ClearMap 2 使用教程

1. 项目介绍

ClearMap 2 是一个用于分析和注册来自透明组织的体积数据的工具箱。它是 ClearMap 1.0 的升级版本，专为处理 TB 级的大数据集而设计。ClearMap 2 包含多个模块，如 WobblyStitcher、TubeMap 和 CellMap，分别用于非刚性拼接、血管网络提取和细胞活动标记提取。

ClearMap 2 的主要功能包括：

• 图形用户界面（GUI），提供多种辅助工具。
• 改进的图谱对齐功能，支持更多图谱和半球信息。
• 基于地标的注册和批处理模式。
• 新的可视化工具，用于显示检测到的细胞。

2. 项目快速启动

安装

首先，确保你已经安装了 Python 3 和必要的依赖库。然后，按照以下步骤安装 ClearMap 2：

# 克隆 ClearMap 2 仓库
git clone https://github.com/ChristophKirst/ClearMap2.git

# 进入项目目录
cd ClearMap2

# 运行安装脚本
./install_gui.sh

启动 GUI

安装完成后，可以通过以下命令启动 ClearMap 2 的图形用户界面：

./start_gui.sh

示例代码

以下是一个简单的示例代码，展示如何使用 ClearMap 2 进行细胞检测：

import ClearMap.Scripts.CellMap as cm

# 初始化工作空间
cm.initialize_workspace()

# 导入原始数据
cm.import_raw_data(directory='/path/to/data')

# 进行细胞检测
cm.detect_cells()

3. 应用案例和最佳实践

应用案例

ClearMap 2 已被用于分析通过光片显微镜获取的 iDISCO+ 透明组织样本的 O(TB) 3D 数据集。例如，Renier 等人在 2016 年使用 ClearMap 分析了小鼠大脑中的即时早期基因（IEG），Kirst 等人在 2020 年使用 ClearMap 分析了小鼠大脑的血管网络。

最佳实践

1. 数据预处理：在导入数据之前，确保数据格式正确，并且分辨率与图谱匹配。
2. 参数调整：根据实验数据调整细胞检测参数，以获得最佳的检测结果。
3. 并行处理：利用现代工作站的并行处理能力，加快数据处理速度。

4. 典型生态项目

ClearMap 2 作为一个开源工具，与其他生物图像分析工具和库有良好的兼容性。以下是一些典型的生态项目：

• Fiji：用于图像查看和初步处理的图像处理工具。
• Elastix：用于图像配准的开源工具，ClearMap 2 使用 Elastix 进行图谱对齐。
• Jupyter Notebook：用于交互式数据分析和可视化的工具，ClearMap 2 提供了多个 Jupyter Notebook 教程。

通过这些工具的结合使用，可以更高效地进行生物图像数据的分析和处理。