ヴァー3D

Vaa3D（中国語では「挖三维」）は、主にHanchuan Pengと彼のチームがJanelia Research Campus、HHMI、Allen Institute for Brain Scienceで作成したオープンソースの視覚化および分析ソフトウェアスイートです。^[1]^{[2]このソフトウェアは、特にさまざまな最新の}顕微鏡法を使用して生成された非常に大規模な画像データセットと関連する3D表面オブジェクトの3D、4D、5Dレンダリングと分析を実行します。このソフトウェアは、いくつかの大規模な神経科学イニシアチブや他のドメインの多くのアプリケーションで使用されています。最近のNature Methodsのレビュー記事では、関連する研究分野における主要なオープンソースソフトウェアスイートの1つと見なされています。 ^{[3]さらに、このソフトウェアを使用した研究は、}米国科学アカデミーから2012年のCozzarelli賞を受賞しました。^[4]

創造

Vaa3D は、ハワード・ヒューズ医学研究所のジャネリア・ファームで行われた大規模な脳マッピングプロジェクトに取り組むために 2007 年に作成されました。当初の目標は、それぞれが数ギガバイトの容量を持つ、ショウジョウバエの脳の3Dレーザー走査顕微鏡画像スタックの数万枚をすばやく視覚化することでした。低レベルのOpenGLベースの 3D レンダリングは、多次元画像スタックを直接レンダリングするために開発されました。C/ C++およびQt を使用してクロスプラットフォームの互換性を実現したため、このソフトウェアは Mac、Linux、Windows で実行できます。複数の 2D/3D/4D/5D レンダリングビューを同期したり、グローバルおよびローカル 3D ビューアや仮想指を生成したりするための強力な機能により、Vaa3D は、脳の比較やニューロンの再構築など、複雑な脳科学タスクの多くの操作を効率化できます。Vaa3D は、現在世界中の研究者によって提供された数十のオープンソースプラグインをホストする拡張可能なプラグインインターフェイスも提供します。

3D、4D、5D画像データの3D視覚化

Vaa3D は、3D、4D、5D データ (X、Y、Z、色、時間) を高速にレンダリングできます。ボリュームレンダリングは通常、数ギガバイトの規模で行われますが、画像セットごとにテラバイトの規模まで拡張できます。OpenGL を直接使用することで、視覚化が高速化されます。

Vaa3D は、いくつかの手法で大規模データの視覚化の問題に対処します。1 つの方法は、同期データレンダリングと非同期データレンダリングの両方を組み合わせることです。これにより、回転またはデータのその他の動的表示が一時停止されている場合にのみフル解像度のデータが表示され、それ以外の場合は粗いレベルのイメージのみが表示されます。

Vaa3D で使用される別の方法は、グローバル 3D ビューアとローカル 3D ビューアの両方を組み合わせることです。グローバル 3D ビューアは、オプションでダウンサンプリングされた画像のみを表示し、ローカル 3D ビューアはフル解像度の画像を表示しますが、特定のローカル領域のみを表示します。直感的な 3D ナビゲーションは、仮想フィンガー技術を使用して 3D の関心領域を決定し、その後、その関心領域に固有の 3D ローカルビューアをリアルタイムで生成することによって行われます。

高速な 3D ヒューマンマシンインタラクション、仮想指、3D WYSIWYG

画像スタックの 3D 視覚化は、本質的にはデータを観察するための受動的なプロセスです。ユーザーの特定の場所の好みをすばやく入力する能動的な方法を組み合わせることで、3D またはより高次元の画像コンテンツの探索の効率が大幅に向上します。ただし、「3D 画像コンテンツの探索」には、ユーザーが 3D 画像視覚化ツールのグラフィカルユーザーインターフェイスを使用して、画像オブジェクトのパターンを効率的に操作し、定量的にプロファイルできることが必要です。仮想フィンガー、または 3D- WYSIWYG (「2D で見たものが 3D で得られるもの」) 技術により、一般的な 2D ディスプレイまたはタッチデバイスでのユーザーの 2D 入力から 3D 位置情報を効率的に生成して使用できます。

バーチャルフィンガー技術は、コンピュータ画面などの2Dディスプレイデバイスを介して識別された2Dユーザー入力を、画像の3Dボリューム空間にマッピングします。数学的には、これはしばしば難しい逆問題です。しかし、多くの3D画像データセットの空間スパース性と連続性情報を利用することで、この逆問題はうまく解決できます。これは最近の論文で示されています。^[5]

