주변 세포의 구조적, 생화학적 지지체를 제공하는 세포 외 기질은 세포의 분열과 분화 등을 좌우하는 세포생리 조절인자이다. 바이오 분야에서는 3차원조직공학 지지체인 스캐폴드를 제작하고, 제작한 스캐폴드에 줄기세포를 배양해 동물에 이식해 조직 재생력을 평가한다. 이는 조직 내 콜라겐과 같은 구성성분에 좌우된다. 따라서 조직 내 구성성분의 포함율 및 분포를 파악하는 것이 매우 중요한데, 이에 관한 데이터를 염색된 조직 이미지의 색상을 분석함으로써 얻어낸다. 이때 이미지 수집부터 분석까지의 과정이 적지 않은 비용이 소모되고 있고, 수집되고 분석된 데이터를 연구 기관마다 상이한 포맷으로 관리하고 있다. 따라서 데이터 통합관리 및 분석결과 검색 등이 이루어지지 않고 있다. 본 논문에서는 관련 빅데이터를 통합적으로 관리할 수 있는 데이터베이스를 구축하고, 이 연구 분야에서 중요한 분석 척도인 색상을 기준으로 검색할 수 있는 바이오 이미지 통합 관리 및 검색 시스템을 제안한다.
주변 세포의 구조적, 생화학적 지지체를 제공하는 세포 외 기질은 세포의 분열과 분화 등을 좌우하는 세포생리 조절인자이다. 바이오 분야에서는 3차원 조직공학 지지체인 스캐폴드를 제작하고, 제작한 스캐폴드에 줄기세포를 배양해 동물에 이식해 조직 재생력을 평가한다. 이는 조직 내 콜라겐과 같은 구성성분에 좌우된다. 따라서 조직 내 구성성분의 포함율 및 분포를 파악하는 것이 매우 중요한데, 이에 관한 데이터를 염색된 조직 이미지의 색상을 분석함으로써 얻어낸다. 이때 이미지 수집부터 분석까지의 과정이 적지 않은 비용이 소모되고 있고, 수집되고 분석된 데이터를 연구 기관마다 상이한 포맷으로 관리하고 있다. 따라서 데이터 통합관리 및 분석결과 검색 등이 이루어지지 않고 있다. 본 논문에서는 관련 빅데이터를 통합적으로 관리할 수 있는 데이터베이스를 구축하고, 이 연구 분야에서 중요한 분석 척도인 색상을 기준으로 검색할 수 있는 바이오 이미지 통합 관리 및 검색 시스템을 제안한다.
The extracellular matrix, which provides the structural and biochemical support of surrounding cells, is a cell physiological modulator that controls cell division and differentiation. In the bio sector, the company produces Scapold, a three-dimensional support for tissue engineering, and cultivates...
The extracellular matrix, which provides the structural and biochemical support of surrounding cells, is a cell physiological modulator that controls cell division and differentiation. In the bio sector, the company produces Scapold, a three-dimensional support for tissue engineering, and cultivates stem cells in the produced Scapold to be transplanted into animals to assess tissue regeneration. This depends on components such as collagen in the tissue. Therefore, it is very important to identify the inclusion rate and distribution of components in the tissue, and the data are obtained by analyzing the color of the dyed tissue image. The process from image collection to analysis is costly, and the data collected and analyzed are managed in different formats by different research institutions. Therefore, data integration management and analysis results search are not being performed. In this paper, we establish a database that can manage relevant bigdata in an integrated manner, and propose a bio-image integrated management and retrieval system that can be searched based on color, an important analytical measure in this field of study.
