卡诺哈布迪炎电子甘的多巴胺神经元形态变化和退化的量化水平
November 20th, 2021
在这篇文章中，我们展示了如何使用七分评分系统来持续量化 C.elegans中多巴胺神经元树突形态的变化。该系统旨在利用神经退行性疾病的遗传、化学和年龄模型分析多巴胺神经退化检测。
在本视频中，我们展示了如何使用七点评分系统来量化秀丽隐杆线虫中多巴胺能神经元树突形态的变化。目前，在量化蠕虫神经变性的分析方法方面存在很大差异。此外，一些现有的技能只关注细胞体，对某些类型和水平的损伤不敏感。
引入该评分系统的目的是提供在各级损伤下捕获神经变性的全面图像的能力，并提供一个通用系统来支持秀丽隐杆线虫多巴胺能神经变性研究的一致性。在这里，我们将演示如何在荧光下对神经元进行成像，为这些神经元的树突分配分数，并预览如何显示和解释结果。对于每个实验组，将20至30个蠕虫移液或选择到与成像显微镜兼容的成像平台上。
最常见的平台包括安装在带有盖玻片上的2%琼脂糖垫，以及含有100微升或小于100微升液体介质的孔体积的96孔板。让蠕虫完全瘫痪。这可能需要几分钟时间。
将准备好的成像平台加载到能够进行z轴捕获的成像显微镜中。首先在明场中定位蠕虫的头部区域，然后使用成像显微镜在单色GFP荧光下定位。此处以 400 倍放大倍率显示蠕虫。
滚动焦点以查找树突清晰的上限和下限。将这些值设置为 z 堆栈图像捕获的上限和下限。选择所需的音高。
这里我们使用一个千分尺。单击以捕获 GFP 荧光通道中的 z-stack 图像。对于每个z-stack，使用显微镜软件或外部图像分析软件打开图像文件。
将堆栈加载到软件中，并将堆栈压缩为单个拼合图像。手动或使用自动上链软件在治疗组之间和治疗组内对齐图像。一次处理一个神经元图像。
从四个 CEP 树突中选择一个来评估凸起、断裂和不规则性，包括弯曲、扭结和曲线。当鼻子位于图像顶部时，建议从左到右进行评分，以确保评分的可重复性。使用这些准则，为每个树突分配一个分数值。
对于没有可见损伤的树突，得分为0分;对于不规则但没有斑点或破损的树突，得分为1;对于少于5个凸点的树突，得分为2;对于5到10个凸点的树突，得分为3;对于超过10个凸点和/或破损，去除高达25%的树突，得分为4分， 去除 25% 至 75% 的树突的破损得分为 5 分，如果树突超过 75%，则得分为 6 分。如果在单个树突中满足多个标准，请考虑与最高分数对应的标准。在与此视频相关的文章图1中找到的这些代表性评分图像可用作参考。
为了演示评分，我们将演练如何为几个示例神经元图像分配分数。从顶部最树突开始，没有可见的斑点，断裂或不规则。分配零分。
第二个树突有大约14个凸起，没有可见的断裂。打四分。由于与第二枝晶重叠，无法完整地看到第三枝晶，无法评分。
最底部的枝晶有大约11个凸起和一些断裂。打五分。在此图像中，只有三个树突是可评分的，因为在 z 堆栈捕获中未完全捕获一个树突。
三个可见的树突上没有气泡。因此，这将从上到下得分为零，零，并且由于这里的扭结，一个1。最后，在这张图中，所有四个树突都损失了75%以上。
这里的所有树突都获得六分。记录所有分数。此时分数可能是非盲的。
此处使用的分数模板可在补充文件中找到。将神经变性评分计数除以治疗组中评分的树突总数。以每个神经变性评分时治疗组内树突的比例提供数据。
我们的评分系统用于评估鱼藤酮暴露后L4幼虫期BY200秀丽隐杆线虫的神经变性。此处显示的数据与每个实验组的每个得分值处的树突总数的比例一样。我们认为每个树突得分为n 1。
在该图中，可以理解对鱼藤酮暴露的剂量依赖性神经变性反应，并且清楚地显示了评分分布的特定细分。根据独立性的卡方检验，这些实验组在统计学上是不同的，并辅以用于多重比较的Bonferroni校正。在本视频中，我们展示了如何使用我们实验室开发的七点量表来量化秀丽隐杆线虫中多巴胺能神经元形态改变和变性的水平。
使用评分方法可促进分析的一致性，并允许比较蠕虫中的神经变性研究。我们的评分系统可用于分析来自秀丽隐杆线虫实验的数据，这些实验使用细胞特异性荧光报告基因，例如dat-1多巴胺转运蛋白基因，允许多巴胺能神经元的可视化。现在，请在本文的补充材料中找到一组带有评论的练习图像，这些图像可用于训练，校准和评估新手使用此方法的研究人员的评分一致性。
概述
本文展示了实施一个七点评分系统，用于量化秀丽隐杆线虫多巴胺能神经元树突形态变化。目的是标准化各种实验分析神经退行性变化，提高神经退行性疾病研究的一致性。
关键研究组成部分
科学领域
- 神经科学
- 神经退行性变
- 形态评估
背景
- 当前评估秀丽隐杆线虫神经退行性变的方法差异较大。
- 现有技术通常关注细胞体而非树突损伤。
- 需要一个全面的评分系统来提供神经退行性影响的更完整图像。
- 该系统捕捉多个层面的损伤严重程度。
研究目的
- 建立一个通用评分系统，用于分析多巴胺能神经元树突变化。
- 使不同秀丽隐杆线虫研究中的神经退行性评估保持一致。
- 允许研究人员比较不同遗传和化学模型的结果。
使用的方法
- 该研究使用成像显微镜进行神经元图像的z-stack捕捉。
- 秀丽隐杆线虫是关键的生物模型，重点关注多巴胺能神经元形态。
- 评分范围从零到六，涵盖各种程度的树突损伤。
- 该方法包括精确的成像步骤，捕捉和评分树突以保持一致性。
- 数据以各个神经退行性评分下树突比例的形式呈现。
主要结果
- 该评分系统有效地区分多巴胺能神经元中神经退行性变化的不同水平。
- 数据表明对露托诺暴露存在剂量依赖性神经退行性反应。
- 统计分析显示实验组之间存在显著差异。
- 总体而言，该系统允许清晰的量化和研究间比较。
结论
- 本研究使秀丽隐杆线虫模型中神经退行性变的分析更加标准化。
- 评分方法促进了一致性，并允许更清晰的研究比较。
- 它有助于理解与神经退行性疾病相关的神经元退行性机制。
常见问题
Executive Industry Relevance
Standardized quantification of dopaminergic neuron morphology in C. elegans supports target validation and mechanistic de-risking in neurodegenerative disease research. A universal scoring system enables reproducible, quantitative assessment of dendrite degeneration, improving predictive confidence in preclinical models. This facilitates cross-study comparison and portfolio triage for Parkinson's disease and related neurodegeneration programs.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by quantifying dendrite-level morphological changes in dopaminergic neurons.
- Operational Value: Supports biological de-risking through a standardized seven-point scale that captures subtle to severe neurodegeneration.
