Name: Automatische Identifizierung von dendritischen Ästen und deren Orientierung (Video) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: Erfahren Sie die automatisierte Analyse neuronaler Dendriten mit SOA aus 2D-Fluoreszenzbildern. Diese benutzerfreundliche Software extrahiert morphologische Daten und klassifiziert Wachstumsmuster effizient.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Die Autoren danken Dr. Orly Weiss für die Aufbereitung der Kulturbilder.

HINWEIS: Das israelische Gesundheitsministerium genehmigte die Verwendung von Mäusen gemäß Protokoll IL-218-01-21 für die ethische Verwendung von Versuchstieren. SOA ist nur mit Windows 10 und Python 3.9 kompatibel. Es ist als Open-Source-Code verfügbar: https://github.com/inbar2748/DendriteProject. Unter diesem Link gibt es auch eine README. DM-Datei mit Anweisungen zum Herunterladen der Software, einem Link zur Website der Software und einer Anforderungsdatei mit Informationen zu den erforderlichen Versionen aller Pakete. Weitere Beispiele für Analysen, die mit der Software durchgeführt wurden, wurden dort ebenfalls bereitgestellt.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> Abbildung 1: SOA-Workflow für die Segmentierung und Wachstumsrichtungsanalyse. Gezeigt werden die Verarbeitungsschritte von Fluoreszenzbildern dendritischer Netzwerke und die Datenanalyse. Das 2D-Bild wird hochgeladen, segmentiert (in zwei Schritten: dendritische Verzweigungen werden als Linien erkannt, und dann werden die relevanten Linien zusammengeführt), und die räumlichen Informationen jedes dendritischen Zweiges werden erhalten. Die Daten werden für alle dendritischen Zweige im Bild gesammelt. Schließlich werden die Daten analysiert, um die gewünschten morphologischen Parameter zu erhalten. Abkürzung: SOA = Segmentierungs- und Orientierungsanalyse. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
1. Öffnen Sie die SOA-Anwendung.
<ol><li>Öffnen Sie die URL-Adresse: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA, suchen Sie die SOA.zip gezippten Ordner und laden Sie die ZIP-Datei per Doppelklick herunter.</li>
	<li>Entpacken Sie den Ordner, indem Sie mit der rechten Maustaste auf SOA klicken.zip und wählen Sie Dateien extrahieren. Beachten Sie das daraufhin geöffnete Fenster Extraktionspfad und Optionen und das Textfeld Zieladresse , in dem der Pfad für die extrahierten Dateien angezeigt wird. Um an einen anderen Speicherort zu extrahieren, klicken Sie auf einen der Ordner im rechten Fensterbereich, um ihn zum Zielordner zu machen. Klicken Sie auf OK, um die Dateien in diesen Ordner zu extrahieren.</li>
