Explorer la ressource de données d’images#
Pour télécharger des images depuis la ressource de données d’images (IDR), vous n’avez besoin que d’un lien, par exemple pour demander les données au format tif. Vous pouvez ensuite utiliser scikit-image pour ouvrir l’image.
Certains des exemples de code montrés ci-dessous ont été adaptés du site web de l’API IDR sous licence de l’Université de Dundee & Open Microscopy Environment sous la Licence Creative Commons Attribution 4.0 International.
Dans l’exemple suivant, nous téléchargeons des données d’image de Stojic et al partagées sous la licence CC BY 4.0 disponibles sur l’IDR à cette URL : https://idr.openmicroscopy.org/webclient/?show=screen-2302 Voir aussi la publication associée : https://www.nature.com/articles/s41467-020-14978-7
from skimage.io import imread, imshow
import json
import requests
original_link = 'https://idr.openmicroscopy.org/webclient/render_image_download/9629351/?format=tif'
edited_link = 'https://idr.openmicroscopy.org/webclient/render_image/9629351/'
image = imread(edited_link)
imshow(image)
<matplotlib.image.AxesImage at 0x1ce26571730>
De plus, vous pouvez assembler le lien à partir d’un lien générique si vous connaissez l’identifiant de l’image que vous souhaitez télécharger.
generic_image_url = "https://idr.openmicroscopy.org/webclient/render_image/{image_id}/"
image_id = 9629351
# combine generic url with image ID
image_url = generic_image_url.format(**{"image_id":image_id})
# download and show image
image = imread(image_url)
imshow(image)
<matplotlib.image.AxesImage at 0x1ce280c7880>
L’interface de programmation d’application (API) de l’IDR vous permet également de parcourir techniquement la base de données. L’image montrée ci-dessus fait partie de l’écran 2303. Tout d’abord, nous allons examiner les annotations de métadonnées fournies avec cet ensemble de données.
# configure which dataset to browse
screen_id = 2302
MAP_URL = "https://idr.openmicroscopy.org/webclient/api/annotations/?type=map&{type}={screen_id}"
# open an interface to the internet
with requests.Session() as session:
# turn the generic MAP_URL into a specific URL for the screen
qs = {'type': 'screen', 'screen_id': screen_id}
url = MAP_URL.format(**qs)
# go throuh all annotations and print them out
for a in session.get(url).json()['annotations']:
namespace = a['ns']
for v in a['values']:
key = v[0]
value = v[1]
print (key, value)
Screen A https://idr.openmicroscopy.org/webclient/?show=screen-2301
Screen B https://idr.openmicroscopy.org/webclient/?show=screen-2302
Screen C https://idr.openmicroscopy.org/webclient/?show=screen-2303
Overview https://idr.openmicroscopy.org/webclient/?show=screen-2304
Sample Type cell
Organism Homo sapiens
Study Title Identification of long noncoding RNAs in regulation of cell division
Study Type high content screen
Screen Type primary screen
Screen Technology Type RNAi screen
Imaging Method spinning disk confocal microscopy
Publication Title A long noncoding RNA regulates microtubule behaviour during mitosis
Publication Authors Stojic L, Lun ATL, Mascalchi P, Ernst C, Redmond AM, Mangei J, Cooper S, Barr AR, Taylor C, Franklin VNR, Bakal C, Marioni JC, Odom DT, Gergely F
PubMed ID 32296040 https://www.ncbi.nlm.nih.gov/pubmed/32296040
PMC ID PMC7160116 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7160116
Publication DOI 10.1038/s41467-020-14978-7 https://doi.org/10.1038/s41467-020-14978-7
Release Date 2020-03-03
License CC BY 4.0 https://creativecommons.org/licenses/by/4.0/
Copyright Stojic et al
Data Publisher University of Dundee
Data DOI 10.17867/10000133b https://doi.org/10.17867/10000133b
BioStudies Accession S-BIAD3 https://www.ebi.ac.uk/biostudies/studies/S-BIAD3
Annotation File idr0056-screenB-annotation.csv https://github.com/IDR/idr0056-stojic-lncrnas/blob/HEAD/screenB/idr0056-screenB-annotation.csv
Ensuite, nous pouvons parcourir les sous-ensembles de données. Nous examinons un ensemble de données de criblage à haut contenu (HCS), qui est généralement organisé en plaques. Une boucle for nous permet de jeter un coup d’œil aux plaques disponibles.