- Predictive Value: Enhances target confidence by providing dose-dependent response data, such as rotenone exposure effects, for mechanism-of-action validation.
Screening & Assay Development
- Scientific Value: Generates quantitative dendrite morphology data suitable for assay standardization and high-content screening readiness.
- Operational Value: Enables scalable, reproducible imaging workflows using z-stack fluorescence capture and automated or manual dendrite scoring.
- Assay Utility: Produces proportional score distributions that allow statistical comparison across treatment groups using Chi-squared tests with Bonferroni correction.
Translational & Preclinical Research
- Translational Value: Links C. elegans dopaminergic neuron models to human neurodegeneration pathways through conserved morphometric endpoints.
- Preclinical Utility: Supports risk-adjusted advancement decisions by quantifying degeneration progression across genetic and chemical models.
- Mechanistic De-risking: Clarifies structure-function relationships by correlating dendrite damage (blebs, breaks, kinks) with functional neuronal loss.
Pipeline & Workflow Integration
The method integrates into early discovery workflows, supporting lead identification through quantitative neurodegeneration phenotyping in C. elegans models.
- Discovery Biology: Enables hypothesis testing of neuroprotective compounds by scoring dendrite integrity in dat-1::GFP-expressing neurons.
- Screening: Produces assay-ready, standardized outputs via z-stack imaging and dendrite scoring for compound library evaluation.
- Analytics: Delivers quantitative neurodegeneration scores (0–6) that support statistical analysis and inter-laboratory reproducibility.
- Translational Research: Connects worm neurite morphology to mammalian dendrite pathology, enabling biomarker-aligned target validation.
- Enterprise Reuse: Establishes a scalable, transferable scoring framework for consistent neurodegeneration assessment across C. elegans-based discovery platforms.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by capturing full spectrum of dendrite alterations, from blebs to complete loss.
- Operational Value: Improves standardization and reproducibility through a universal scoring system and practice image set for researcher calibration.
- Strategic Value: Increases capital efficiency by enabling early go/no-go decisions based on quantitative neurodegeneration profiles.
- Portfolio Impact: Supports risk-adjusted prioritization of targets using dose-response and statistical significance data from scored dendrite populations.
Implementation Considerations
- Requires expertise in fluorescence microscopy and neuroanatomy of C. elegans dopaminergic neurons.
- Depends on imaging infrastructure capable of z-stack capture and image flattening for dendrite visualization.
- Necessitates cross-team standardization via training with annotated image sets to ensure scoring consistency.
- Involves adaptation considerations when applying the scale to different neuronal subtypes or disease models.
- Includes practical limitations such as dependence on intact z-stack capture for full dendrite visualization and scorer training to minimize inter-observer variability.