	<li>Öffnen Sie die extrahierte SOA-Datei und doppelklicken Sie auf SOA.exe. Warten Sie, bis sich ein schwarzes Fenster öffnet, nach dem die Anwendung angezeigt wird.</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> Abbildung 2: Beispiel für einen Workflow mit der grafischen Benutzeroberfläche der SOA. Linke Spalte: GUI-Abschnitte des Workflows. Mittlere Spalte: Bild eines dendritischen Netzwerks, das während des Workflows verarbeitet wird (Maßstabsleiste: 20 μm). Rechte Spalte: Vergrößerung des durch ein rotes Rechteck markierten Bereichs in den Bildern der mittleren Spalte (Maßstabsleiste: 4 μm). Schritt 1: Auswahl und Hochladen eines Bildes. Schritt 2: Die erste Stufe der Segmentierung ist die Erkennung von Linien, die die identifizierten dendritischen Zweige darstellen. Schritt 3: Die zweite Stufe der Segmentierung ist die näherungsbasierte Verschmelzung der Segmentauskleidung in einzelnen dendritischen Ästen. Die Einstellungen aller Schritte können geändert werden. Abkürzungen: SOA = Segmentierungs- und Orientierungsanalyse; GUI = grafische Benutzeroberfläche. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
2. Öffnen Sie ein Bild zur Analyse.
<ol><li>In der SOA Viewer-Menüleiste Hochladen | Wählen Sie Datei auswählen | Wählen Sie ein Bild aus den Computerdateien | Klicken Sie darauf (nur .png .jpg .tif .bmp Dateien) | | Beachten Sie den Pfad der Datei | Nächster.
</li>
</ol>3. Segmentierungsoptimierung
HINWEIS: Ändern Sie in der SoA Viewer-Menüleiste Eigenschaften die Werte der ausgewählten Parameter, um die Einstellungen für den Segmentierungsprozess anzupassen. Eine detaillierte Beschreibung der Parameter, wie z. B . der Schwellenwert, finden Sie im Ergänzungsmaterial.
<ol><li>Passen Sie unter Kanten den Schwellenwert für die Anzeige an, indem Sie den Schwellenwert auswählen und eine Zahl eingeben. HINWEIS: Je niedriger die Zahl für den Schwellenwert ist, desto mehr Zeilen werden erkannt. Schwellenwert ist eine Zahl, die zwischen 0 und 255 liegt. Der Standardwert wurde auf 0 festgelegt.</li>
	<li>In Seriendruckzeilen:<ol>
<li>Passen Sie den Mindestabstand für die Zusammenführung für die Anzeige an, indem Sie den Mindestabstand zum Zusammenführen auswählen und eine Zahl eingeben. HINWEIS: Der Mindestabstand zum Zusammenführen reicht von 0 bis 30 Pixeln. Der Standardwert ist auf 20 festgelegt.</li>
		<li>Passen Sie den minimalen Winkel zum Zusammenführen für die Anzeige an, indem Sie den zu verschmelzenden Mindestwinkel auswählen und eine Zahl eingeben. HINWEIS: Der Min-Winkel zum Zusammenführen reicht von 0 bis 30°. Der Standardwert ist auf 10 festgelegt.</li>
	</ol>
</li>
	<li>Klicken Sie auf Vorschau-Segmentierungsbild erstellen. HINWEIS: Ein Vorschaubild der Segmentierungsergebnisse wird entsprechend den aktualisierten Werten angezeigt. Zusätzlich wird die Anzahl der Zeilen vor dem Zusammenführen und die Anzahl der Zeilen nach dem Zusammenführen angezeigt.</li>
	<li>Ändern Sie die Parameter, um eine maximale Identifizierung der Segmente zu erreichen. Wenn Sie die Eigenschaften ändern müssen, klicken Sie auf die Schaltfläche Fenster schließen und folgen Sie den Schritten 3.1-3.4.</li>
</ol>4. Erstellen Sie die Ausgabedateien.
<ol><li>Drücken Sie OK , um die Segmentierungsbilder und die Analysediagramme zu visualisieren. Beobachten Sie das angezeigte Fenster, in dem Sie einen Speicherort auswählen, an dem die .xlsx Datei gespeichert werden soll.</li>
