Sujet: Help Conquer Cancer project publishes paper

[julien76100]

A traduire pour ensuite mettre une petite news sur le portail :

Summary
The Help Conquer Cancer project researchers have developed an image-analysis and classification system for automatically scoring images from high-throughput protein crystallization trials.


Non-technical abstract:

The structure of cancer related proteins is important to know because their shape determines their function and role in the disease process. These proteins are usually large, so the only way to determine their structure is using x-ray crystallography. What makes this exceedingly time consuming is the necessary first step of getting the protein to crystallize. To do this, the scientists mix in varieties of compounds in the hope that this will help spur the crystallization of the protein. Using robots, many thousands of crystallization attempts are made. To determine if a crystal actually formed requires human observation and this is very time consuming.

By using World Community Grid, the scientists were able to developed an automated system for analyzing the images of the crystallization attempts and recognizing whether crystallization occurred. They have already trained the system to successfully recognize 80% of crystal-bearing images and eliminate 98% of clear drops. This significantly reduces the time required for human inspection, which should lead to much faster structure determination of proteins under study.

Eventually this should lead to a better understanding of the role of certain proteins in cancers and other diseases, which in turn should lead to identifying better treatments for these diseases.

Technical Abstract:

We have developed an image-analysis and classification system for automatically scoring images from high-throughput protein crystallization trials. Image analysis for this system is performed by the Help Conquer Cancer (HCC) project on the World Community Grid. HCC calculates 12,375 distinct image features on microbatch-under-oil images from the Hauptman-Woodward Medical Research Institute’s High-Throughput Screening Laboratory. Using HCC-computed image features and a massive training set of 165,351 hand-scored images, we have trained multiple Random Forest classifiers that accurately recognize multiple crystallization outcomes, including crystals, clear drops, precipitate, and others. The system successfully recognizes 80% of crystal-bearing images, 89% of precipitate images, and 98% of clear drops.

[julien76100]

Résumé
Les chercheurs du projet Aide Conquer Cancer ont développé un système d'analyse d'images et de classification pour marquer automatiquement les images de haute qualité (high-throughput) des essais de cristallisation des protéines.

[[AF>Libristes] Guepi]

Résumé :
Les chercheurs du projet Help Conquer Cancer (NdT : Aidez à vaincre le cancer) ont développé un système d'analyse et de classification d'images afin d'affecter automatiquement une note aux images issues des essais de cristallisation des protéines lors de criblage à haut-débit. (NdT : Criblage à haut-débit).

Abstraction non-technique :
Il est important de connaître la structure des protéines liées au cancer, car leur forme détermine leur fonction et leur rôle dans le processus de la maladie. Ces protéines sont habituellement grandes, et donc la seule manière de déterminer leur structure est d'utiliser la cristallisation aux rayons X. Ce qui rend ceci chronophage est la première étape nécessaire pour obtenir la cristallisation de la protéine. (...)

[Jaehaerys Targaryen]

Résumé :
Les chercheurs du projet Help Conquer Cancer (NdT : Aidez à vaincre le cancer) ont développé un système d'analyse et de classification d'images afin d'affecter automatiquement une note aux images issues des essais de cristallisation des protéines lors de criblage à haut-débit. (NdT : Criblage à haut-débit).

Abstraction non-technique :
Il est important de connaître la structure des protéines liées au cancer, car leur forme détermine leur fonction et leur rôle dans le processus de la maladie. Ces protéines sont habituellement grandes, et donc la seule manière de déterminer leur structure est d'utiliser la cristallisation aux rayons X. Ce qui rend ceci chronophage est la première étape nécessaire pour obtenir la cristallisation de la protéine. (...)

Merci pour les explications...

[julien76100]

(...). Pour faire ceci, les scientifiques mélangent des variétés de composés dans l'espoir que cela aidera à stimuler la cristallisation de la protéine. L'utilisation de robots, permet de faire des milliers de tentatives de cristallisation. Pour déterminer si un cristal est réellement formé, l'observation de l'homme est nécessaire et cela est très coûteux en temps.

