Methodenartikel

Ganzhirn-Einzelzellbildgebung und Analyse intakter neonataler Mausgehirne mittels MRT, Gewebereinigung und Lichtblattmikroskopie

DOI:

10.3791/64096

⸱

1. August 2022

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1UNC Neuroscience Center, University of North Carolina, Chapel Hill, 2Department of Genetics, University of North Carolina, Chapel Hill, 3Department of Psychiatry, University of North Carolina, Chapel Hill, 4Center for Animal Magnetic Resonance Imaging, The University of North Carolina at Chapel Hill, 5Biomedical Research Imaging Center, The University of North Carolina at Chapel Hill, 6Department of Neurology, The University of North Carolina at Chapel Hill, 7Department of Computer Science, The University of North Carolina at Greensboro

* These authors contributed equally

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dieses Protokoll beschreibt Methoden zur Durchführung von Magnetresonanztomographie, Clearing und Immunmarkierung intakter Mausgehirne mit iDISCO+, gefolgt von einer detaillierten Beschreibung der Bildgebung mittels Lichtblattmikroskopie und nachgeschalteten Analysen mit NuMorph.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Gewebereinigung gefolgt von Lichtblattmikroskopie (LSFM) ermöglicht die zelluläre Bildgebung intakter Gehirnstrukturen und ermöglicht eine quantitative Analyse struktureller Veränderungen, die durch genetische oder Umweltstörungen verursacht werden. Die Ganzhirnbildgebung führt zu einer genaueren Quantifizierung von Zellen und zur Untersuchung regionsspezifischer Unterschiede, die bei häufig verwendeter Mikroskopie von physisch geschnittenem Gewebe übersehen werden können. Die Verwendung von Lichtblattmikroskopie zur Abbildung geklärter Gehirne erhöht die Aufnahmegeschwindigkeit im Vergleich zur konfokalen Mikroskopie erheblich. Obwohl diese Bilder sehr große Mengen an Gehirnstrukturdaten produzieren, sind die meisten Computerwerkzeuge, die eine Merkmalsquantifizierung in Bildern von geklärtem Gewebe durchführen, darauf beschränkt, spärliche Zellpopulationen und nicht alle Kerne zu zählen.

Hier demonstrieren wir NuMorph (Nuclear-Based Morphometry), eine Gruppe von Analysewerkzeugen, um alle Kerne und Kernmarker in annotierten Regionen eines postnatalen Day 4 (P4) Mausgehirns nach der Klärung und Bildgebung auf einem Lichtblattmikroskop zu quantifizieren. Wir beschreiben Magnetresonanztomographie (MRT) zur Messung des Gehirnvolumens vor der Schrumpfung durch Dehydratationsschritte zur Gewebereinigung, Gewebereinigung mit der iDISCO+-Methode, einschließlich Immunmarkierung, gefolgt von Lichtblattmikroskopie mit einer kommerziell erhältlichen Plattform zur Abbildung von Mäusegehirnen mit zellulärer Auflösung. Anschließend demonstrieren wir diese Bildanalyse-Pipeline mit NuMorph, die verwendet wird, um Intensitätsunterschiede zu korrigieren, Bildkacheln zu nähen, mehrere Kanäle auszurichten, Kerne zu zählen und Gehirnregionen durch Registrierung in öffentlich verfügbaren Atlanten zu kommentieren.

Wir haben diesen Ansatz unter Verwendung öffentlich verfügbarer Protokolle und Software entwickelt, so dass jeder Forscher mit den erforderlichen Mikroskop- und Rechenressourcen diese Techniken durchführen kann. Diese Gewebereinigungs-, Bildgebungs- und Computerwerkzeuge ermöglichen die Messung und Quantifizierung der dreidimensionalen (3D) Organisation von Zelltypen im Kortex und sollten für jedes Wildtyp- / Knockout-Mausstudiendesign allgemein anwendbar sein.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Bildgebung des gesamten Gehirns mit Einzelzellauflösung ist eine wichtige Herausforderung in den Neurowissenschaften. Gehirnbilder mit zellularer Auflösung ermöglichen eine detaillierte Analyse und Kartierung von Gehirnschaltkreisen auf Systemebene und wie diese Schaltkreise durch genetische oder umweltbedingte Risikofaktoren für neuropsychiatrische Störungen, zelluläres Verhalten bei sich entwickelnden Embryonen sowie neuronale Schaltkreise im erwachsenen Gehirn gestört werden 1,2,3. Es gibt mehrere histologische Methoden, die hochauflösende Bilder des rekonstruierten 3D-Gehirns ermöglichen. Diese Techniken erfordern jedoch teure, spezialisierte Geräte, sind möglicherweise nicht mit der Immunmarkierung kompatibel, und die zweidimensionale (2D) Natur einiger Methoden kann zu Gewebeschäden und Scherung während des Schneidensführen 4,5.

Jüngste Fortschritte haben einen alternativen Ansatz für die Abbildung ganzer Gehirne ermöglicht, der keine Gewebeschnitte erfordert. Sie beinhalten die Verwendung von Gewebereinigung, um Gehirne transparent zu machen. Transparenz wird bei den meisten Gewebereinigungsmethoden erreicht, indem sowohl Lipide entfernt werden, da sie eine Hauptquelle der Lichtstreuung sind, als auch der Brechungsindex (RI) des Objekts mit dem RI der Probenimmersionslösung während der Bildgebung abgeglichen wird. Licht kann dann die Grenze zwischen Materialien passieren,ohne 6,7,8,9 gestreut zu werden.

Gewebereinigungsmethoden wie iDISCO+ werden häufig mit schneller 3D-Bildgebung mittels Einzelphotonen-Anregungsmikroskopie wie LSFM 6,7,10 kombiniert. In transparenten Geweben, die mit einem Fluorophor markiert sind, bildet die Lichtblattfluoreszenzmikroskopie Schnitte durch Anregung mit einer dünnen Lichtebene11. Der Hauptvorteil von LSFM besteht darin, dass jeweils ein einzelner optischer Schnitt beleuchtet wird, wobei die gesamte Fluoreszenz der Moleküle in diesem Abschnitt angeregt wird, wodurch das Photobleichen minimiert wird. Darüber hinaus ermöglicht die Abbildung einer gesamten optischen Scheibe eine kamerabasierte Erkennung dieser angeregten Scheibe und erhöht die Geschwindigkeit relativ zum Punktscannen12. LSFM erzeugt zerstörungsfrei gut registrierte optische Schnitte, die für die 3D-Rekonstruktion geeignet sind.