	<li>Fügen Sie einen Dateinamen | Wählen Sie Save | Warten Sie, bis die .xlsx Datei mit Daten erstellt und gespeichert wurde. HINWEIS: Zusätzlich zur .xlsx Datei werden automatisch die folgenden Dateien angezeigt: eine Datei, die das Originalbild, das Linienerkennungsbild, das endgültige Bild der Segmentierung und drei Analysediagramme darstellt.
</li>
</ol>5. Navigationssymbolleiste
HINWEIS: Eine Navigationssymbolleiste ist in allen Abbildungsfenstern enthalten und kann zum Navigieren durch den Datensatz verwendet werden. Jede der Schaltflächen am unteren Rand der Symbolleiste wird im Folgenden beschrieben.
<ol><li>Um zwischen zuvor definierten Ansichten hin und her zu navigieren, verwenden Sie die Schaltflächen Vorwärts und Zurück . HINWEIS: Die Schaltflächen Start, Vorwärts und Zurück ähneln den Steuerelementen Home, Vorwärts und Zurück in einem Webbrowser. Home kehrt zum Standardbildschirm, dem Originalbild, zurück.</li>
	<li>Verwenden Sie die Schaltfläche Zoom zum Schwenken und Zoomen. Um das Schwenken und Zoomen zu aktivieren, drücken Sie die Zoom-Taste und bewegen Sie dann die Maus an die gewünschte Stelle im Bild.<ol>
<li>Um die Figur zu schwenken, halten Sie die linke Maustaste gedrückt, während Sie sie an eine neue Position ziehen. Lassen Sie die Maustaste los, und der ausgewählte Punkt im Bild wird an der neuen Position angezeigt. Halten Sie während des Schwenkens die Tasten x oder y gedrückt, um die Bewegung auf die x - bzw. y-Achse zu beschränken.</li>
		<li>Halten Sie zum Vergrößern die rechte Maustaste gedrückt und ziehen Sie sie an eine neue Position. Bewegen Sie sich nach rechts, um auf der x-Achse zu vergrößern, und nach links, um auf der x-Achse zu verkleinern. Machen Sie dasselbe für die y-Achse und die Aufwärts-/Abwärtsbewegungen. Beachten Sie beim Zoomen, dass der Punkt unter der Maus stationär bleibt, sodass Sie um diesen Punkt herum vergrößern oder verkleinern können. Verwenden Sie die Modifikatortasten x, y oder CTRL , um den Zoom auf die Beibehaltung von x, y bzw. Seitenverhältnis zu beschränken.</li>
	</ol>
</li>
	<li>Um den Zoom-zu-Rechteck-Modus zu aktivieren, klicken Sie auf die Schaltfläche Zoom-zu-Rechteck . Bewegen Sie den Mauszeiger über das Bild und drücken Sie die linke Maustaste. Ziehen Sie die Maus an eine neue Position, während Sie die Schaltfläche gedrückt halten, um einen rechteckigen Bereich zu definieren. HINWEIS: Die Achsenansichtsgrenzen werden auf den definierten Bereich gezoomt, wenn die linke Maustaste gedrückt wird. Die Achsenansichtsgrenzen werden verkleinert, wenn die rechte Maustaste gedrückt wird, wobei die ursprünglichen Achsen im definierten Bereich platziert werden.</li>
	<li>Verwenden Sie das Subplot-Konfigurationstool , um das Erscheinungsbild der Subplot zu konfigurieren. HINWEIS: Die linke, rechte, obere und untere Seite der Nebenhandlung sowie der Abstand zwischen Zeilen und Spalten können gestreckt oder komprimiert werden.</li>
	<li>Um ein Dialogfeld zum Speichern einer Datei zu öffnen, klicken Sie auf die Schaltfläche Speichern und speichern Sie die Datei in den folgenden Formaten: .png, .ps, .eps, .svg oder .pdf.</li>
</ol>

