在上一篇文章（Python 孔板（微量滴定板分析）：数据结构----1_砷在氟中的博客-CSDN博客），我们已经将孔板作为虚拟对象进行了处理，接下来将其作为物理对象进行处理。对于希望实验室自动化和机器人技术创建高通量的流程的任何人来说，实验室的孔板都是受欢迎的对象，并且有大量的实验室仪器和机器人可以自动在多孔板中进行实验、监控、并从中读取数据。为了进行以上任何一种操作，所用的计算机驱动机械都要有某种形式的孔板物理图。
1.建立孔板的物理坐标系
图1显示了用于物理映射的多孔板的简单方案，并进行了一下假设。我们在三个坐标系中将第一个孔称为1、（1，1）或 “A01”，它是板左上方的那个孔。并且我们以左上角为原点建立二维坐标系。板上从左向右的x轴定义了从其边缘开始的宽度，从上向下的y轴定义了从其边缘开始的高度。因此，您会注意到由于原点在左上角，所以行号x逐渐递增，而列号y逐渐递减。最左列的孔相当于板的左边缘位置，可以通过一个x的偏移量xb定义。类似地，最上排孔相对于板顶部边缘的位置可以由一个y的偏移量yb表示。每个孔的内径由参数d表示，假设孔的间距在水平和垂直方向上均等，并由单个参数p表示。
图1 96孔板的物理布局
在清楚了孔板的坐标系构建后，我们在Plate类中构建了definePhysicalMap的方法，以显示上述坐标系的构建，代码如下：
def definePhysicalMap(self, width, height, xBorder, yBorder, diameter, pitch, stepsize):
self.width = width
self.height = height
self.xBorder = xBorder
self.yBorder = yBorder
self.diameter = diameter
self.pitch = pitch
self.stepSize = stepsize
self.xwells = []
self.ywells = []
#水平孔位置xpos初始化为实例变量xBorder+孔直径的一半，也就是第一个孔的中心位置
xpos = self.xBorder + self.diameter/2.0
#for循环遍历板上的列数，每次将当前列位置附加到xwell列表中，然后再将孔间距pitch添加到当前位置，以计算下一个位置。
#因此，从最左边的孔中心开始，这意味着所有后续孔的位置也将对应与各个孔的中心。
for nx in range(0,self.columns):
self.xwells.append(xpos)
xpos += self.pitch
#按照x轴的类似操作，来生成y的垂直行位置ywell列表，但由于在y轴的负方向，因此需要使用减号
ypos = -self.yBorder - self.diameter/2.0
for ny in range(0,self.rows):
self.ywells.append(ypos)
ypos -= self.pitch
#initializePlateHead()用来初始化坐标的原点（0，0）
self.initializePlateHead()
self.setPlotCurrentPosition()参数width和height对应于上述板在x和y方向的尺寸。xBroder和yBroder对应于xb和yb，diameter对应于d，pitch对应于p。此外，您还可能注意到，还有一个stepSize参数，该参数定义了板在x和y方向上线性运动的单个步长的大小。stepSize参数必须与其他参数使用相同的单位，并且通常只是这些单位的一小部分。例如板的尺寸以毫米为单位，则stepSize为0.01。这相当于步长为百分之一毫米。因此对于这种配置，为我们在选择方向上实现了1mm的线性运动，机器控制系统必须向机器人或仪器驱动电机发送100步。
此外，我们还添加了初始化的方法，即将坐标返回至原点，代码如下：
def initializePlateHead(self):
self.x = 0
self.y = 0
#status为True表示可视化当前孔板的位置，为False表示不显示当前孔的位置，并且孔中黄色的点表示当前位置
def setPlotCurrentPosition(self, status = False, color = 'yellow'):
self.plotCurrentPosition = status
self.currentPositionColor = color然后，为获取每个孔的坐标，我们定义了mapWell的方法。并且在mapWell中用了之前在Python 孔板（微量滴定板分析）：数据结构----1_砷在氟中的博客-CSDN博客中的map()的方法，因此我们建议将本文章中的代码也一起加入到之前的Plate类中，用到的时候一并调用即可。
#mapWell返回的是（行，列）形式的坐标，减1平板的坐标系都是从1开始索引的，而python的索引是从0开始的。
def mapWell(self, loc):
m = self.map(loc)[Plate.mapPosition['position2D']]
xpos = self.xwells[m[1]-1]
ypos = self.ywells[m[0]-1]
#返回的是关于坐标的一个元组
return (xpos, ypos)
#测试代码：
p = Plate('My 96-well Plate', 8, 12)
p.definePhysicalMap(127.71, 85.43, 14.36, 10.0, 3.47, 9.0, 0.1)
print(p.mapWell(1))
print(p.mapWell(2))
print(p.mapWell(12))
print(p.mapWell(85))
print(p.mapWell(96))
===================运行结果==============
(16.095, -11.735)
(25.095, -11.735)
(115.095, -11.735)
(16.095, -74.735)
(115.095, -74.735)2.孔板上移动的编程
现在我们已经可以定义孔板
上的任何物理位置，然后将坐标发送到机器人，以便计算两坐标之间的差，然后可以利用stepSize参数来计算到达目的地所需的x和y的步数。代码如下：
#moveTo方法将一个孔位作为目标（destination），计算出从板的当前位置（self.x, self.y）到达目标（destination）所需的x和y的步数，
#并在此过程中，将该位置更新为孔板的当前位置。
def moveTo(self, loc):
pos = self.mapWell(loc)
#stepSize参数用来计算到达目的地所需要的x和y的步数
stepsPerUnit = 1.0/self.stepSize
newx = int(round(pos[0] * stepsPerUnit))
newy = int(round(pos[1] * stepsPerUnit))
xshift = newx - self.x
yshift = newy - self.y