Während die iDISCO+-Methode eine kostengünstige Gewebereinigung innerhalb von ~3 Wochen ermöglicht, können Dehydratisierungsschritte innerhalb des Protokolls zu einer Schrumpfung des Gewebes und einer möglichen Veränderung der Probenmorphologie führen, wodurch volumetrische Messungen beeinträchtigtwerden 6,10. Durch Hinzufügen einer sekundären bildgebenden Methode wie MRT, die vor dem Gewebereinigungsverfahren verwendet wird, kann der Grad der durch die Gewebereinigung induzierten Schrumpfung in der gesamten Probe gemessen werden. Während der Dehydratisierungsschritte können Unterschiede in den mechanischen Eigenschaften zwischen grauer und weißer Substanz zu ungleichmäßigen Verformungen der Hirnsubstanz führen, was zu unterschiedlichen Gewebereinigungs-induzierten Volumendeformationen zwischen Wildtyp- und mutierten Proben führt und Interpretationen volumetrischer Unterschiede in diesen Proben verwirren kann10,13 . Die MRT wird durchgeführt, indem das Tier zuerst mit einem Kontrastmittel (z. B. Gadolinium) perfundiert wird, gefolgt von der Inkubation des extrahierten Gewebes von Interesse in einer Tauchlösung (z. B. Fomblin) vor der Bildgebung14. Die MRT ist kompatibel mit der Gewebereinigung und der Durchführung von LSFM an derselben Probe.

LSFM wird häufig verwendet, um großflächige Mikroskopiebilder zur qualitativen Visualisierung des interessierenden Hirngewebes zu erstellen, anstatt die Gehirnstruktur quantitativ zu bewerten (Abbildung 1). Ohne quantitative Bewertung ist es schwierig, strukturelle Unterschiede nachzuweisen, die auf genetische oder umweltbedingte Beleidigungen zurückzuführen sind. Da sich die Gewebereinigungs- und Bildgebungstechnologien verbessern und die Kosten für Speicher und Rechenleistung sinken, wird die Quantifizierung von Zelltyplokalisationen innerhalb des interessierenden Gewebes zugänglicher, so dass mehr Forscher diese Daten in ihre Studien einbeziehen können.

Mit über 100 Millionen Zellen im Gehirn der Maus15 und bildgebenden Sitzungen des gesamten Gehirns, die Terabytes an Daten generieren können, besteht eine erhöhte Nachfrage nach fortschrittlichen Bildanalysewerkzeugen, die eine genaue Quantifizierung von Merkmalen in den Bildern, wie z. B. Zellen, ermöglichen. Es gibt eine Vielzahl von Segmentierungsmethoden für gewebebereinigte Bilder, die Schwellenwerte für die Intensität der Kernfärbung anwenden und Objekte mit vordefinierten Formen, Größen oder Dichten filtern10,16,17,18. Ungenaue Interpretationen der Ergebnisse können jedoch durch Variationen von Parametern wie Zellgröße, Bildkontrast und Beschriftungsintensität entstehen. Dieser Artikel beschreibt unser etabliertes Protokoll zur Quantifizierung von Zellkernen im Gehirn der Maus. Zuerst beschreiben wir die Schritte zur Gewebeentnahme des P4-Mausgehirns, gefolgt von einem Gewebereinigungs- und Immunmarkierungsprotokoll, das von der öffentlich verfügbaren iDISCO+-Methode10 optimiert wurde. Zweitens beschreiben wir die Bildaufnahme mittels MRT und Lichtblattmikroskopie, einschließlich der Parameter, die für die Aufnahme von Bildern verwendet werden. Schließlich beschreiben und demonstrieren wir NuMorph19, eine Reihe von Bildanalysewerkzeugen, die unsere Gruppe entwickelt hat und die zelltypspezifische Quantifizierung nach Gewebeklärung, Immunmarkierung mit Kernmarkern und Lichtblattbildgebung von annotierten Regionen ermöglicht.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Alle Mäuse wurden in Übereinstimmung mit dem Institutional Animal Care and Use Committee (IACUC) an der University of North Carolina in Chapel Hill verwendet und von diesem genehmigt.

1. Mausdissektion und Durchblutung

HINWEIS: Die folgenden Dissektionen wurden an P4- und P14-Mäusen mit einer Spritze durchgeführt. Das Volumen der Perfusionsflüssigkeit variiert je nach Alter des Tieres.

  1. Perfusion
    ACHTUNG: Paraformaldehyd (PFA) ist eine gefährliche Chemikalie. Führen Sie alle Perfusionsschritte in einem chemischen Abzug durch.
    1. Vor der Operation Pentobarbital über intraperitoneale Injektion (100 mg/kg) verabreichen und das Anästhetikum wirken lassen.
    2. Sobald das Tier eine chirurgische Anästhesieebene erreicht hat, verwenden Sie die Zehenklemmreaktionsmethode, um die Nichtreaktion zu bestätigen.
    3. Machen Sie einen seitlichen Schnitt unter dem Brustkorb, um die Brusthöhle des Tieres freizulegen.
    4. Schneiden Sie mit einer gebogenen, chirurgischen Schere vorsichtig durch den Brustkorb bis zum Schlüsselbein auf einer Seite des Tieres und machen Sie einen identischen Schnitt auf der gegenüberliegenden Seite, so dass das Brustbein weggehoben werden kann und das Herz freigelegt wird.
    5. Ohne die absteigende Aorta zu beschädigen, schneiden Sie vorsichtig das mit dem Herzen verbundene Gewebe ab, bevor Sie einen kleinen Schnitt im rechten Vorhof machen, damit Blut aus dem Gefäßsystem fließen kann.
    6. Mit einer spritzenbasierten Methode wird die Maus durch den linken Ventrikel mit 10 ml bzw. 7 ml phosphatgepufferter Kochsalzlösung (PBS) für P14 bzw. P4 mit einer Perfusionsrate von 1,5 ml / min durch das System durchblutet.
    7. Sobald das Blut geklärt ist, erneut mit 10 ml PBS + 4% PFA und 7 ml PBS + 4% PFA für P14 bzw. P4 bei 4 °C mit einer Perfusionsrate von 1,5 ml / min durchbluten, um das Tier zu fixieren.
      HINWEIS: Fixationszittern werden beobachtet, und das Tier wird nach Abschluss steif sein. Wenn Sie MRT an Proben verwenden, perfusionieren Sie mit ähnlichen Mengen an PBS und PFA für jeden Zeitpunkt + 20% Gadolinium-basiertes MRT-Kontrastmittel in der PFA-Lösung.
    8. Entfernen Sie den Kopf mit einer chirurgischen Schere und lassen Sie ihn mit PBS + 4% PFA für 24 h bei 4 °C für eine vollständige Fixierung fallen.
      HINWEIS: In diesem Stadium bleibt das Gehirn mit eingeschaltetem Schädel intakt (siehe Abschnitt 2). Pausenpunkt: Gehirne können in diesem Stadium für mehrere Monate in PBS + 0,1% Natriumazid bei 4 °C gelagert werden.

2. MR-basierte Grobhirnstruktur-Bildgebung mit intaktem Schädel und Analyse

HINWEIS: Das Gehirn muss wie oben beschrieben in Gadolinium perfundiert und inkubiert werden, ohne aus dem Schädel entfernt zu werden. Alle MRT findet vor der Entfernung des Gehirns aus dem Schädel statt, um unbeabsichtigten Gewebeverlust während der Dissektion zu vermeiden. Die Bildgebung mit einem intakten Schädel unterstützt auch das Gehirn im Probenhalter (z. B. Spritze) während der Probenvorbereitung und Bildgebung.