<ol><li>Ferrante, M., Migliore, M., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+impact+of+dendritic+branch-point+morphology%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Functional impact of dendritic branch-point morphology.</a> Journal of Neuroscience. 33 (5), 2156-2165 (2013).</li>
<li>Spruston, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pyramidal+neurons%3A+dendritic+structure+and+synaptic+integration%5BTitle%5D)+AND+%22Nature+Reviews+Neuroscience%22%5BJournal%5D)">Pyramidal neurons: dendritic structure and synaptic integration.</a> Nature Reviews Neuroscience. 9 (3), 206-221 (2008).</li>
<li>Chklovskii, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synaptic+Connectivity+and+Neuronal+Morphology%3A+Two+Sides+of+the+Same+Coin%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin.</a> Neuron. 43 (5), 609-617 (2004).</li>
<li>Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+dendritic+spine+development+and+plasticity+by+BDNF+and+vesicular+trafficking%3A+fundamental+roles+in+neurodevelopmental+disorders+associated+with+mental+retardation+and+autism%5BTitle%5D)+AND+%22Journal+of+Neurodevelopmental+Disorders%22%5BJournal%5D)">Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism.</a> Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).</li>
<li>Irwin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+Spine+Structural+Anomalies+in+Fragile-X+Mental+Retardation+Syndrome%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome.</a> Cerebral Cortex. 10 (10), 1038-1044 (2000).</li>
<li>Kaufmann, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+anomalies+in+disorders+associated+with+mental+retardation%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic anomalies in disorders associated with mental retardation.</a> Cerebral Cortex. 10 (10), 981-991 (2000).</li>
<li>Pinchas, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+branch+intersections+are+structurally+regulated+targets+for+efficient+axonal+wiring+and+synaptic+clustering%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering.</a> PLoS ONE. 8 (12), 82083(2013).</li>
<li>Cove, J., Blinder, P., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Contacts+among+non-sister+dendritic+branches+at+bifurcations+shape+neighboring+dendritic+branches+and+pattern+their+synaptic+inputs%5BTitle%5D)+AND+%22Brain+Research%22%5BJournal%5D)">Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs.</a> Brain Research. 1251, 30-41 (2009).</li>
<li>Blinder, P., Cove, J., Foox, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convergence+among+non-sister+dendritic+branches%3A+An+activity-controlled+mean+to+strengthen+network+connectivity%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity.</a> PLoS ONE. 3 (11), 3782(2008).</li>
<li>Glaser, J., Glaser, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuron+imaging+with+neurolucida+-+PC-based+system+for+image+combining+microscopy%5BTitle%5D)+AND+%22Computerized+Medical+Imaging+and+Graphics%22%5BJournal%5D)">Neuron imaging with neurolucida - PC-based system for image combining microscopy.</a> Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).</li>
<li>Scorcioni, R., Polavaram, S., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((L-Measure%3A+a+web-accessible+tool+for+the+analysis%2C+comparison+and+search+of+digital+reconstructions+of+neuronal+morphologies%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies.</a> Nature Protocols. 3 (5), 866-876 (2008).</li>
<li>Torben-Nielsen, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+and+extendable+python+library+to+analyze+neuronal+morphologies%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An efficient and extendable python library to analyze neuronal morphologies.</a> Neuroinformatics. 12 (4), 619-622 (2014).</li>
<li>Parekh, R., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+morphology+goes+digital%3A+A+research+hub+for+cellular+and+system+neuroscience%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neuronal morphology goes digital: A research hub for cellular and system neuroscience.</a> Neuron. 78 (1), 206(2013).</li>
<li>heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NeuronIQ%3A+A+novel+computational+approach+for+automatic+dendrite+SPINES+detection+and+analysis%5BTitle%5D)+AND+%222007+IEEE%2FNIH+Life+Science+Systems+and+Applications+Workshop%22%5BJournal%5D)">NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis.</a> 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).</li>
<li>Image processing and analysis in Java. NIH. ImageJ. , Available from: 
 <a target="_blank" href="https://imagej.nih.gov/ij">https://imagej.nih.gov/ij</a> (2021).</li>
<li>Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Superior+survival+and+durability+of+neurons+and+astrocytes+on+3-dimensional+aragonite+biomatrices%5BTitle%5D)+AND+%22Tissue+Engineering%22%5BJournal%5D)">Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices.</a> Tissue Engineering. 13, 461-472 (2007).</li>
<li>Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gliosis+of+astrocytes+cultivated+on+coral+skeleton+is+regulated+by+the+matrix+surface+topography%5BTitle%5D)+AND+%22Biomedical+Materials%22%5BJournal%5D)">Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography.</a> Biomedical Materials. 14 (4), 045005(2019).</li>
</ol>