The extracellular matrix, which provides the structural and biochemical support of surrounding cells, is a cell physiological modulator that controls cell division and differentiation. In the bio sector, the company produces Scapold, a three-dimensional support for tissue engineering, and cultivates stem cells in the produced Scapold to be transplanted into animals to assess tissue regeneration. This depends on components such as collagen in the tissue. Therefore, it is very important to identify the inclusion rate and distribution of components in the tissue, and the data are obtained by analyzing the color of the dyed tissue image. The process from image collection to analysis is costly, and the data collected and analyzed are managed in different formats by different research institutions. Therefore, data integration management and analysis results search are not being performed. In this paper, we establish a database that can manage relevant bigdata in an integrated manner, and propose a bio-image integrated management and retrieval system that can be searched based on color, an important analytical measure in this field of study.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
조직 샘플 이미지 데이터와 색상 분석을 통한 실험의 결과들을 체계적으로 저장하고 공유하고 검색하는 통합 관리 시스템이 필요한 이유라 하겠다. 이에 본 논문에서는 바이오 관련 세포 및 조직 이미지의 시각적 요소들을 효과적으로 분석하고 체계적으로 저장할 수 있는 시스템인 Visual Cell을 설계하였다. Visual Cell은 바이오 분야 이미지들의 통합 저장 관리뿐만 아니라 색상 또는 색상에 반응한 조직의 특정 구성 성분을 입력 조건으로 하는 통합 검색이 가능하다.
이에 본 논문에서는 확보한 현미경 촬영 이미지에 대한 컬러 히스토그램 분석을 수행하고, 분석 결과를 관련 이미지와 함께 정보화하여 데이터베이스에 저장하여 관리함으로써 향후 연구 또는 관련 연구에 활용할 수 있는 시스템 Visual Cell을 설계하고 구축한다. Visual Cell은 이미지의 색상 정보를 이용하여 검색 및 열람할 수 있는 시스템으로, 이미지의 기본 정보와 함께 OpenCV-python2)라이브러리를 이용하여 색상 분석한 결과를 통합적으로 관리하는 데이터베이스를 설계하고 연동하였다.
제안 방법
의생명과학, 조직공학 등의 바이오 분야에서는 줄기세포 분화를 위한 3차원 조직공학 지지체 연구가 진행되고 있다. 이러한 연구들에서는 줄기세포 분화 및 배양용 스캐폴드를 제조하고, 제작된 스캐폴드에서 배양한 세포를 동물 실험하여 조직재생력을 평가한다. 이식한 조직 및 세포의 기능을 조절하는 중요한 역할을 수행하며 세포의 수축, 이동, 생장, 분화, 사멸[8,9,10,11,12]과 같은 일련의 과정을 유연하게 조절하는 등 기능성의 중요한 역할을 수행하는 것이 세포 외 기질의 유연성이며, 이는 주로 콜라겐과 엘라스틴의 농도에 의존한다[13].
생체모방형 스캐폴드에서 분화 및 배양한 세포의 조직재생력 실험에서는, 세포 배양의 최적의 환경을 조성하기 위한 스캐폴드의 제작 성분 및 구성 비율, 세포 배양 기간 등 여러 복합적인 조건 하에서 세포를 배양하고, 이를 동물에 이식하여 재생된 조직의 샘플을 현미경 촬영한다. 촬영한 조직 샘플에서 분석 대상인 구성 성분을 염색하고 염색된 색상의 분포나 비율을 분석하여 조직재생력을 평가하는데 이때 주로 imageJ와 같은 이미지 분석 도구를 이용한다.
바이오 이미지 내에서 유의미한 정보를 추출하기 위하여 구성 성분을 염색하는 작업을 시행한 후 촬영한다. 따라서 바이오 이미지의 색상정보에 해당 세포의 구성 성분에 대한 정보가 담기게 된다.
하지만 위와 같은 툴은 웹 시스템환경에 내장하기 힘들다는 단점이 있다. 본 논문에서는 구현하지 않지만 추후 연구를 통하여 웹 시스템 내 분석기능 내장을 위하여 위와 같은 툴을 이용하지 않고 이미지를 분석하였다. 이를 위하여 파이썬 라이브러리인 OpenCV-python을 이용한다.
이 때 남아 있는 부분만 추출 해낸 뒤 픽셀 수를 구한다. 그 후 같은 방식으로 특정 HSV 범위에 있는 픽셀 수를 구한 후 그 값을 세포 부분의 픽셀 수로 나누어 해당 색상의 비율을 구한다.