  1. Probenvorbereitung
    HINWEIS: Die folgenden Schritte sind für P4- und P14-Maus-Gehirnproben optimiert. Die benötigte Spritzengröße hängt von der physischen Größe der Probe ab.
    1. Wenn Sie eine MRT an der Probe durchführen, entfernen Sie die Haut vom Schädel und inkubieren Sie sie in PBS + 3% Gadolinium für 23 Tage bei 4 ° C, bevor Sie14 Bilder geben. Nach 23 Tagen spülen Sie die Proben schnell in PBS ab.
    2. Verwenden Sie 5-ml-Spritzen, um einen Probenhalter für die MRT zu erstellen, wobei Spritzenkolben verwendet werden, um jedes Ende des mit der Spritze20 hergestellten Halters zu schließen. Verwenden Sie Kunststoffteile, um den Schädel fest im Halter zu halten (Abbildung 2A). Entfernen Sie die Markierungen auf der Spritze mit Ethanol, um Artefakte bei der Bildgebung zu vermeiden.
    3. Legen Sie den Schädel sicher in den Probenhalter und füllen Sie ihn mit einer MRT-kompatiblen Tauchlösung (siehe Materialtabelle). Schließen Sie den Halter und entfernen Sie alle Luftblasen mit einer Spritze.
      HINWEIS: Pausenpunkt: Der Schädel kann vor der Bildgebung mehrere Monate in der Immersionslösung gelagert werden.
  2. Grobhirnstruktur-Bildgebung (MRT)
    1. Bilden Sie die Proben mit einem 9,4T/30 cm horizontalen MRT-System mit einer 15-mm-Volumenspule und einer Spin-Echo-basierten Sequenz mit den folgenden Parametern ab: Räumliche Auflösung: 60 μm x 60 μm x 60 μm; Gesamtscanzeit: 7 h 12 min; Echozeit (TE): 6,83 ms; Wiederholzeit (TR): 40 ms; Flip-Winkel der Anregung / Neufokussierung: 90/180 Grad; Bildgröße:166 x 168 x 209 Voxel; Sichtfeld (FOV): 9,9 mm x 10,1 mm x 12,4 mm; Bandbreite: 100.000 kHz.
  3. Computergestützte Brutto-Hirnstruktur-Analyse
    1. Entfernen Sie den umgebenden Schädel aus rohen MRT-Bildern, indem Sie das Gehirn der Maus manuell mit einer Segmentierungssoftware verfolgen. Wenden Sie als Nächstes die voxelweise Multiplikationsoperation zwischen dem Maskenbild und dem rohen MRT-Bild an, um das schädelgestreifte Gehirn-MRT-Bild zu erzeugen.
      HINWEIS: Die Ausgabe ist ein binäres Maskenbild, bei dem die Intensität für Gehirnvoxel auf 1 und 0 eingestellt ist.
    2. Wenden Sie eine starre Bildregistrierung an (wobei nur Translation und Rotation geschätzt werden) mit "Flirt" im FSL-Paket21,22, um das schädelgestreifte MRT-Bild (bewegtes Bild) an das entsprechende Lichtblattmikroskopiebild (Referenzbild) anzupassen.
    3. Wenden Sie eine nicht starre Registrierung an (unter Verwendung von "SyN" in der ANTS-Software23), um die Punkt-zu-Punkt-Übereinstimmungen zwischen dem starr ausgerichteten MRT-Bild in Schritt 2.3.2 und dem Lichtblattbild (dasselbe Referenzbild in Schritt 2.3.2) zu ermitteln.
      HINWEIS: Die Ausgabe enthält das verzerrte MRT-Bild und das Verformungsfeld, das mit den Volumenänderungen von MRT- zu den Lichtblattbildern verbunden ist.
    4. Berechnen Sie die Jacobische Determinante auf dem in Schritt 2.3.3 erzeugten Deformationsfeld, das die Volumenänderung in einer 3 x 3 x 3 Voxel-Nachbarschaft quantifiziert.
    5. Richten Sie schädelabgestreifte Bilder mit dem Allen Developmental Mouse Brain Atlas mithilfe der deformierbaren Bildregistrierung aus.
      HINWEIS: Die etablierte räumliche Punkt-zu-Punkt-Korrespondenz ermöglicht die automatische Annotation von Hirnregionen von Interesse im neuen Mausbild (Abbildung 2C-H).

3. Hirndissektion aus dem Schädel

  1. Machen Sie einen Mittellinienschnitt entlang der Oberseite des Schädels vom Hals bis zur Nase, um den Schädel freizulegen.
  2. Legen Sie die Schädelbasis frei, indem Sie den verbleibenden Nackenmuskel und alle anderen Restmuskeln abschneiden.
  3. Schneiden Sie mit einer scharfen chirurgischen Schere vorsichtig entlang der inneren Oberfläche des Schädels und achten Sie darauf, das Gehirn nicht zu schädigen, indem Sie beim Schneiden mit der scharfen chirurgischen Ausrüstung einen sanften Druck nach oben aufrechterhalten.
  4. Verwenden Sie eine Pinzette, um die beiden geschnittenen Schädelhälften vom Gehirn weg zu schälen und überschüssiges Fett, das am Gehirn befestigt ist, vorsichtig zu entfernen.
  5. Verwenden Sie eine chirurgische Schere, um jede Dura zu trimmen, die das Gehirn mit dem Schädel verbindet, und verwenden Sie dann einen Spatel, um das Gehirn sanft vom Kopf zu entfernen.
  6. Entfernen Sie das Gehirn, waschen Sie mit PBS und wechseln Sie dann zu PBS mit 0,1% Natriumazid und halten Sie es bei 4 ° C für die Langzeitlagerung.

4. Gewebereinigung

HINWEIS: Dieses Protokoll wurde vom iDISCO+-Protokoll für P4-Mäuse6 adaptiert, mit geringfügigen Änderungen. Einige Details können sich für verschiedene Zeitpunkte / Arten / Experimente ändern). ACHTUNG: Methanol, Dichlormethan (DCM) und Dibenzylether (DBE) sind gefährliche Chemikalien. Diese Gewebereinigungsschritte werden in einem chemischen Abzug durchgeführt.