Vaa3D の仮想指技術により、複雑な 3D 画像コンテンツを瞬時にランダムに探索できます。これは、実際の指を使用して 1 回のクリックまたはストロークで 3D オブジェクトを探し、実際の 3D 世界を探索するのと同じです。この技術は、画像データの取得、視覚化、管理、注釈、分析、および顕微手術などのリアルタイム実験での画像データの使用のパフォーマンスを向上させるために使用されています。

表面オブジェクトのレンダリング

Vaa3D は、3 つの主要なタイプの 3D サーフェスオブジェクトを表示します。

ポイントクラウド: それぞれ異なる色、タイプ、サイズ、その他のプロパティを持つ 3D 球状オブジェクトのセット。これは、細胞集団や同様の粒子状オブジェクトをモデル化するためによく使用されます。
リレーショナルデータ (グラフ、チューブ接続ネットワーク): グラフ内の各ノードは特定のサイズとタイプを持ち、他のノードに接続されています。これは、ニューロンの形態、ネットワークトポロジなどをモデル化するためによく使用されます。
不規則な表面オブジェクト: 各 3D 表面は不規則な形状を持ち、複雑な表面メッシュを使用してモデル化されます。

これらの 3D サーフェスオブジェクトは、多くの場合、「セット」として配置されます。Vaa3D では、これらのサーフェスオブジェクトの複数のセットを表示できます。また、さまざまなオーバーレイ関係を使用して、イメージボクセルデータの上にオーバーレイすることもできます。これらの機能は、共局在化、定量化、比較などの目的に役立ちます。

アプリケーション

このソフトウェアは、次の例のようにさまざまなアプリケーションで使用されています。

ニューロンの再構築と定量化

Vaa3D は、多数の種の単一ニューロンの 3D 形態を再構築、定量化、比較するための Vaa3D-Neuron パッケージを提供します。

Vaa3D-Neuron では、いくつかの方法でニューロンをトレースできます。

手動トレース: ユーザーは 3D 仮想フィンガーを使用して、ニューロン構造を 3D で手動で素早く再構築または編集できます。
半自動トレース: ユーザーは、ニューロントレースが到達する必要があるいくつかの重要な末端点を事前に指定し、Vaa3D に 3D 再構築を自動的に完了するように指示できます。その後、ユーザーは 3D 再構築を手動で編集することもできます。
完全自動トレース: ユーザーは、非常に高速な All-Path-Pruning 1 ^[6]または All-Path-Pruning 2 ^[7]を使用して、3D でニューロン全体を自動的にトレースし、NeuronCrawler を使用して非常に大きな画像スタック (ニューロンデータセットあたり数十ギガバイト) をトレースできます。ユーザーは、Vaa3D に移植された他のいくつかの自動ニューロントレースアルゴリズム (FarSight Snake Tracing、NeuTube トレース (チューブフィッティング)、MOST レイバーストベースのトレースなど) を使用することもできます。これらのベーストレーサーのいずれかを任意の大きさの多次元画像ボリュームに拡張する UltraTracer などのラッパーメソッドも開発され、Vaa3D に統合されています。^[8]

単一細胞解析線虫、ショウジョウバエ、マウス

Vaa3Dは、線虫C.エレガンス^[9]、昆虫ショウジョウバエ^[10]、マウス^[11] 、およびその他の種のいくつかの研究から単一細胞を抽出するために使用されました。使用された主な機能は、単一細胞の遺伝子発現レベルを抽出して定量化するための3D画像セグメンテーションと、特定の脳領域での高速細胞カウントでした。Vaa3Dは、これらの細胞に注釈を付け、名前を識別する方法も提供します。

Vaa3D は、互いに接触していることが多い複雑な細胞の 3D セグメンテーションのための SRS (同時セグメンテーションと認識) アルゴリズム^[12]も提供しています。これは、期待値最大化アルゴリズムを使用して、収束するまで繰り返し定義済みの「アトラス」(いくつかの細胞のレイアウトマップ) を画像に適応的にマッピングすることによって行われました。SRS は、通常使用されるウォーターシェッドセグメンテーション方法と比較して、過剰セグメンテーションと過少セグメンテーションのエラーを減らすことが示されています。