Die Autoren erklären, dass sie keine konkurrierenden finanziellen Interessen haben.

Effektive Strategien zur Extraktion morphologischer Informationen aus 2D-Bildern sind dringend erforderlich, um mit den biologischen Bildgebungsdaten Schritt zu halten. Obwohl Bilddaten in Stunden generiert werden können, dauert eine eingehende Analyse der Bilder sehr lange. Infolgedessen ist die Bildverarbeitung in vielen Bereichen eindeutig zu einem großen Hindernis geworden. Das liegt unter anderem an der hohen Komplexität der Daten, insbesondere beim Umgang mit biologischen Proben. Da viele Benutzer keine speziellen ...

Die dendritische Morphogenese ist ein zentrales Thema in den Neurowissenschaften, da die Struktur des dendritischen Baumes die Recheneigenschaften der synaptischen Integration in Neuronen beeinflusst1,2,3. Darüber hinaus sind morphologische Anomalien und Modifikationen in dendritischen Ästen mit degenerativen und neurologischen Entwicklungsstörungen assoziiert4,5,6. In neuronalen Kulturen, in denen die dendritische Verzweigung leichter sichtbar gemacht werden kann, regulieren die Wechselwirkungen zwischen nicht-schwesterlichen dendritischen Ästen die Stellen und das Ausmaß der synaptischen Clusterbildung entlang der Zweige, ein Verhalten, das die synaptische Koaktivität und Plastizität beeinflussen kann7,8,9. Daher ist die Charakterisierung der morphologischen Parameter des dendritischen Baumes unter Verwendung zweidimensionaler (2D) neuronaler Kulturen vorteilhaft, um die dendritische Morphogenese und Funktionalität einzelner und Netzwerke von Neuronen zu verstehen. Dies ist jedoch eine herausfordernde Aufgabe, da dendritische Zweige selbst in "vereinfachten" neuronalen 2D-Kulturen ein komplexes Netz bilden.
Mehrere Werkzeuge wurden entwickelt, um dendritische Strukturen automatisch zu verfolgen und zu analysieren10,11,12,13. Die meisten dieser Werkzeuge sind jedoch für neuronale 3D-Netzwerke konzipiert und natürlich zu komplex, um sie mit 2D-Netzwerken zu verwenden. Im Gegensatz dazu beinhalten weniger fortgeschrittene morphologische Analysewerkzeuge typischerweise eine bedeutende Komponente computergestützter manueller Arbeit, die sehr zeitaufwendig und anfällig für Bedienerverzerrungen ist14. Bestehende halbautomatische Tools wie "ImageJ'15" (ein Open-Source-Bildverarbeitungspaket der NIH mit einer umfangreichen Sammlung von von der Community entwickelten biologischen Bildanalysewerkzeugen) reduzieren die manuelle Arbeit des Benutzers weitgehend. Während der Bildverarbeitung sind jedoch noch einige manuelle Eingriffe erforderlich, und die Qualität der Segmentierung kann weniger als wünschenswert sein.
Dieser Artikel stellt die SOA vor, ein einfaches automatisiertes Werkzeug, das eine direkte Segmentierung und Orientierungsanalyse von dendritischen Verzweigungen innerhalb neuronaler 2D-Netzwerke ermöglicht. Die SOA kann verschiedene linienartige Objekte in 2D-Bildern erkennen und deren morphologische Eigenschaften charakterisieren. Hier verwendeten wir die SOA zur Segmentierung dendritischer Zweige in 2D-Fluoreszenzbildern von dendritischen Netzwerken in Kultur. Die Software identifiziert die dendritischen Verzweigungen und führt erfolgreich Messungen morphologischer Parameter wie Parallelität und räumliche Verteilung durch. Die SOA kann leicht für die Analyse zellulärer Prozesse anderer Zelltypen und für die Untersuchung nicht-biologischer Netzwerke angepasst werden.