PLATES_URL = "https://idr.openmicroscopy.org/webclient/api/plates/?id={screen_id}"
qs = {'screen_id': screen_id}
# assemble a specific ULR from the generic URL
url = PLATES_URL.format(**qs)
# go through all plates
for p in session.get(url).json()['plates']:
plate_id = p['id'] # note, we will use this variable further down
print (p['id'], p['name'], p['childCount'])
7361 1977 1
7368 1978 1
7366 1981 1
7367 1982 1
7379 1983 0
7369 1984 1
7371 1985 1
7370 1986 1
7372 1987 1
7375 1988 1
Les plaques sont organisées en puits (dans le monde numérique, on pourrait les appeler des tableaux) et donc, nous pouvons parcourir tous les puits de manière similaire à la façon dont nous parcourons les plaques. Cette fois, nous nous arrêterons après la première rangée d’images pour ne voir que quelques petites vignettes. Regarder les vignettes est très logique tant que vous n’avez pas besoin des données d’image complètes et que vous parcourez simplement la base de données.
WELLS_IMAGES_URL = "https://idr.openmicroscopy.org/webgateway/plate/{plate_id}/{field}/"
THUMBNAIL_URL = "https://idr.openmicroscopy.org/webclient/render_thumbnail/{image_id}/"
qs = {'plate_id': plate_id, 'field': 0}
url = WELLS_IMAGES_URL.format(**qs)
grid = session.get(url).json()
rowlabels = grid['rowlabels']
collabels = grid['collabels']
# go through the well of images.
for row in grid['grid']:
for cell in row:
if cell is not None:
# read image specific information we will use this variable further down
image_id = cell['id']
# print image ID and show thumbnail
print(image_id)
thumbnail = imread(THUMBNAIL_URL.format(**{'image_id':image_id}))
imshow(thumbnail)
# leave after first image
break
# leave after first row
break
9762957
Pour récupérer l’image entière, nous pouvons utiliser le code montré au début.
generic_image_url = "https://idr.openmicroscopy.org/webclient/render_image/{image_id}/"
# combine generic url with image ID
image_url = generic_image_url.format(**{"image_id":image_id})
# download and show image
image = imread(image_url)
imshow(image)
<matplotlib.image.AxesImage at 0x1ce2836e1c0>
De plus, nous pouvons imprimer les métadonnées en utilisant json. Note : Nous pouvons examiner les métadonnées sans télécharger l’image.
qs = {'image_id': image_id}
IMAGE_DETAILS_URL = "https://idr.openmicroscopy.org/webclient/imgData/{image_id}/"
url = IMAGE_DETAILS_URL.format(**qs)
r = session.get(url)
if r.status_code == 200:
print (json.dumps(r.json(), indent=4, sort_keys=True))
{
"channels": [
{
"active": true,
"coefficient": 1.0,
"color": "FF0000",
"emissionWave": null,
"family": "linear",
"inverted": false,
"label": "alpha-tubulin (microtubule cytoskeleton)",
"reverseIntensity": false,
"window": {
"end": 187.0,
"max": 65535.0,
"min": 0.0,
"start": 0.0
}
},
{
"active": true,
"coefficient": 1.0,
"color": "00FF00",
"emissionWave": null,
"family": "linear",
"inverted": false,
"label": "gamma-tubulin (centrosomes)",
"reverseIntensity": false,
"window": {
"end": 342.0,
"max": 65535.0,
"min": 0.0,
"start": 0.0
}
},
{
"active": true,
"coefficient": 1.0,
"color": "0000FF",
"emissionWave": null,
"family": "linear",
"inverted": false,
"label": "phospho-histone H3 serine 10 (mitotic cells)",
"reverseIntensity": false,
"window": {
"end": 117.0,
"max": 65535.0,
"min": 0.0,
"start": 1.0
}
},
{
"active": false,
"coefficient": 1.0,
"color": "FF0000",
"emissionWave": null,
"family": "linear",
"inverted": false,
"label": "Hoechst (DNA)",
"reverseIntensity": false,
"window": {
"end": 381.0,
"max": 65535.0,
"min": 0.0,
"start": 0.0
}
}
],
"id": 9762957,
"init_zoom": 0,
"interpolate": true,
"meta": {
"datasetDescription": "",
"datasetId": null,
"datasetName": "Multiple",
"imageAuthor": "Public data",
"imageDescription": "",
"imageId": 9762957,
"imageName": "1988 [Well A-1; Field #1]",
"imageTimestamp": 1404512029.0,
"pixelsType": "uint16",
"projectDescription": "",
"projectId": null,
"projectName": "Multiple",
"wellId": 1475376,
"wellSampleId": ""
},
"perms": {
"canAnnotate": false,
"canDelete": false,
"canEdit": false,
"canLink": false
},
"pixel_range": [
0,
65535
],
"pixel_size": {
"x": 0.6459,
"y": 0.6459,
"z": null
},
"rdefs": {
"defaultT": 0,
"defaultZ": 0,
"invertAxis": false,
"model": "color",
"projection": "normal"
},
"size": {
"c": 4,
"height": 493,
"t": 1,
"width": 659,
"z": 1
},
"split_channel": {
"c": {
"border": 2,
"gridx": 3,
"gridy": 2,
"height": 992,
"width": 1985
},
"g": {
"border": 2,
"gridx": 2,
"gridy": 2,
"height": 992,
"width": 1324
}
},
"tiles": false
}