  1. Antikörpervalidierung
    HINWEIS: Die Methanolkompatibilität von nicht getesteten Antikörpern muss überprüft werden, da sie durch die im iDISCO+-Protokoll geforderten aggressiven Methanolwäschen negativ beeinflusst werden können. Eine Liste der Antikörper, die nachweislich in iDISCO+ wirken, finden Sie auf der Website24.
    1. Extrahieren Sie 10 μm gefrorene Abschnitte des PFA-fixierten Gewebes von Interesse auf stereologischen Objektträgern.
    2. Die Abschnitte in 100% Methanol für 3 h bei Raumtemperatur inkubieren.
    3. Rehydrieren Sie in PBS, bevor Sie mit Standard-Immunhistochemie-Protokollen fortfahren, um festzustellen, ob der Antikörper das erwartete Muster der Fluoreszenz nach dem Waschen von Methanol zeigt. Verwenden Sie zur Positivkontrolle einen Objektträger, der nicht mit Methanol behandelt wurde.
  2. Puffervorbereitung
    1. Bereiten Sie Puffer nach dem offiziellen iDISCO-Protokoll vor. Informationen zur Zusammensetzung der Puffer und anderer in diesem Protokoll verwendeter Lösungen finden Sie in der Materialtabelle .
  3. Vorbehandlung
    1. Dehydratisieren Sie die Probe mit Methanol / PBS-Serie: 20%, 40%, 60%, 80%, 100%; Je 1 h bei Raumtemperatur.
      HINWEIS: Die Verwendung von PBS während der Dehydratisierung hilft, das Reißen der Proben in Methanolwäschen zu verhindern.
    2. Die Probe wird 1 h lang in 100% Methanol gewaschen und dann bei 4 °C für 1 h gekühlt, bevor sie über Nacht unter Schütteln in 66% DCM/33% Methanol bei Raumtemperatur inkubiert wird.
    3. Die Probe wird 2x in 100%igem Methanol bei Raumtemperatur gewaschen und anschließend bei 4 °C gekühlt.
    4. Verwenden Sie frisches 5%H2O2in Methanol, um die Probe über Nacht bei 4 °C zu bleichen.
    5. Rehydrieren Sie die Probe mit der Methanol/PBS-Serie: 80%, 60%, 40%, 20%, PBS; Je 1 h bei Raumtemperatur und 2x 1 h in PTx.2 bei Raumtemperatur waschen.
    6. Inkubieren Sie die Probe in 1x PBS/0,2% TritonX-100/20% DMSO bei 37 °C über Nacht.
    7. Inkubieren Sie die Probe in 1x PBS/0,1% Tween-20/0,1% TritonX-100/0,1% Desoxycholat/0,1% NP40/20% DMSO bei 37 °C über Nacht.
    8. In PTx.2 bei Raumtemperatur zweimal 1 h waschen.
  4. Immunmarkierung
    1. Inkubieren Sie die Proben in Permeabilisierungslösung bei 37 °C für 2 Tage (~48 h).
    2. Blockieren Sie die Proben in Blocking Solution bei 37 °C für 2 Tage (~48 h).
    3. Inkubation der Proben mit primären Antikörpern in PTwH / 5% DMSO / 3% Serum bei 37 °C für 4 Tage (~96 h) (z. B. Kaninchen (Rb) Brn2 / POU3F2 mAb (1:100) und Anti-Ctip2 Ratte (Rt) Antikörper (1:400) (Materialtabelle).
    4. 3 x 1 h in PTwH waschen. Weitere 2 h in PTwH waschen. Über Nacht bei Raumtemperatur in der Waschlösung einwirken lassen.
    5. Inkubation der Proben mit sekundären Antikörpern und einem Kernfarbstoff, wie TO-PRO-3, in PTwH / 3% Serum bei 37 °C für 4 Tage (~96 h; z.B. Ziegen-Anti-Rb(1:50) und (Ziegen-Anti-Rt(1:200)) (Materialtabelle).
    6. 3 x 1 h in PTwH waschen Weitere 2 h in PTwH waschen. Über Nacht bei Raumtemperatur in der Waschlösung einwirken lassen.
  5. Lichtung
    1. Dehydratisieren Sie in Methanol/PBS-Serie-20%, 40%, 60%, 80%, 100%-1 h jeweils bei Raumtemperatur. 3 h unter Schütteln in 66% DCM / 33% Methanol bei Raumtemperatur inkubieren.
      HINWEIS: Die Probe kann unmittelbar nach der Dehydratisierung in 100% Methanol über Nacht bei Raumtemperatur belassen werden.
    2. In 100% DCM zweimal 15 min bei Raumtemperatur (mit Schütteln) inkubieren, um den MeOH zu waschen.
    3. In Dibenzylether (DBE) inkubieren, ohne bei Raumtemperatur zu schütteln. Stellen Sie sicher, dass das Röhrchen fast vollständig mit DBE gefüllt ist, um eine Oxidation der Probe zu verhindern. Beenden Sie das Mischen der Lösung, indem Sie vor der Bildgebung einige Male umkehren.

5. Lightsheet-Bildgebung

HINWEIS: iDISCO-gewebebereinigte Gehirne wurden mit einem Lichtblattmikroskop abgebildet, das mit einem 2X/0,5 NA-Objektiv, einer komplementären Metalloxid-Halbleiterkamera und einer Mikroskopbetriebs- und Bildaufnahmesoftware bei 0,75 x 0,75 x 4 μm/Voxel für den P4-Zeitpunkt ausgestattet war, da dies eine Einzelzellauflösung innerhalb des Kortex ermöglichte (Abbildung 3A, B).