<table><tbody><tr><td>Matplotlib</td><td>&nbsp; 2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom und das Matplotlib-Entwicklungsteam; 2012 - 2021 Das Matplotlib-Entwicklungsteam.</td><td>3.4.2</td><td>eine Python 2D-Plotting-Bibliothek</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>Künstler für matplotlib zur Anzeige einer Maßstabsleiste</td></tr><tr><td>NumPy</td><td>Die NumPy-Community.</td><td>1.20.3</td><td>Grundlegendes Paket für wissenschaftliche Rechnerbibliothek</td></tr><tr><td>OpenCV</td><td>OpenCV Team</td><td>4.5.2.54</td><td>Open Source Computer Vision Library</td></tr><tr><td>PyCharm JetBrains</td><td></td><td>2020.3.1 (Community Edition) Version</td><td>Build #PC-203.6682.86, erstellt am 18. Dezember 2020. Laufzeitversion: 11.0.9.1+11-b1145.37 amd64. VM: OpenJDK 64-Bit Server VM von JetBrains s.r.o. Windows 10 10.0. Arbeitsspeicher: 978M, Kerne: 4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>Verwalten der GUI</td></tr><tr><td>python</td><td>Python Software Foundation Lizenz</td><td>3.9 Version</td><td></td></tr><tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>5.11.1 Version</td><td></td></tr><tr><td>scipy</td><td>Community-Bibliotheksprojekt</td><td>1.6.3</td><td>Python-basiertes Ökosystem von Open-Source-Software für Mathematik, Naturwissenschaften und Technik</td></tr><tr><td>Seaborn</td><td>Michael Waskom.</td><td>0.11.1</td><td>Pythons Bibliothek zur Visualisierung statistischer Daten.</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td><td>1.4.3</td><td>Python-Modul zum Erstellen von Excel XLSX-Dateien</td></tr></tbody></table>

automatische identifizierung von dendritischen Ästen und deren orientierung

Automatic Identification of Dendritic Branches and their Orientation

Die Struktur neuronaler dendritischer Bäume spielt eine Schlüsselrolle bei der Integration synaptischer Inputs in Neuronen. Daher ist die Charakterisierung der Morphologie von Dendriten für ein besseres Verständnis der neuronalen Funktion unerlässlich. Die Komplexität dendritischer Bäume, sowohl isoliert als auch insbesondere in neuronalen Netzwerken, ist jedoch noch nicht vollständig verstanden. Wir haben ein neues Berechnungswerkzeug entwickelt, SOA (Segmentation and Orientation Analysis), das die automatische Messung der Orientierung dendritischer Zweige aus Fluoreszenzbildern neuronaler 2D-Kulturen ermöglicht. SOA, geschrieben in Python, verwendet Segmentierung, um dendritische Verzweigungen vom Bildhintergrund zu unterscheiden und sammelt eine Datenbank in der räumlichen Richtung jedes Zweiges an. Die Datenbank wird dann verwendet, um morphologische Parameter wie die richtungsweisende Verteilung dendritischer Zweige in einem Netzwerk und die Prävalenz des parallelen dendritischen Zweigwachstums zu berechnen. Die gewonnenen Daten können verwendet werden, um strukturelle Veränderungen in Dendriten als Reaktion auf neuronale Aktivität und auf biologische und pharmakologische Reize nachzuweisen.

Eine repräsentative Analyse wurde an Bildern von dendritischen Netzwerken in Kultur durchgeführt. Zellen wurden extrahiert, wie von Baranes et al. beschrieben. 16,17. Kurz gesagt, Hippocampuszellen wurden aus den Gehirnen postnataler Ratten extrahiert und auf 2D-Glasdeckgläsern für 1-2 Wochen kultiviert. Die Kulturen wurden dann fixiert und durch indirekte Immunfluoreszenz unter Verwendung eines Antikörpers gegen den dendritischen Proteinmarker, das Mikr...

Vorgestellt wird ein Computerwerkzeug, das eine einfache und direkte automatische Messung der Orientierungen neuronaler dendritischer Verzweigungen aus 2D-Fluoreszenzbildern ermöglicht.

Automatische Identifizierung von dendritischen Ästen und deren Orientierung

The structure of neuronal dendritic trees plays a key role in the integration of synaptic inputs in neurons. Therefore, characterization of the morphology ...