脳マッピングと3D画像登録

Vaa3D は、パターンの調整 (登録) と多重化ベースの分析の両方の観点から、いくつかの脳マッピングプロジェクトで使用されてきました。

パターンの位置合わせと登録：Vaa3Dは、3D画像パターンの位置合わせと登録のための一連のプラグインと関数を提供し、^[13]、位置合わせされたパターンの3D表示を同期させます。
多重化ベースの解析：Vaa3Dには、一連の整列した画像パターンをスプレッドシートに表示するパターンアトラスマネージャー^[14]が含まれており、これらのパターンのサブセットをさまざまな方法で色分けし、共局在解析のためにブレンドすることができます。

拡張機能

Vaa3D はプラグインインターフェイスを使用して拡張できます。新しいプラグインの基本テンプレートを生成するために、「プラグインクリエーター」と呼ばれるウィザードが提供されています。

現在リリースされているプラグインの主なカテゴリは次のとおりです。

プラグイン作成ウィザード
カラーチャンネル管理
データ IO と変換
アトラスジェネレーション
C. elegans の応用
細胞カウント（機械学習ベースまたは画像セグメンテーションベース）
画像フィルター
画像ジオメトリ
画像登録
画像セグメンテーション
画像のつなぎ合わせと大きな画像の視覚化
映画世代
ニューロントレーシング
ニューロンツールボックス
同期ツールボックス
FlyWorkstation ユーティリティ (Janelia Farm Fly ワークステーション用)

Vaa3D は、ITK、 Matlab、Bioformats、OpenCVなどの広く使用されているソフトウェアをサポートするように拡張されています。Vaa3D-TeraFly と呼ばれる拡張機能の 1 つは、Google Earth スタイルのデータダイブインビューを使用してテラバイト単位のイメージデータを視覚化します。

参照

Vaa3Dのメインウェブサイト
Google Code がホストする Vaa3D ドキュメントサイト
Vaa3D ディスカッションフォーラム

参考文献

^ Peng, H.; et al. (2010). 「V3D により、大規模な生物学的画像データセットのリアルタイム 3D 視覚化と定量分析が可能に」Nature Biotechnology . 28 (4): 348–353. doi :10.1038/nbt.1612. PMC 2857929 . PMID 20231818.
^ Peng, H.; et al. (2014). 「Vaa3D を使用した多次元画像の拡張可能な視覚化と分析」. Nature Protocols . 9 (1): 193–208. doi :10.1038/nprot.2014.011. PMID 24385149. S2CID 11837559.
^ Eliceiri, K; et al. (2012). 「生物学的イメージングソフトウェアツール」. Nature Methods . 9 (7): 697–710. doi : 10.1038/nmeth.2084. PMC 3659807. PMID 22743775.
^ 「PNASが2012年度コッザレッリ賞受賞者6名を発表」www.nasonline.org。オックスフォード大学出版局。2013年3月12日。2013年5月1日時点のオリジナルよりアーカイブ。 2018年5月20日閲覧。
^ Peng, H.; et al. (2014). 「仮想指が3次元画像と顕微手術、テラバイト規模の画像視覚化と分析を促進」Nature Communications . 5 : 4342. Bibcode :2014NatCo...5.4342P. doi :10.1038/ncomms5342. PMC 4104457. PMID 25014658 .
^ Peng, H.; et al. (2011). 「全パス刈り込みを用いた自動3Dニューロントレーシング」.バイオインフォマティクス. 27 (13): i239–i247. doi :10.1093/bioinformatics/btr237. PMC 3117353. PMID 21685076 .
^ Xiao, H.; et al. (2013). 「APP2: グレー加重画像距離ツリーの階層的剪定に基づく 3D ニューロン形態の自動トレース」バイオインフォマティクス29 (11): 1448–1454. doi :10.1093/bioinformatics/btt170. PMC 3661058 . PMID 23603332.
^ 彭、漢川;周、志。エリック・マイヤーリング (2016)。「超大量の神経細胞画像の自動トレース」。バイオRxiv 10.1101/087726。
^ Long, F.; et al. (2009). 「C. elegansの3Dデジタルアトラスと単一細胞解析への応用」Nature Methods 6 ( 9): 667–672. doi :10.1038/nmeth.1366. PMC 2882208 . PMID 19684595.
^ Heckscher, E.; et al. (2014). 「アトラスビルダーソフトウェアとeNeuroアトラス：発生生物学と神経科学のためのリソース」.開発. 141 (12): 2524–2532. doi :10.1242/dev.108720. PMC 4050700. PMID 24917506 .
^ Aponte, Y.; et al. (2011). 「AGRP ニューロンは、訓練なしでも迅速に摂食行動を調整するのに十分な能力がある」Nature Neuroscience . 14 (3): 351–355. doi :10.1038/nn.2739. PMC 3049940. PMID 21209617 .
^ Qu, L.; et al. (2011). 「細胞の同時認識とセグメンテーション：C.elegansへの応用」バイオインフォマティクス. 27 (20): 2895–2902. doi :10.1093/bioinformatics/btr480. PMC 3187651. PMID 21849395 .
^ Qu, L.; et al. (2014). 「LittleQuickWarp: 超高速画像ワーピングツール」. Methods . 73 : 38–42. doi :10.1016/j.ymeth.2014.09.002. PMID 25233807.
^ Peng, H.; et al. (2011). 「BrainAligner: ショウジョウバエ脳の3D登録アトラス」. Nature Methods . 8 (6): 493–498. doi : 10.1038/nmeth.1602. PMC 3104101. PMID 21532582.