  1. Probenmontage
    1. Montieren Sie die Probe vorsichtig im richtigen Probengrößenhalter, so dass die Probe aufgrund des Nennarbeitsabstands des Lichtschichtmikroskops (5,7 mm minus 0,5 mm Sicherheitsmarge) mit der Z-Dimension nicht mehr als 5,2 mm tief ausgerichtet ist25.
    2. Platzhalter in der Probenhalterung mit der Schraube des Halters in einem Winkel von 45° zu den Halterungen der Halterung (Abbildung 1B). Positionieren Sie die Halterung so, dass der Lichtweg senkrecht zur Probe verläuft (Abbildung 1C).
  2. Bildgebungsparameter
    1. Stellen Sie den Zoomkörper des Mikroskops auf 4-fache Vergrößerung oder höher ein, was 0,75 μm/Pixel ergibt.
      HINWEIS: Einzelzell-Computeranalysen von P4-Lichtblattbildern können mit jedem handelsüblichen Lichtblattmikroskop durchgeführt werden, das eine Auflösung von 0,75 x 0,75 x 4 μm/Voxel oder höher ermöglicht. Eine niedrigere Auflösung reicht für Gehirne zu späteren Zeitpunkten aus, in denen die Kerne spärlicher verteilt sind.
    2. Wählen Sie in der Bilderfassungssoftware ein einzelnes Lichtblatt mit einem NA = ~0,08 (9 μm Dicke/4 μm z-Schritt).
      HINWEIS: Diese Einstellung in Kombination mit der horizontalen dynamischen Fokussierung ermöglicht die Bildgebung des gesamten Gehirns mit einer Einzelzellauflösung eines Mausgehirns innerhalb einer angemessenen Zeit. Für ein postnatales Day 4 (P4) Gehirn wird die Bildaufnahmezeit auf 11-15 h für drei Kanäle geschätzt, abhängig von der Größe des Gehirns.
    3. Um sicherzustellen, dass die axiale Auflösung entlang der Breite des Bildes beibehalten wird, wählen Sie " Horizontale dynamische Fokussierung" und wenden Sie die empfohlene Anzahl von Schritten in Abhängigkeit von der Laserwellenlänge an. Stellen Sie für ein ganzes P4-Mausgehirn die horizontale dynamische Fokussierung auf 11 ein. Passen Sie den Feinfokus für jeden Kanal in Bezug auf den Registrierungskanal an.
      HINWEIS: Hier wird der TO-PRO-3-Kanal (647 nm) im Allen Developmental Mouse Brain Atlas registriert, da dieser alle Kerne markiert.
    4. Passen Sie die Laserleistung pro Kanal in Bezug auf die Kanaleigenschaften an.
      HINWEIS: Längere Wellenlängen erfordern eine höhere Laserleistung als kürzere Wellenlängen. Zum Beispiel müssen die 780 nm mit einer hohen Laserleistung (70% - 75%) und geringer Belichtung (50 ms) abgebildet werden, während der 647-nm-Kanal eine durchschnittliche Laserleistung (40% - 45%) und eine geringe Belichtung (50 ms) erfordert.
    5. Stellen Sie die Lichtblattbreite auf ~50 % ein, um sicherzustellen, dass die Blattleistung optimal in der y-Dimension für diese Stichprobengröße verteilt wird.
      HINWEIS: In Kombination mit der horizontalen dynamischen Fokussierung bietet eine Blattbreite von 50 % eine durchschnittliche Verteilung der Leistung über das Bild mit einem reduzierten Risiko der Photobleiche25.
    6. Legen Sie die Anzahl der Kacheln in Bezug auf die Größe der Stichprobe mit einer empfohlenen Überlappung von 15 % zwischen den Kacheln fest und erfassen Sie Bilder für jeden Kanal sequenziell für jeden Stapel an einer bestimmten Kachelposition.

6. Bildverarbeitung mit NuMorph

HINWEIS: Die NuMorph-Pipeline besteht aus drei Hauptteilen für die 3D-Bildanalyse: Vorverarbeitung, Analyse und Auswertung. Diese Teile wurden in NMp_template.m, NMa_template.m bzw. NMe_template.m organisiert, die im Folgenden erläutert werden. Darüber hinaus wird NM_setup.m hinzugefügt, um Softwarepakete herunterzuladen und zu installieren, die für den reibungslosen Betrieb von NuMorph erforderlich sind. NM_samples.m bietet auch eine Vorlage zur Eingabe von Bildakquisitionsinformationen.