바이오 이미지의 색 분포를 한눈에 쉽게 인지하기 위하여 이미지의 대표색을 추출한다. 이때 이미지는 색상분포 추출 과정에서 배경을 제거된 이미지를 사용한다.
바이오 이미지의 색상을 클러스터링 하기 위하여 KMeans3) 라이브러리를 사용하는데, 이를 위하여 먼저 3차원의 배열을 2차원으로 바꾸어주는 작업을 실행하는데, 이떄 배열의 크기는 세로픽셀수와 가로픽셀수를 곱한 값과 같다. 2차원으로 축소 된 배열을 Kmeans 라이브러리를 사용하여 이미지를 클러스터링 한다. 그 후 OpenCV를 사용하여 클러스터링 된 색상의 HSV 값을 추출한다.
그에 대한 구조는 <표 1>과 같다. 시스템에 출력하기 위하여 이미지 파일의 이름과 이미지 주소를 각각 imgname과 image_path에 저장하고, 배양날짜 정보를 incubation, 세포에 대한 설명을 description, 기타 정보를 etc에 저장한다.
바이오 관련 차후 연구에 유용하게 쓰이기 위해서 기존 바이오 이미지 검색 시스템에서 쓰이는 검색 조건(종, 이름, 설명 등)과 색상 정보를 통하여 검색하는 기능을 제공한다. 해당 조직을 추출한 생물의 종은 Species, 배양 날짜는 Incubation, 설명은 Description 항목으로 검색이 가능하며, 색상 정보는 Color 항목으로 가능하다.
바이오 분야에서는 줄기세포 분화를 위한 3차원 인공 지지체를 제조하고 배양한 세포의 조직재생력을 평가하는 연구가 진행되고 있다. 세포 및 조직의 재생력 평가 실험에서는 조직 샘플에서 분석 대상이 되는 성분을 염색하고 현미경 촬영한다. 촬영한 이미지에 대해서 염색제에 반응한 특정 성분의 색상 분포를 분석하여 재생력을 평가한다.
세포 및 조직의 재생력 평가 실험에서는 조직 샘플에서 분석 대상이 되는 성분을 염색하고 현미경 촬영한다. 촬영한 이미지에 대해서 염색제에 반응한 특정 성분의 색상 분포를 분석하여 재생력을 평가한다.
세포 내 특정 색상의 분포를 알아내기 위하여 먼저 세포에 해당하는 부분이 아닌 배경 부분을 제거할 필요가 있다. 이를 위해 OpenCV를 이용하여 이미지를 HSV값을 갖는 배열로 반환하고, 배경이 아닌 부분에 해당하는 HSV값의 범위를 설정하여 해당 범위에 포함되는 부분을 반환한다. 그 후 원본 이미지와 반환 값의 AND 연산을 취한다.
이론/모형
본 논문에서는 구현하지 않지만 추후 연구를 통하여 웹 시스템 내 분석기능 내장을 위하여 위와 같은 툴을 이용하지 않고 이미지를 분석하였다. 이를 위하여 파이썬 라이브러리인 OpenCV-python을 이용한다.
OpenCV를 이용하여 색상을 분석하기 위하여 색을 표현하는 방식을 정할 필요가 있다. 색상 분석에는 명도와 채도를 기준으로 분석하기보다는 색상을 기준으로 표현하는 것이 효과적이기 때문에, 색상(Hue), 채도(Saturation), 명도(Value)를 기준으로 하는 HSV 모델을 사용한다. 세포 내 특정 색상의 분포를 알아내기 위하여 먼저 세포에 해당하는 부분이 아닌 배경 부분을 제거할 필요가 있다.
후속연구
바이오 이미지는 특정 염색제에 반응하여 고유한 색상 정보를 갖는 구성 성분을 분석하는 등, 연구의 특성상 색상 정보가 매우 중요한 의미를 갖는 만큼 이러한 복합적 기능을 갖춘 통합 검색 시스템이 유용하다 할 것이다.
