無需細胞核染色也可快速精準分割3D細胞。增強后的cellpose【1】模型增速78%，這將大幅加速您的研究進程，助您迅速獲得空間組學洞察。更棒的是，您可以通過Aivia Community在任何PC工作站上無縫分享您的突破性發現，與全球科學家共同進步！
【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
左右滑動查看更多
亮
點
二
專家或數據驅動的表型分析極簡化
Aivia內置的Phenotyper基于您的專業知識對2D/3D細胞聚類分析。除此之外，Aivia還提供無監督自動聚類方案k-means clustering【2】或PhenoGraph-Leiden clustering【3】，可以基于強度或PhenoGraph-Leiden clustering【3】，可以基于強度或形態測量進行聚類。新增的confidence value功能，可以讓用戶可以讓用戶去除低confidence object或只保留最高confidence value obecjt用于下游分析。
在此視頻中，僅選擇具有最高置信值（用戶定義為0.85）的細胞以創建一個單獨的表型，用于與其他包括較低置信值的表型進行比較。
Media Gallery
左右滑動查看更多
亮
點
三
生物標記物分組
通過分組相關的biomarker（例如腫瘤標記，免疫細胞標記），輕松地在復雜的多重標記數據中一起可視化生物相關channel，一次輕松切換多個通道。自動將生物相關通道填充到Phenotyper類別和channel中，并利用功能分組通過Marker-Cluster樹狀圖來解釋數據，探索biomarker和phenotype之間的關系。
打開和關閉每個頻道組會同時打開和關閉該組中的所有標記
Media Gallery
Biologically relevant channel grouping
左右滑動查看更多
亮
點
四
復雜空間數據探索
創新性可視化工具增強了數據分析和空間關系分析。Aivia 14提供一整套新工具來探索和可視化復雜數據和空間關系，適用于2D/3D復雜數據和具有多重形態學數值的常規共聚焦顯微圖像。總有一款適合你！快來看看吧！
關鍵特征如下：
1
phenotyping過程中自動產生summary數據，展示統計值以及百分比。
2
Marker-Cluster Dendrogram揭示了強度或形態學測量值與表型之間的關系，并通過增強的交互性來探索圖像中感興趣的表型、通道和形態測量。
3
按聚類對測量進行排序或按測量對聚類進行排序，以便輕松解讀復雜數據。
4
新的double-sided Violin plot，可用于比較不同組或表型中兩個測量值之間的數據分布。
5
Pearson Correlation Heatmap，用于可視化不同組或表型中兩個測量值之間的相關性。
6
Binned scatterplot 用于全面分析不同對象或表型中兩個不同測量值的數據分布。
7
Dimensionality reduction（UMAP、PacMAP、t-SNE），用于將高維數據簡化到二維空間，便于數據解釋。
8
Multi-well scatterplot ，用于繪制每個孔、每個實驗條件或整個板上所有條件的數據。
此外，我們的關系工具通過交互選擇圖像上的對象或表型，并使用spotlight功能可視化選擇，能夠精確測量單個對象或表型之間的頂點到頂點的3D距離。
快來體驗Aivia 14的強大功能，
開啟數據分析的新篇章吧！
選擇樹狀圖中的單個圖塊，以在圖像查看器中打開所選的標記通道（或多個通道）。
Marker-Cluster Dendrogram
左右滑動查看更多
7
立即詢價
您提交后，專屬客服將第一時間為您服務