Die SOA ist ein automatisiertes Tool mit einer benutzerfreundlichen Oberfläche zur Identifizierung, Segmentierung und Extraktion wichtiger morphologischer Informationen aus Bildern komplexer 2D-Liniennetzwerke. Der Arbeitsprozess ist einfach und intuitiv und die Daten werden sofort und unkompliziert gewonnen. Da SOA anpassungsfähig und flexibel ist, kann seine Analysekapazität für andere Anwendungen erweitert werden.SOA kann für die Analyse anderer Arten von 2D-Netzwerken verwendet werden, z. B. Netzwerke von nicht-neuronalen Zellen, komplexen Strukturen, die vom Zytoskelett erzeugt werden, und nicht-biologischen Netzwerken wie Nanoröhren. Öffnen Sie die Webseite, suchen Sie die SOA. zip-Ordner und laden Sie die ZIP-Datei durch Doppelklick herunter.Entpacken Sie den Ordner, indem Sie mit der rechten Maustaste klicken und Dateien extrahieren auswählen. Beobachten Sie den Extraktionspfad im Optionsfenster, das im Textfeld Zieladresse geöffnet wird, in dem der Pfad für die extrahierten Dateien angezeigt wird. Öffnen Sie als Nächstes die extrahierte SOA-Datei und doppelklicken Sie auf SOA.exe.Warten Sie, bis sich ein schwarzes Fenster öffnet, nach dem die Anwendung angezeigt wird. Wähl

automatic-identification-of-dendritic-branches-and-their-orientation

Research

Forschung

JoVE Journal

Neuroscience

Neurowissenschaften

Quelle: Pekarek, B. T., et. al., Bildgebung und Quantifizierung von intakten neuronalen Dendriten mittels CLARITY Tissue Clearing. (2021)In diesem Video demonstrieren wir die Präparation, Bildgebung und Analyse eines gereinigten Mäusegehirns, um dendritische Dorne, die Morphologie der Wirbelsäule und die neuronale Verteilung mithilfe von konfokaler Mikroskopie und 3D-Rekonstruktionstechniken zu untersuchen.

Konfokalmikroskopische Bildgebung von intakten dendritischen Dornen und der Morphologie der Wirbelsäule in einem gereinigten Mausgehirn

Quelle: Ting, C., et al., Analyzing Dendritic Morphology in Columns and Layers. J. Vis. Exp. (2017)Dieses Video zeigt das Verfahren der Präparation eines Drosophila-Gehirns, der Erfassung horizontaler und frontaler Bildstapel von GFP-markierten Medulla-Dendriten unter einem konfokalen Mikroskop und der Erstellung einer 3D-Rekonstruktion, um ihre Morphologie über Schichten und Säulen hinweg zu analysieren.

Analyse der dendritischen Morphologie in Drosophila medulla-Schichten und -Säulen

Quelle: Gouder, et. al. Dreidimensionale Quantifizierung von dendritischen Dornen aus pyramidalen Neuronen, die aus humanen induzierten pluripotenten Stammzellen gewonnen wurden. J. Vis. Exp. (2015).Dieses Video zeigt die Bildgebung und Analyse von dendritischen Dornen in transduzierten, immunmarkierten Pyramidenneuronen mittels konfokaler Mikroskopie. Hintergrundgeräusche werden reduziert und Dendriten werden durch Schätzung ihres Durchmessers und ihrer Länge verfolgt. Die automatisierte...

Quantifizierung dendritischer Dornen mittels konfokaler Mikroskopie

Wir beschreiben zwei Methoden zur Visualisierung und Quantifizierung der dendritischen Arborisierung im Hippocampus von Mausmodellen: Echtzeit- und erweiterte Tiefenschärfebildgebung. Während die erste Methode eine ausgefeilte topographische Verfolgung und Quantifizierung des Ausmaßes der Verzweigung ermöglicht, ermöglicht die zweite eine schnelle Visualisierung des dendritischen Baumes.