En utilisant "World Community Grid", les scientifiques ont pu développé un système automatisé pour analyser les images des tentatives de cristallisation et de reconnaître si la cristallisation s'est produite. Ils ont déjà formé le système pour qu'il puisse reconnaitre avec succès 80% des images de crystal-bearing et pour éliminer 98% des clear drops. Cela réduit considérablement le temps requis pour l'inspection humaine, ce qui devrait aboutir beaucoup plus rapidement à la détermination des structures des protéines étudiées.
   
Finalement, ceci devrait conduire à une meilleure compréhension du rôle de certaines protéines dans les cancers et autres maladies, ce qui devrait conduire à l'identification de meilleurs traitements pour ces maladies.

[julien76100]

Y a pas quelqu'un pour finir le dernier paragraphe ? Car il est un peu trop technique pour moi... Et relire les autres par la même occasion 

[al@ON]

...
En utilisant "World Community Grid", les scientifiques ont pu développer un système automatisé pour analyser les images des tentatives de cristallisation et de reconnaître si la cristallisation s'est produite.
...

 

[[AF>Libristes] Guepi]

Ils ont déjà formé le système pour qu'il puisse reconnaitre avec succès 80% des images de crystal-bearing et pour éliminer 98% des clear drops.

Ils ont déjà formé entrainé le système pour qu'il puisse reconnaitre qui reconnait déjà avec succès 80% des images de crystal-bearing contenant une cristallisation et pour éliminer qui élimine 98% des clear drops ~gouttes claires (NdT : échecs ).

[[AF>Libristes] Guepi]

Technical Abstract:

We have developed an image-analysis and classification system for automatically scoring images from high-throughput protein crystallization trials. Image analysis for this system is performed by the Help Conquer Cancer (HCC) project on the World Community Grid. HCC calculates 12,375 distinct image features on microbatch-under-oil images from the Hauptman-Woodward Medical Research Institute’s High-Throughput Screening Laboratory. Using HCC-computed image features and a massive training set of 165,351 hand-scored images, we have trained multiple Random Forest classifiers that accurately recognize multiple crystallization outcomes, including crystals, clear drops, precipitate, and others. The system successfully recognizes 80% of crystal-bearing images, 89% of precipitate images, and 98% of clear drops.

Abstraction technique :

Nous avons développé un système d'analyse et de classification d'images afin d'affecter automatiquement une note aux images issues des essais de cristallisation des protéines lors de criblage à haut-débit. L'analyse des images pour ce système est effectué par le projet Help Conquer Cancer (Aider à vaincre le cancer) sur le World Community Grid. Le projet Help Conquer Cancer analyse 12 375 éléments d'image différent sur des images issues d'un traitement par processus sous huile provenant du laboratoire d'imagerie de criblage à haut-débit de l'Institut de Recherche Médicale Hauptman-Woodward. En utilisant les composants d'image calculés par le projet Help Conquer Cancer et avec un lot d'entrainements importants constitués de 165 351 images notées manuellement, nous avons pu entrainer plusieurs systèmes de classement à base d'arbres aléatoires qui reconnait précisément plusieurs types de cristallisation, dont les cristaux, les échecs, les précipités et d'autres.

[julien76100]

Je te laisse publier l'article :-)

[[AF>Libristes] Guepi]

Je te laisse publier l'article :-)

Je t'en prie.
Tu as initié la chose. 

[julien76100]

Bon voila c'est posté. Si Jip peut y jeter un petit coup d'oeil avant de la publier officiellement, elle est dans article>biologie, car je me suis un peu battu avec l'image mais je crois que c'est bon.




EDIT : J'ai publié, tout à l'air ok. Si quelqu'un peu aussi déplacer ce post dans la rubrique "traduit". Merci