January 7th, 2019
该方案的重点是定量分析嗜德维拉中的神经元树突状树突状树突状树突状的复杂性 (ndac), 可用于树突状形态发生的研究。
该程序的总体目标是观察 SOX5 基因在果蝇的神经元发育过程中对树突状状神经元复杂性的影响。该方法有助于研究神经性变性的形态,以及神经系统发育中的基因功能,更好地理解神经退行性疾病基因。最终,该技术提供了树突复杂性的定量分析,可用于许多不同类型的神经树突。
这种技术的影响延伸到神经退行性疾病的遗传机制,因为突变是理解基因功能的关键。使用 UAS-Sox102F-RNAi 应变苍蝇或 W118 控制装置设置 UAS-GFP;ppk-GAL4 的设置交叉。在25摄氏度的标准条件下培养苍蝇。
大约五到六天,用钳子仔细收集第三个星体幼虫进行解剖。将幼虫放在由硅弹性体基座制成的解剖盘中,以及组织培养的培养培养皿中。然后把盘子放在解剖显微镜下。
现在固定幼虫的尾巴露出中线。然后固定幼虫嘴钩,使幼虫的后侧向上。现在,在菜中加入200微升PBS,将幼虫浸入溶液中。
接下来,用小切口切开幼虫的尾巴和嘴。然后沿着后线和两个气管之间切开幼虫,从考达尔到罗斯特拉。然后,在身体的四个角各放置一个针,使身体处于平坦的位置。
现在,在室温下将幼虫体壁固定为 4% PFA,25 分钟。然后用PBS洗三次,每次洗五分钟。洗涤后,取出针脚,将组织转移到玻璃滑梯上。
然后将组织浸入防淡安装介质中,然后用盖滑来安装。让安装的组织风干一小时,然后用指甲抛光密封在盖上。这些幻灯片存放在四摄氏度的黑暗中。
使用 20 倍目标用共和显微镜捕获 z 系列图像。首先,设置 z 步数的范围,以包括幼虫体壁中的所有 DA 神经元,并设置步长为半微米。然后将图像存储为 TIF 或 ND2 文件进行处理。
接下来,评估 DA 神经元上树突的数量和形态。从评估它们的长度开始。首先,在斐济 ImageJ 中,如有必要,将图像拆分为单独的通道。
只需要评估 GFP 通道。接下来,进行 z 投影。在新窗口中,为投影类型选择最大强度,然后选择开始和停止切片。
然后单击"确定"以生成具有清晰树突投影的 z 投影图像。现在使用插件工具跟踪中性。首先,转到感兴趣的神经元的 soma,然后单击从细胞体中出现一个树突的地方。
然后点击此树突的尖端。如果连接两个点的蓝线运行 neurite 的长度,请按 Y 表示"是"。然后,如果此行适合神经石的完整路径,请单击"完整路径"。
如果线不适合路径,则沿此 neurite 进一步单击点,将路径折弯成适合 neurite 长度的多个线段。然后,单击"完成路径",继续标记下一个 neurite 的路径。完成所有跟踪路径后,选择"分析、测量路径"选项以将路径导出到 CSV 文件。
使用此数据可计算用于分析的路径长度和平均值。接下来,计算神经元的表面面积。首先,从斐济 ImageJ 窗口中选择免费手绘图工具。
然后,连接感兴趣的神经元的端点。然后,从"分析"窗口中选择"度量值"选项。结果将显示在新框中,该框中具有所选区域的值。
将此值复制到数据分析软件。最后,使用"分析骨架路径"插件计算分支总数。DA神经元的树突通过共同表达GP在它们的索玛和树突树干中标记,用于GGFP荧光成像分析。
树突的形态是使用倒置共体显微镜成像的。DA神经元的树突被跟踪,如所述。该文件用于估计树突长度。
在第三个星体幼虫中,在DA神经元中沉默的Sox102F导致树突总数显著减少,其分支长度约为一半,结构更简单,仅显示一半的分支数量。从逻辑上讲,这导致了树干表面积的减少。该协议提供了一种评估DA感觉神经元发展的快速方法。
在尝试此过程时,请务必获取大量 DA 神经元的图像,以获得良好的覆盖范围。按照此过程,可以执行其他方法,如树突分析,以便回答有关树突发育的其他问题。自从它的发展,这项技术已经帮助神经科学领域的研究人员通过模型系统推断神经退行性疾病,如阿尔茨海默氏症。
View the full transcript and gain access to thousands of scientific videos
本研究提出了一种定量分析果蝇神经元树突分枝复杂性(NDAC)的协议,重点关注SOX5基因在神经元发育过程中的影响。通过检查树突形态发生,该技术旨在增强对神经退行性疾病机制的理解。
Quantitative analysis of dendritic arborization complexity in Drosophila provides a robust framework for interrogating gene function and neuronal morphogenesis in early discovery neuroscience. This workflow enables predictive confidence in linking genetic perturbations, such as SOX5 silencing, to measurable changes in neuronal architecture, supporting mechanistic de-risking at the target validation stage. The approach is directly relevant for portfolio decisions in neurodevelopmental and neurodegenerative disease research pipelines.
This quantitative workflow integrates from early discovery through lead identification, supporting hypothesis testing and mechanistic validation in neurobiology pipelines.