[1] Peng, H.; et al. (2010). 「V3D により、大規模な生物学的画像データセットのリアルタイム 3D 視覚化と定量分析が可能に」Nature Biotechnology . 28 (4): 348–353. doi :10.1038/nbt.1612. PMC 2857929 . PMID 20231818.

[2] Peng, H.; et al. (2014). 「Vaa3D を使用した多次元画像の拡張可能な視覚化と分析」. Nature Protocols . 9 (1): 193–208. doi :10.1038/nprot.2014.011. PMID 24385149. S2CID 11837559.

[3] Eliceiri, K; et al. (2012). 「生物学的イメージングソフトウェアツール」. Nature Methods . 9 (7): 697–710. doi : 10.1038/nmeth.2084. PMC 3659807. PMID 22743775.

[4] 「PNASが2012年度コッザレッリ賞受賞者6名を発表」www.nasonline.org。オックスフォード大学出版局。2013年3月12日。2013年5月1日時点のオリジナルよりアーカイブ。 2018年5月20日閲覧。

[5] Peng, H.; et al. (2014). 「仮想指が3次元画像と顕微手術、テラバイト規模の画像視覚化と分析を促進」Nature Communications . 5 : 4342. Bibcode :2014NatCo...5.4342P. doi :10.1038/ncomms5342. PMC 4104457. PMID 25014658 .

[6] Peng, H.; et al. (2011). 「全パス刈り込みを用いた自動3Dニューロントレーシング」.バイオインフォマティクス. 27 (13): i239–i247. doi :10.1093/bioinformatics/btr237. PMC 3117353. PMID 21685076 .

[7] Xiao, H.; et al. (2013). 「APP2: グレー加重画像距離ツリーの階層的剪定に基づく 3D ニューロン形態の自動トレース」バイオインフォマティクス29 (11): 1448–1454. doi :10.1093/bioinformatics/btt170. PMC 3661058 . PMID 23603332.

[8] 彭、漢川;周、志。エリック・マイヤーリング (2016)。「超大量の神経細胞画像の自動トレース」。バイオRxiv 10.1101/087726。

[9] Long, F.; et al. (2009). 「C. elegansの3Dデジタルアトラスと単一細胞解析への応用」Nature Methods 6 ( 9): 667–672. doi :10.1038/nmeth.1366. PMC 2882208 . PMID 19684595.

[10] Heckscher, E.; et al. (2014). 「アトラスビルダーソフトウェアとeNeuroアトラス：発生生物学と神経科学のためのリソース」.開発. 141 (12): 2524–2532. doi :10.1242/dev.108720. PMC 4050700. PMID 24917506 .

[11] Aponte, Y.; et al. (2011). 「AGRP ニューロンは、訓練なしでも迅速に摂食行動を調整するのに十分な能力がある」Nature Neuroscience . 14 (3): 351–355. doi :10.1038/nn.2739. PMC 3049940. PMID 21209617 .

[12] Qu, L.; et al. (2011). 「細胞の同時認識とセグメンテーション：C.elegansへの応用」バイオインフォマティクス. 27 (20): 2895–2902. doi :10.1093/bioinformatics/btr480. PMC 3187651. PMID 21849395 .

[13] Qu, L.; et al. (2014). 「LittleQuickWarp: 超高速画像ワーピングツール」. Methods . 73 : 38–42. doi :10.1016/j.ymeth.2014.09.002. PMID 25233807.

[14] Peng, H.; et al. (2011). 「BrainAligner: ショウジョウバエ脳の3D登録アトラス」. Nature Methods . 8 (6): 493–498. doi : 10.1038/nmeth.1602. PMC 3104101. PMID 21532582.