  1. NuMorph-Einrichtung
    1. Laden Sie den Conda Environment Manager für Linux26 herunter und installieren Sie ihn. Laden Sie die NuMorph19-Bildverarbeitungstools herunter und installieren Sie sie.
    2. Führen Sie in der Befehlszeile Matlab aus. Führen Sie NM_setup.m von NuMorph aus, um Softwarepakete für Bildanalysen herunterzuladen und zu installieren, die für Analysen benötigt werden.
      HINWEIS: Dieser Schritt stellt sicher, dass die Conda-Umgebung ordnungsgemäß eingerichtet ist und dass alle Tools und Add-ons, die Matlab zum Ausführen der drei Pipelines benötigt, korrekt heruntergeladen und installiert werden. Am bemerkenswertesten sind hier Elastix für die laufende Registrierung und 3D-Unet für die Zellerkennung und -zählung.
  2. Geben Sie Beispielnamen, Eingabe- und Ausgabeverzeichnisse, Kanalinformationen und Lightsheet-Bildgebungsparameter an, indem Sie die Datei NM_samples.m.
    HINWEIS: Hier wird empfohlen, zu überprüfen, ob die richtigen Informationen, insbesondere das Bildeingabeverzeichnis, korrekt angegeben sind. Fehler werden hier in der Regel erst aufgerufen, wenn nachfolgende Schritte ausgeführt werden.
  3. Bildvorverarbeitung
    1. Intensitätsanpassung
      1. Stellen Sie im NMp_template die Intensitätsanpassung = true ein.
        HINWEIS: Auf true setzen, wenn eine Intensitätsanpassung erforderlich ist. Wenn nicht, stellen Sie die Intensitätsanpassung ein = false. Es gibt auch eine Option, um 'update' zu verwenden, um vorherige Anpassungsparameter zu überschreiben.
      2. Legen Sie beim Arbeiten mit einem neuen Satz von Bildern die Option verarbeitete Bilder verwenden = false fest. Andernfalls geben Sie alle zuvor gespeicherten Bilddatensätze im Ausgabeverzeichnis an (z. B. "aligned", "stitched"), die für nachfolgende Verarbeitungsschritte verwendet werden sollen.
        HINWEIS: Diese Option wird bereitgestellt, wenn Eingabebilder bereits vorverarbeitet wurden. In diesem Fall werden vorverarbeitete Bilder als Eingabebilder verwendet und die Option wird auf den Namen des Unterverzeichnisses im Ausgabeverzeichnis gesetzt.
      3. Setzen Sie save images = true.
        HINWEIS: Mit dieser Option wird sichergestellt, dass verarbeitete Bilder im Ausgabeverzeichnis gespeichert werden. Andernfalls werden nur Parameter berechnet und gespeichert.
      4. Legen Sie save samples = true fest.
        HINWEIS: Diese Option stellt sicher, dass die Beispielergebnisse für jeden Hauptschritt gespeichert werden.
      5. Set adjust tile shading = basic zum Anwenden der Schattierungskorrektur unter Verwendung des BaSiC-Algorithmus27 oder manuell zum Anwenden der Kachelschattierungskorrektur unter Verwendung von Messungen aus dem Lichtblattmikroskop bei bestimmten Lichtblattbreiten.
        HINWEIS: Diese Option korrigiert die ungleichmäßige Beleuchtung entlang der y-Dimension, die durch die Form der Blatttaille verursacht wird.
    2. Ausrichtung des Bildkanals
      1. Legen Sie in NMp_template die Kanalausrichtung = true fest. Setzen Sie diese Option auf true, wenn eine Kanalausrichtung erforderlich ist. Wenn nicht, legen Sie den Wert auf false fest. Legen Sie die Kanalausrichtungsmethode entweder auf translation (starr) oder elastix (nicht starr) fest.
        HINWEIS: Das Translationsverfahren verwendet starre 2D-Registrierungsansätze bei der Ausrichtung mehrerer Kanäle, während das Elastix-Verfahren nicht-starre B-Splines28 verwendet, um die Rotationsdrift zu korrigieren, die während der langen Bildaufnahme19 auftreten kann.
    3. Iteratives Bild-Stitching
      1. Setzen Sie NMp_template Stichbilder = true.
        HINWEIS: Setzen Sie diese Option auf true, wenn Stitching erforderlich ist.
      2. Setzen Sie die Sichtverfeinerung = true.
        HINWEIS: Diese Option wird verwendet, um die Übersetzung in xy mithilfe der Transformation für unveränderliche Merkmalstransformationskalieren 29 weiter zu verfeinern.
      3. Lastausrichtungsparameter festlegen = true.
        HINWEIS: Diese Option verwendet die Kanalausrichtungsübersetzungen während des Stitchings. Diese Option wird bei Mehrkanal-Bildgebung empfohlen. Andernfalls auf false festgelegt.
      4. Legen Sie Überlappung = 0,15 fest, um Kachelüberlappungen während der Bildgebung abzugleichen.
    4. Um einen dieser Vorverarbeitungsschritte auszuführen, führen Sie in Matlab außerhalb NMp_template Umgebung Folgendes aus:
      1. Geben Sie den Beispielnamen an. Set config = NM_config(process,sample).
      2. Führen Sie einen der Vorverarbeitungsschritte aus, indem Sie NM_process(config,stage) angeben und die Stufe mit Intensität, Ausrichtung oder Stitch für einen der Prozesse angeben. Überprüfen Sie das Ausgabeverzeichnis auf Ausgabedateien für jede der Phasen (Abbildung 3 und Abbildung 4).
  4. Bildanalyse
    1. Vor NuMorph
      1. Beginnen Sie mit einem 3D-Atlasbild und einem zugehörigen Anmerkungsbild, das jedes Voxel einer bestimmten Struktur zuordnet.
        HINWEIS: Hier wird der P4 Allen Developmental Mouse Brain Atlas verwendet, der aus dem MagellanMapper30 generiert wurde.
      2. Richten Sie sowohl das Atlasbild als auch die Anmerkungsdatei aus, um sicherzustellen, dass sie in der richtigen Ausrichtung korrekt übereinstimmen.
    2. Innerhalb von NuMorph
      HINWEIS: Nachdem der Atlas und seine Anmerkungen korrekt ausgerichtet sind, müssen die Dateien in NuMorph "munged" oder verarbeitet werden, damit sie für die spätere Verwendung gespeichert werden können. Verwenden Sie dazu die Funktion munge_atlas, um Eingaben wie unten gezeigt anzugeben.
      1. Geben Sie Atlas_file: (Zeichenfolge) an. Geben Sie den vollständigen Pfad zur Atlasdatei an.
      2. Geben Sie Annotation_file: (Zeichenfolge) an. Geben Sie den vollständigen Pfad zu den zugeordneten Anmerkungen an.
      3. Geben Sie die Auflösung an: (1x3 numerisch). Geben Sie die Auflösung des Atlas y,x,z als Mikrometer pro Pixel an.
      4. Ausrichtung angeben: (1 x 3 Zeichen). Geben Sie die Atlasorientierung an und stellen Sie sicher, dass sie mit dem Aufbau der Probe in der Halterung übereinstimmt (anterior(a)/posterior(p),superior(s)/inferior(i),left(l)/right(r)).
      5. Halbkugel angeben: Geben Sie an, welche Gehirnhälfte abgebildet wurde ("links", "rechts", "beide", "keine").
      6. Geben Sie out_resolution:(int) an. Geben Sie die isotrope Auflösung der Atlasausgabe in Mikrometern an. (Standard: 25).
      7. Führen Sie den Befehl "munge_atlas(atlas_file, annotation_file, resolution, orientation, hemisphere)" aus, um munged Annotationen in /data/annotation_data und eine Kopie des Atlasbildes in /data/atlas zu generieren.
      8. Lesen Sie die Matlab-Struktur und die Atlas-Datei, um sicherzustellen, dass beide Dateien korrekt in der richtigen Ausrichtung angeordnet sind.
        HINWEIS: Ein zusätzlicher Zellklassifizierungsschritt kann durchgeführt werden, um Zelltypen basierend auf der Kolokalisierung von immunmarkierten Proteinmarkern zu quantifizieren.
    3. Resampling
      1. Legen Sie NMa_template resampling images = true fest, wenn Sie eine Bildregistrierung durchführen, um auf den Atlas zu verweisen oder heruntergerechnete Mengen hochauflösender Datensätze zu generieren.
        HINWEIS: Die NMa_template.m wird verwendet, um die Parameter für die Neuprobenahme, Registrierung, Zellkernerkennung und Zellzählung einzustellen.
      2. Stellen Sie die Auflösung für die Neuberechnung so ein, dass sie dem Atlas entspricht.
        HINWEIS: Hier wird eine isotrope Auflösung von 25 μm3/voxel verwendet, da der Referenzatlas diese Auflösung aufweist.
      3. Geben Sie die Kanalnummer an, die mit Resample-Kanälen = [ ] neu berechnet werden soll.