이미지 자체의 해상도를 높이는 문제, 손상된 이미지의 복원 등의 기술들을 적용하여 분석의 질을 높이는 기법의 탑재 방법 등을 향후 연구 과제로 남긴다. 제안하는 시스템을 통하여 해당 분야 연구자들이 이미지 분석의 효율을 높이고, 체계적으로 저장된 기존 분석 결과를 활용하여 필요한 지식 및 정보들을 효과적으로 획득할 수 있기를 기대한다.
이미지 자체의 해상도를 높이는 문제, 손상된 이미지의 복원 등의 기술들을 적용하여 분석의 질을 높이는 기법의 탑재 방법 등을 향후 연구 과제로 남긴다. 제안하는 시스템을 통하여 해당 분야 연구자들이 이미지 분석의 효율을 높이고, 체계적으로 저장된 기존 분석 결과를 활용하여 필요한 지식 및 정보들을 효과적으로 획득할 수 있기를 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
세포 외 기질(Extracellular matrix, ECM)이란 무엇인가?
세포 외 기질(Extracellular matrix, ECM)은 주변 세포의 구조적, 생화학적 지지체를 제공하는 세포 외 거대 분자의 3차원 구조체이다[1,2,3]. 이 세포 외 기질은 세포의 분열과 분화 등을 좌우하는 세포 생리 조절인자[4]로서 세포 부착, 세포 간 소통 등의 역할을 수행한다[5].
ImageJ, QuPath와 같은 툴을 사용한 이유는 무엇인가?
따라서 특정색상으로 염색된 부분의 비율을 구하는 것은 해당 조직의 특정 구성성분의 비율을 구하는 것이 된다. 특정 색상이 차지하는 비율을 계산하기 위하여 기존에는 ImageJ, QuPath와 같은 툴을 이용 하였다. 하지만 위와 같은 툴은 웹 시스템환경에 내장하기 힘들다는 단점이 있다.
콜라겐 및 엘라스틴의 포함율 및 분포를 분석하는 것이 중요한 이유는 무엇인가?
이러한 연구들에서는 줄기세포 분화 및 배양용 스캐폴드를 제조하고, 제작된 스캐폴드에서 배양한 세포를 동물 실험하여 조직재생력을 평가한다. 이식한 조직 및 세포의 기능을 조절하는 중요한 역할을 수행하며 세포의 수축, 이동, 생장, 분화, 사멸[8,9,10,11,12]과 같은 일련의 과정을 유연하게 조절하는 등 기능성의 중요한 역할을 수행하는것이 세포 외 기질의 유연성이며, 이는 주로 콜라겐과 엘라스틴의 농도에 의존한다[13].
Michel G, Tonon T, Scornet D, Cock JM, Kloareg B (October 2010). "The cell wall polysaccharide metabolism of the brown alga Ectocarpus siliculosus. Insights into the evolution of extracellular matrix polysaccharides in Eukaryotes". The New Phytologist. 188 (1): 82-97. doi:10.1111/j.14 69-8137.2010.03374.x. PMID 20618907.open access
Di Lullo, G. A., Sweeney, S. M., Korkko, J., Ala-Kokko, L., & San Antonio, J. D. (2002). Mapping the ligand-binding sites and disease-associated mutations on the most abundant protein in the human, type I collagen. Journal of Biological Chemistry, 277(6), 4223-4231.
Di Lullo, G. A., Sweeney, S. M., Korkko, J., Ala-Kokko, L., & San Antonio, J. D. (2002). Mapping the ligand-binding sites and disease-associated mutations on the most abundant protein in the human, type I collagen. Journal of Biological Chemistry, 277(6), 4223-4231.
Lo, C. M., Wang, H. B., Dembo, M., & Wang, Y. L. (2000). Cell movement is guided by the rigidity of the substrate. Biophysical journal, 79(1), 144-152.
Hadjipanayi, E., Mudera, V., & Brown, R. A. (2009). Close dependence of fibroblast proliferation on collagen scaffold matrix stiffness. Journal of tissue engineering and regenerative medicine, 3(2), 77-84.
Wang, H. B., Dembo, M., & Wang, Y. L. (2000). Substrate flexibility regulates growth and apoptosis of normal but not transformed cells. American Journal of Physiology-Cell Physiology, 279(5), C1345-C1350.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.