self.x += xshift
self.y += yshift
return (xshift, yshift)
#测试
p = Plate('My 96-well Plate', 8, 12)
#移动到第一个孔
print(p.moveTo(1))
#打印从原点到第一个孔所需要移动的步数
print(p.x, p.y)
#第一个孔的坐标
print(p.mapWell(1))
#移动到第二个孔
print(p.moveTo(2))
#打印从第一个孔到第二个孔所需要移动的步数
print(p.x, p.y)
#打印第二个孔的坐标
print(p.mapWell(2))
print(p.moveTo(13))
print(p.x, p.y)
print(p.mapWell(13))
print(p.moveTo(96))
print(p.x, p.y)
print(p.mapWell(96))
=============运行结果==============
(161, -117)
161 -117
(16.095, -11.735)
(90, 0)
251 -117
(25.095, -11.735)
(-90, -90)
161 -207
(16.095, -20.735)
(990, -540)round()是python的内置函数，返回的是最接近的整数如round(5.4)返回5，round(5.6)返回6。
3.用matplotlib可视化多孔板
matplotlib库是Python的强大但易于使用的第三方库，提供了很酷的图形和绘图功能。至于matplotlib的具体语法，请参考官方文档（http://matplotlib.org/）。
3.1根据孔板的数据获取颜色列表
根据示例中的CSV文件读取的concentration数据中的浓度值分配相关颜色。代码如下：
#按孔板里测出的数值大小绘制热图，locColor表示颜色的最小值，hiColor表示颜色的最大值，propertyRange表示测出数据的最大值和最小值的范围
def createColorMap(self, propertyName, locColor=(1.0, 1.0, 1.0), hiColor=(1.0, 0.0, 0.0), propertyRange=(0.0, 100.0)):
#创建颜色列表，将测出孔的值相应的颜色存储到colorMap列表中
self.colorMap = []
pRange = propertyRange[1] - propertyRange[0]
rRange = hiColor[0] - locColor[0]
gRange = hiColor[1] - locColor[1]
bRange = hiColor[2] - locColor[2]
for n in range(0,self.size):
p = self.get(n+1, propertyName)
scaledP = (p - propertyRange[0]) / pRange
r = locColor[0] + (scaledP * rRange)
if r < 0.0: r = 0.0
if r > 1.0: r = 1.0
g = locColor[1] + (scaledP * gRange)
if g < 0.0: g = 0.0
if g > 1.0: g = 1.0
b = locColor[2] + (scaledP * bRange)
if b < 0.0: b = 0.0
if b > 1.0: b = 1.0
self.colorMap.append((r,g,b))
return3.2绘制热图
#绘制图片
def plotPlate(self, figWidth=4.0, figHeight=3.0, dpi=300, rowLabelOffset=3.0, columnLabelOffset=2.0, fontSize=None):
#先检查当前的实例是否被分配了宽(width)，如果没有则不能进行绘制，直接返回
if self.width == None:
return
wellColor = 'white'
#设置图片的宽和高，以及分辨率（dpi）
plt.figure(figsize=(figWidth, figHeight), dpi=dpi)
#设置坐标轴
plt.axes()
#关闭坐标轴的可见性
plt.axis('off')
#设置坐标轴字体大小，如果没有就是高×2
if fontSize ==None:
fontSize = figHeight * 2
npos = -1
leftText = self.xwells[0] - (self.diameter * rowLabelOffset)
topText = self.ywells[0] - (self.diameter * columnLabelOffset)
for yw in self.ywells:
ymap = self.map(npos+2)
letter = ymap[2][0]
plt.text(leftText, yw - (self.diameter / 2.0), letter, color='black', fontSize=fontSize)
for xw in self.xwells:
npos += 1
if npos <= self.columns:
xmap = self.map(npos+1)
col = str(int(xmap[2][1:]))
plt.text(xw - (self.diameter / 2.0), topText, col, color='black', fontSize=fontSize)
if not self.colorMap == None:
wellColor = self.colorMap[npos]
circle = plt.Circle((xw, yw), radius=self.diameter, fc=wellColor)
plt.gca().add_patch(circle)
if self.plotCurrentPosition:
circle = plt.Circle((self.x * self.stepSize, self.y * self.stepSize), radius=self.diameter / 3.0, fc=self.currentPositionColor)
plt.gca().add_patch(circle)
plt.axis('scaled')
plt.show()
#热图效果展示
p.createColorMap('concentration', propertyRange=[0.0, 100.0])
p.setPlotCurrentPosition(True, color='orange')
print(p.moveTo(15))
p.plotPlate(figWidth=8.0, figHeight=5.0, dpi=300)
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