        HINWEIS: Hier wird die Kanalnummer so eingestellt, dass sie mit dem Kernkanal übereinstimmt. Wenn diese Option leer ist, wird nur der Registrierungskanal neu gesampelt.
    4. Registrierung
      1. Setzen Sie in NMa_template register images = true. Legen Sie den Wert auf true fest, wenn eine Registrierung erforderlich ist. Wenn nicht, setzen Sie registration = false.
      2. Geben Sie die Atlasdatei so an, dass sie mit der Datei im Atlasverzeichnis übereinstimmt.
      3. Registrierungsparameter festlegen = Standard.
        HINWEIS: Diese Option verwendet eine affine gefolgt von B-Spline-Transformation, um die räumliche Übereinstimmung zu schätzen. Andernfalls definieren Sie einen neuen Satz von Registrierungsparametern über Elastix in /data/elastix_parameter_files/atlas_registration.
      4. Legen Sie save registered images = true fest.
        HINWEIS: Ausgabedateien aus der Registrierung und dem Resampling können heruntergeladen und in Matlab oder anderen Visualisierungstools wie FIJI31 visuell überprüft werden.
    5. Zellkernerkennung, Zellzählung und -klassifizierung
      Hinweis: Hier auftretende Fehler können darauf zurückzuführen sein, dass die Anmerkungsdatei nicht korrekt angegeben wurde oder das Alter des Beispiels nicht mit der richtigen Anmerkung übereinstimmt.
      1. Setzen Sie NMa_template sowohl die Anzahl der Kerne als auch die Klassifizierung der Zellen = true.
      2. Set-count-Methode = 3dunet.
        HINWEIS: Diese Option ermöglicht die Verwendung des trainierten 3D-Unet-Modells19. Wählen Sie andernfalls Hessisch aus, das die Hessische Bloberkennungsmethode verwendet.
      3. Legen Sie min_intensity fest, um einen Mindestintensitätsschwellenwert für erkannte Objekte zu definieren.
        HINWEIS: Ein geeigneter Schwellenwert wird empirisch basierend auf dem Signal-Rausch-Verhältnis der nuklearen Markierung bestimmt.
      4. Legen Sie classify_method auf einen der beiden Schwellenwerte fest, der auf einer unüberwachten Fluoreszenzintensität an Schwerpunktpositionen basiert, oder auf svm, der einen überwachten linearen SVM-Klassifikator (Support Vector Machine) modelliert.
        HINWEIS: In diesem Schritt werden alle erkannten Zellen in vier Hauptklassen mit 3-Kanal-Bildgebung klassifiziert. Mit diesem Protokoll werden Ctip2+/Brn2-, Ctip2-/Brn2+, Ctip2-/Brn2- und Ausreißer erzeugt.
    6. Analyseschritte
      1. Geben Sie den Beispielnamen an. Legen Sie config =NM_config(analyze,sample) fest.
      2. Führen Sie einen der Analyseschritte aus, indem Sie NM_analyze(config,stage) angeben und die Phase mithilfe von Resample, Register, Count oder Klassifizieren angeben. Überprüfen Sie das Ausgabeverzeichnis auf Ausgabedateien für jede der Phasen (Abbildung 5).
    7. Zelltypklassifikation und Gruppenanalyse
      1. Setzen Sie NMe_template update = true und überschreiben Sie alle zuvor berechneten Statistiken.
        HINWEIS: Die NMe_template.m bietet die Möglichkeit, eine Zelltypgruppenanalyse über Gehirnregionen desselben analysierten Gehirns hinweg durchzuführen.
      2. Legen Sie compare_structures_by entweder auf Index fest, um nach allen eindeutigen Anmerkungen zu vergleichen, oder auf Tabelle, um Strukturen gemäß der Tabelle zu vergleichen.
      3. Legen Sie den template_file fest, der alle möglichen Strukturindizes angibt und in /annotations vorhanden sein muss.
      4. Legen Sie structure_table fest, und geben Sie die zu bewertenden Strukturen an.
      5. Geben Sie die Zellzählung und die Zelltypklassifizierung wie in NMa_template.m. beschrieben an.
      6. Legen Sie compare_groups fest, um die zu vergleichenden Gruppen anzugeben.
      7. Setzen Sie paired auf true oder false, um entweder einen gepaarten t-Test oder einen Zwei-Stichproben-t-Test durchzuführen.
    8. Analyse ausführen.
      HINWEIS: Um diesen Schritt auszuführen, führen Sie Folgendes in Matlab außerhalb der NMe_template.m-Umgebung aus.
      1. Geben Sie den Beispielnamen an. Legen Sie config =NM_config(evaluate,sample) fest.
      2. Führen Sie den Analyseschritt aus, indem Sie NM_evaluate(config,stage) und die Bühne angeben. Überprüfen Sie das Ausgabeverzeichnis auf Ausgabedateien für die Gruppenanalyse.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Da das iDISCO+-Protokoll eine signifikante Gewebeschrumpfung einführt, die mit dem Auge leicht wahrnehmbar ist (Abbildung 2B), haben wir dieser Pipeline vor der Gewebereinigung einen MRT-Schritt hinzugefügt, um die durch die Gewebereinigung induzierte Schrumpfung zu quantifizieren. Der Workflow beginnt mit der Entfernung des Nicht-Hirngewebes aus dem MR-Bild (Abbildung 2C). Als nächstes wird eine starre Transformation (3 Translations- und 3 Drehwinkel) angewende...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gewebereinigungsmethoden sind nützliche Techniken zur Messung der 3D-Zellorganisation des Gehirns. Es gibt eine Vielzahl von Gewebereinigungsmethoden, die in der Literatur beschrieben sind, jede mit ihren Vorteilen und Einschränkungen 6,7,8,9. Die Möglichkeiten für Computerwerkzeuge zur Analyse der Zelltypen in den gewebebereinigten Bildern sind relativ begrenzt. Andere verfügbare Werkzeuge wur...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben keine Interessenkonflikte offenzulegen.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Arbeit wurde vom NIH (R01MH121433, R01MH118349 und R01MH120125 an JLS und R01NS110791 an GW) und der Foundation of Hope unterstützt. Wir danken Pablo Ariel vom Microscopy Services Laboratory für die Unterstützung bei der Probenbildgebung. Das Microscopy Services Laboratory in der Abteilung für Pathologie und Labormedizin wird teilweise durch den Cancer Center Core Support Grant P30 CA016086 an das Lineberger Comprehensive Cancer Center der University of North Carolina (UNC) unterstützt. Der Neuroscience Microscopy Core wird durch den Zuschuss P30 NS045892 unterstützt. Die in dieser Publikation berichtete Forschung wurde teilweise durch den North Carolina Biotech Center Institutional Support Grant 2016-IDG-1016 unterstützt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Bruker 9,4 T/30 cm MRT-ScannerBruker BiospecTier-MRT-System mit horizontaler Bohrung
DibenzyletherSigma-Aldrich108014-1KG
Dichlormethan (DCM)Sigma-Aldrich270997-1L
Dimethylsulfoxid (DMSO)Fisher-ScientificICN19605590
EselserumSigma-AldrichS30-100ML
EVO 860 4TB externe SSD
Fomblin YSpeciality Fluids CompanyYL-VAC-25-6Perfluorpolyether Schmiermittel
Gadolinium Kontrastmittel (ProHance)Bracco DiagnosticsA9576
Gadolinium Kontrastmittel (ProHance)Bracco Diagnostics0270-1111-03
GeForce GTX 1080 Ti 11GB GPUEVGA08G-P4-6286-KR
GlycinSigma-AldrichG7126-500G
Heparin-NatriumsalzSigma-AldrichH3393-10KUGelöst in H2O bis 10 mg/ml
Wasserstoffperoxidlösung, 30%Sigma-AldrichH1009-100ML
ImSpector ProLaVision BioTecBilderfassungssoftware für Mikroskope
ITK SnapSegmentierungssoftware
MethanolFisher-ScientificA412SK-4
MVPLAPO 2x/0,5 NA ObjektivOlympus
Paraformaldehyd, Pulver, 95% (PFA)Sigma-Aldrich30525-89-4Gelöst in 1x PBS bis 4
%Phosphatgepufferte Kochsalzlösung 10x (PBS)Corning46-013-CMVerdünnt auf 1x in H2O
NatriumazidSigma-AldrichS2002-100GGelöst in H2O bis 10%
NatriumdesoxycholatSigma-AldrichD6750-10G
Tergitol Typ NP-40Sigma-AldrichNP40S-100ML
TritonX-100Sigma-AldrichT8787-50ML
Tween-20Fisher-ScientificBP337 500
Ultramicroscope II Light Sheet MikroskopLaVision BioTec
Xeon Prozessor E5-2690 v4IntelE5-2690
Zyla sCMOS KameraAndorKomplementäre Metalloxid-Halbleiterkamera
AntikörperArbeitskonzentration
Alexa Fluor Goat 790 Anti-KaninchenThermofisherScientific A11369(1:50)
Alexa Fluor Goat 568 Anti-RatteThermofisher ScientificA11077(1:200)
Ratte Anti-Ctip2Abcamab18465(1:400)
Kaninchen Anti-Brn2Cell Signaling Technology12137(1:100)
To-Pro 3 (TP3)Thermofisher ScientificT3605Elektronikartikel (1:400)

