2024年11月8日
该协议使用显微计算机断层扫描来经济高效地量化瘦体重,包括小动物的骨骼肌和内脏组织、脂肪组织和骨骼组织。它区分瘦组织和脂肪组织,这为生物医学研究提供了显着优势,尤其是在小动物的转化研究中。
microCT 是一种经济高效、无创的身体成分分析技术。它在肌肉生理学研究中是有利的,允许在干预期间进行。microCT 可多次提供来自同一动物的数据,从而提高分析质量并减少动物使用。
光子计数 X 射线探测器是 microCT 的创新,它将使用与纳米颗粒平台相关的不同造影剂能够对组织进行定量区分。这可以改善钡剂溶液对不同解剖区域的识别。训练对 microCT 数据分析构成了重大挑战,而且缺乏一致的临床前 CT 方案会使图像采集复杂化,尤其是在处理生物材料或肿瘤图像时,因为解剖区域可能表现出不同的 Hounsfield 值。
我们的协议提供了一个循序渐进的途径,允许经过培训和未经培训的用户进行 microCT 数据采集和分析,并获得相似的结果。我们现在将注意力集中在分析与骨骼肌功能和社会互动相关的小鼠自发隔室。我们还对使用 2D 和 3D 模型在体外研究骨骼细胞分化感兴趣。
首先,使用专用鼠标床将麻醉的小鼠仰卧在 microCT 扫描仪上。用鼻锥和胶带固定鼠标,以尽量减少扫描过程中的移动。然后将鼠标插入 microCT 扫描仪的机架中。
使用高分辨率临床前成像系统获取身体 microCT 扫描。在 60 千伏的电压和 480 微安的电流下,使用飞行模式旋转,总共捕获 1, 024 个投影,每个投影的曝光时间为 470 毫秒。将系统设置为 1.25 放大倍率,从而产生 94.72 毫米的视野,总采集时间为 8.02 分钟。
逐个合并捕获图像,生成 2, 368 x 2, 240 像素的分辨率。在亚克力圆柱形模型上执行相同参数的扫描,并使用参考软件提取空气和水的 Hounsfield 单位或 胡 值。将图像转换为 DICOM 文件并更正 胡 值。
获取鼠标的 microCT 图像后,打开图像分析软件,在界面左上角找到 3D 切片器菜单,以灰蓝色突出显示。单击 Add Data(添加数据)。当出现包含两个选项的窗口时,选择第一个选项,然后选择要添加的目录。
然后导航到包含目标 DICOM 图像的文件夹并单击它。观察三个屏幕上显示的图像,代表不同的解剖平面,冠状面为绿色,矢状面为黄色,横向为红色。在上方选项卡的 Modules 下,选择区段编辑器以打开分段选项。
接下来,单击绿色加号添加按钮以创建新段,定义每种组织类型的 胡 范围。现在双击每个段落,根据所需的设置对其进行命名和着色。使用阈值函数设置每个分段的 胡 范围。
对于每种组织类型,输入 胡 值,瘦组织减去 29 到 225,脂肪组织减去 190 到负 30,骨骼 500 到 5, 000。单击 Apply 按钮。设置 胡 范围后,单击显示 3D 以生成分割组织的 3D 渲染。
在 Segmentation 菜单中,选择剪刀工具以删除不需要的对象。对于解剖平面,单击所需平面彩色条上的最大化视图按钮,然后使用鼠标滚动浏览 CT 扫描。对于 3D 渲染,使用鼠标左键旋转,使用鼠标右键缩放。
接下来,使用剪刀工具突出显示不需要的对象并将其圈起来以将其从图像中删除。单击 restore view 布局图标 以返回到四窗口布局。分段后,导航到 Quantification 和 Segment Statistics 以计算每个区段的交易量。
单击 Apply 并等待软件生成一个表格,其中包含每个分割的值,同时显示标签映射和闭合表面体积。使用软件提供的体积测量值(以立方厘米为单位)将这些体积转换为组织质量。为每种组织类型应用适当的密度,脂肪组织每立方厘米 0.95 克,瘦组织每立方厘米 1.05 克,骨骼组织每立方厘米 1.92 克。
对于骨骼长度测量,返回分段编辑器菜单,然后单击每个分段旁边的眼睛图标来隐藏脂肪和瘦组织分段。接下来,选择主菜单右上角的工具栏选项。单击 Create New Line 按钮以测量 3D 渲染中的骨骼长度。
识别 3D 重建中的骨骼。单击骨骼的一端,然后单击另一端以允许软件测量其长度。骨骼、脂肪和瘦组织的分割通过连续的冠状面、矢状面和横向平面呈现,有效地展示了清晰的组织区分。
3D 渲染揭示了详细的解剖结构,蓝色代表骨骼,黄色代表脂肪组织,红色代表瘦组织。与成年受试者相比,老年受试者表现出更高的体脂百分比和更少的瘦体重,这说明了与年龄相关的身体成分变化。
该协议介绍了一种用于量化小动物体组成的经济实惠的微型计算机断层扫描(microCT)方法,重点关注瘦体重、脂肪组织和骨骼结构。该技术能够明确区分组织类型,有利于生物医学和转化研究。
Non-invasive micro-CT quantification of skeletal muscle, adipose, and bone in small animals addresses a critical gap in preclinical metabolic and muscle disease research by enabling precise, longitudinal body composition analysis. Standardized imaging and segmentation protocols improve predictive confidence and translational continuity across studies, supporting robust target validation and mechanistic de-risking. This capability is essential for portfolio triage and risk-adjusted advancement in metabolic, geroscience, and muscle physiology pipelines.
Micro-CT body composition analysis integrates from early discovery through lead identification and preclinical validation, supporting hypothesis testing and translational biomarker development.