Bewertung der dendritischen Verzweigung im Gyrus dentatus des Hippocampus-Region an der Maus

Dendritischen Dornen von Pyramidenneuronen sind die Websites der meisten Synapsen im Gehirn von Säugetieren Kortex. Diese Methode beschreibt ein 3D-quantitative Analyse der Wirbelsäule Morphologien in der menschlichen kortikalen Pyramiden glutamatergen Neuronen aus induzierten pluripotenten Stammzellen abgeleitet.

Dreidimensionale Quantifizierung der dendritischen Dornen von Pyramidenzellen aus humanen induzierten pluripotenten Stammzellen

Hier zeigen wir , wie dendritische Routing von Drosophila Medulla Neuronen in Spalten und Schichten zu analysieren. Der Workflow enthält einen Dual-View-Imaging-Technik, um die Bildqualität und Computational Tools für das Aufspüren, Registrierung dendritischen Dorne auf die Referenzspaltenanordnung und für die Analyse der dendritischen Strukturen in 3D-Raum zu verbessern.

Analyse dendritischer Morphologie in Spalten und Schichten

Dieses Protokoll konzentriert sich auf Quantitative Analyse der neuronalen dendritischen Arborization Komplexität (NDAC) in Drosophila, die für Studien der dendritischen Morphogenese verwendet werden können.

Quantitative Analyse der neuronalen dendritischen Arborization Komplexität in Drosophila

Hier beschreiben wir die Methode, die wir angewendet haben, um hochmotile dendritische Filopodia in einer Live-Vorbereitung des Drosophila-Larvenhirns abzubilden, und das Protokoll, das wir entwickelt haben, um Zeitraffer-3D-Bildgebungsdatensätze für quantitative Bewertungen von Dendriten zu quantifizieren. Dynamik bei der Entwicklung von Neuronen.

Zeitraffer Live Imaging und Quantifizierung der schnellen dendritischen Zweigdynamik bei der Entwicklung von Drosophila Neuronen

Wir präsentieren ein Protokoll zur Kennzeichnung und Analyse pyramidaler Neuronen, das für die Bewertung potenzieller morphologischer Veränderungen in Neuronen und dendritischen Stacheln, die neurochemischen und verhaltensbedingten Anomalien zugrunde liegen können, entscheidend ist.

Ballistische Kennzeichnung von Pyramidal neurons in Gehirnscheiben und in der primären Zellkultur

Neuronale dendritische Morphologie liegt oft der Funktion zugrunde. Tatsächlich manifestieren sich viele Krankheitsprozesse, die die Entwicklung von Neuronen beeinflussen, mit einem morphologischen Phänotyp. Dieses Protokoll beschreibt eine einfache und leistungsfähige Methode zur Analyse intakter dendritischer Dornen und der dazugehörigen Stacheln.

Bildgebung und Quantifizierung intakter neuronaler Dendriten mittels CLARITY Tissue Clearing

Dendritische Stacheln sind postsynaptische Kompartimente der meisten exzitatorischen Synapsen. Veränderungen der Morphologie der dendritischen Wirbelsäule treten während der neurologischen Entwicklung, des Alterns, des Lernens und vieler neurologischer und psychiatrischer Erkrankungen auf, was die Bedeutung einer zuverlässigen dendritischen Wirbelsäulenanalyse unterstreicht. Dieses Protokoll beschreibt die genaue und reproduzierbare Quantifizierung der Morphologie der dendritischen Wirbelsäule...

Quantifizierung der dendritischen Wirbelsäule mit einer automatischen dreidimensionalen Neuronenrekonstruktionssoftware

Erfahren Sie die automatisierte Analyse neuronaler Dendriten mit SOA aus 2D-Fluoreszenzbildern. Diese benutzerfreundliche Software extrahiert morphologische Daten und klassifiziert Wachstumsmuster effizient.

Automatische Identifizierung von dendritischen Ästen und deren Orientierung

Weitere Videos entdecken