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Dodt, H. U., et al. Ultramicroscopy: Three-dimensional visualization of neuronal networks in the whole mouse brain. Nature Methods. 4 (4), 331-336 (2007).
  2. Hägerling, R., et al. A novel multistep mechanism for initial lymphangiogenesis in mouse embryos based on ultramicroscopy. The EMBO Journal. 32 (5), 629-644 (2013).
  3. Tomer, R., Khairy, K., Keller, P. J. Shedding light on the system: studying embryonic development with light sheet microscopy. Current Opinion in Genetics & Development. 21 (5), 558-565 (2011).
  4. Li, A., et al. Micro-optical sectioning tomography to obtain a high-resolution atlas of the mouse brain. Science. 330 (6009), 1404-1408 (2010).
  5. Stoner, R., et al. Patches of disorganization in the neocortex of children with autism. The New England Journal of Medicine. 370 (13), 1209-1219 (2014).
  6. Renier, N., et al. IDISCO: A simple, rapid method to immunolabel large tissue samples for volume imaging. Cell. 159 (4), 896-910 (2014).
  7. Susaki, E. A., et al. Whole-brain imaging with single-cell resolution using chemical cocktails and computational analysis. Cell. 157 (3), 726-739 (2014).
  8. Richardson, D. S., et al. Tissue clearing. Nature Reviews. Methods Primers. 1 (1), 84(2021).
  9. Richardson, D. S., Lichtman, J. W. Clarifying tissue clearing. Cell. 162 (2), 246-257 (2015).
  10. Renier, N., et al. Mapping of brain activity by automated volume analysis of immediate early genes. Cell. 165 (7), 1789-1802 (2016).
  11. Santi, P. A. Light sheet fluorescence microscopy: a review. The Journal of Histochemistry and Cytochemistry: Official Journal of the Histochemistry Society. 59 (2), 129-138 (2011).
  12. Girkin, J. M., Carvalho, M. T. The light-sheet microscopy revolution. Journal of Optics. 20 (5), 053002(2018).
  13. Budday, S., et al. Mechanical properties of gray and white matter brain tissue by indentation. Journal of the Mechanical Behavior of Biomedical Materials. 46, 318-330 (2015).
  14. Johnson, G. A., et al. High-throughput morphologic phenotyping of the mouse brain with magnetic resonance histology. NeuroImage. 37 (1), 82-89 (2007).
  15. Herculano-Houzel, S., Mota, B., Lent, R. Cellular scaling rules for rodent brains. Proceedings of the National Academy of Sciences of the United States of America. 103 (32), 12138-12143 (2006).
  16. Matsumoto, K., et al. Advanced CUBIC tissue clearing for whole-organ cell profiling. Nature Protocols. 14 (12), 3506-3537 (2019).
  17. Fürth, D., et al. An interactive framework for whole-brain maps at cellular resolution. Nature Neuroscience. 21 (1), 139-149 (2018).
  18. Chandrashekhar, V., et al. CloudReg: automatic terabyte-scale cross-modal brain volume registration. Nature Methods. 18 (8), 845-846 (2021).
  19. Krupa, O., et al. NuMorph: Tools for cortical cellular phenotyping in tissue-cleared whole-brain images. Cell Reports. 37 (2), 109802(2021).
  20. Petiet, A., Delatour, B., Dhenain, M. Models of neurodegenerative disease - Alzheimer's anatomical and amyloid plaque imaging. Methods in Molecular Biology. 771, 293-308 (2011).
  21. Jenkinson, M., Beckmann, C. F., Behrens, T. E. J., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62, 782-790 (2012).
  22. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. NeuroImage. 17 (2), 825-841 (2002).
  23. Avants, B. B., Epstein, C. L., Grossman, M., Gee, J. C. Symmetric diffeomorphic image registration with cross-correlation: evaluating automated labeling of elderly and neurodegenerative brain. Medical Image Analysis. 12 (1), 26-41 (2008).
  24. iDISCO method. , Available from: https://idisco.info/ (2022).
  25. Ariel, P. UltraMicroscope II - A User Guide. University of North Carolina at Chapel Hill. , UniversityLibraries. Chapel Hill (NC). (2019).
  26. Anaconda Distribution - Anaconda documentation. , Available from: https://docs.anaconda.com/anaconda/ (2022).
  27. Peng, T., et al. A BaSiC tool for background and shading correction of optical microscopy images. Nature Communications. 8, 14836(2017).
  28. Klein, S., Staring, M., Murphy, K., Viergever, M. A., Pluim, J. P. W. elastix: a toolbox for intensity-based medical image registration. IEEE Transactions on Medical Imaging. 29, 196-205 (2010).
  29. Lowe, G. Sift-the scale invariant feature transform. International Journal. 2 (91-110), 2(2004).
  30. Young, D. M., et al. Whole-brain image analysis and anatomical atlas 3D generation using MagellanMapper. Current Protocols in Neuroscience. 94 (1), Editorial Board, Jacqueline N. Crawley ... [et al] 104(2020).
  31. Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  32. Velíšek, L. Under the (Light) sheet after the iDISCO. Epilepsy Currents / American Epilepsy Society. 16 (6), 405-407 (2016).
  33. ITK-SNAP home. , Available from: http://www.itksnap/org/pmwiki/pmwiki.php (2022).
  34. Young, D. M., et al. Constructing and optimizing 3D atlases from 2D data with application to the developing mouse brain. eLife. 10, (2021).
  35. Yun, D. H., et al. Ultrafast immunostaining of organ-scale tissues for scalable proteomic phenotyping. bioRxiv. , (2019).
  36. Silvestri, L., et al. Universal autofocus for quantitative volumetric microscopy of whole mouse brains. Nature Methods. 18 (8), 953-958 (2021).
  37. Frasconi, P., et al. Large-scale automated identification of mouse brain cells in confocal light sheet microscopy images. Bioinformatics. 30 (17), 587(2014).
  38. Kruskal, J. B. On the shortest spanning subtree of a graph and the traveling salesman problem. Proceedings of the American Mathematical Society. American Mathematical Society. 7 (1), 48-50 (1956).
  39. Wang, Q., et al. The allen mouse brain common coordinate framework: A 3D reference atlas. Cell. 181, 936-953 (2020).
  40. Borland, D., et al. Segmentor: a tool for manual refinement of 3D microscopy annotations. BMC Bioinformatics. 22 (1), 260(2021).
  41. Kumar, A., et al. Dual-view plane illumination microscopy for rapid and spatially isotropic imaging. Nature Protocols. 9 (11), 2555-2573 (2014).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

GanzhirnbildgebungEinzelzellanalyseneonatales MausgehirnMRT HirnbildgebungKernquantifizierung3D HirnatlasZelltypklassifizierungImage Stitching

Verwandte Artikel