Mapping Microglial Parameters Software (MMPS): Ein Open-Source-, benutzerfreundliches Werkzeug zur quantitativen Analyse der Mikrogliamorphologie
July 24th, 2026
Die Mapping Microglial Parameters Software (MMPS) ist eine benutzerfreundliche Analysepipeline, die keine Programmierkenntnisse erfordert und die Analyse der einzelnen Mikroglialmorphologie aus Immunfluoreszenzbildern halbautomatisiert. Validiert in einem von Nagetieren induzierten Lipopolysaccharid-induzierten Neuroinflammationsmodell, erkennt MMPS reproduzierbar aktivierungsassoziierte morphologische Veränderungen und ermöglicht eine standardisierte, skalierbare mikrogliale Phänotypisierung.
Mapping microglial parameter software, oder MMPS, ermöglicht es uns, zu untersuchen, wie Ferroptose mikrogliale Subpopulationen nach einem ischämischen Schlaganfall verändert. MMPS adressiert wichtige Engpässe im Bereich der mikroglialen Analyse, indem es umständliche Softwareanforderungen und erforderliches Programmierwissen umgeht. Um zu beginnen, öffnen Sie das GitHub-Repository auf dem Computer und laden Sie das eigenständige Paket Mapping Microglial Parameters Software oder MMPS herunter.
Im Download-Ordner doppelklicken Sie, um das Archiv-Dienstprogramm zu starten, um den komprimierten Ordner automatisch zu extrahieren. Doppelklicken Sie auf das extrahierte MMPS-Anwendungssymbol, um das MMPS-Paket zu überprüfen und zu öffnen. Klicken Sie auf die Option Bildordner auswählen und navigieren Sie durch das Verzeichnis des Computers, um die Projektdateien zu finden.
Gewähren Sie Ordnerzugriffsberechtigungen und wählen Sie das Bildspeicherverzeichnis. Klicken Sie als Nächstes auf Ausgabeordner auswählen und wählen Sie dann das Ausgabeverzeichnis. Wählen Sie das zu verarbeitende Bild aus und dann die Bildbeschriftung.
Weisen Sie dem Bild Tieridentifikatoren und Behandlungsgruppen zu und speichern Sie die Eingaben. Um die Pixelgröße des Bildes zu berechnen, wählen Sie Kalibrieren von Maßstab aus. Wählen Sie die Anfangs- und Endpunkte des Maßstabs aus und geben Sie die bekannte Maßstabsentfernung in Mikrometern ein und klicken Sie auf Anwenden.
Wählen Sie das Fluoreszenzkanal, der das mikrogliale Signal enthält. Wählen Sie Bilder zur Verarbeitung aus, indem Sie das Kästchen neben dem Namen jedes Bildes ankreuzen und verarbeiten Sie sie einzeln, wenn die Hintergrundfluoreszenz zwischen den Bildern unterschiedlich ist. Überprüfen Sie die Registerkarten Original, Vorschau, verarbeitet und Masken, um die Bildverarbeitungsstufen zu vergleichen.
Wählen Sie Vorschau aktuelles Bild aus, um zusätzliche Verarbeitungseinstellungen anzupassen. Für die Hintergrundsubtraktion setzen Sie den Rolling-Ball-Wert zwischen fünf und 150 Pixel. Um Beleuchtungsartefakte zu reduzieren, verwenden Sie einen Denoising-Wert von drei und setzen Sie die Schärfwerte zwischen eins und zwei, um die Kantendefinition zu verbessern.
Nach Optimierung der Bildverarbeitungseinstellungen klicken Sie auf Ausgewählte Bilder verarbeiten. Wählen Sie als Nächstes Somas auswählen, alle Bilder. Klicken Sie auf Farbe C anzeigen für RGB-Zusammenfassungsansicht.
Wählen Sie Kanäle und deaktivieren Sie alle nicht verwendeten Kanäle, wenn das Bild farblich verzerrt erscheint. Klicken Sie auf Anzeigeeinstellungen, um die Kanalhelligkeit in der RGB-Ansicht anzupassen. Wählen Sie Mikroglia-Somas aus, die DAPI und ionisierten Calcium-bindendes Adaptermolekül eins oder IBA1-Kolokalisierungen anzeigen.
Entfernen Sie falsch ausgewählte Soma mit der Rücktaste oder der Löschtaste. Drücken Sie Enter oder Return, um zum nächsten Bild zu gelangen. Wählen Sie Somas umranden alle aus, nachdem die Soma-Auswahl abgeschlossen ist.
Umranden Sie den Soma-Umriss jeder ausgewählten Mikroglia-Zelle mit mindestens acht Umrisspunkten, ausgenommen die zellulären Prozesse. Entfernen Sie falsch platzierte Umrisspunkte mit Rückgängig letzter Punkt, Löschen oder Rücktaste. Drücken Sie Enter, Return, doppelklicken oder Rechtsklick, um jeden Soma-Umriss zu finalisieren.
Klicken Sie auf Alle Masken generieren nach Abschluss der Soma-Umrandung. Passen Sie in den Maskengenerierungseinstellungen die Mindestintensität an, um Hintergrundpixel zu reduzieren und Hintergrundunterdrückung und Zweigerhaltung auszugleichen. Wählen Sie QA alle Masken aus, um mit der Maskenqualitätssicherung zu beginnen, und überprüfen Sie alle Masken, die von der größten bis zur kleinsten Fläche präsentiert werden.
Vergleichen Sie jede Maske mit der entsprechenden Mikroglia mithilfe der Registerkarten Verarbeitet und Maske. Um Masken zu akzeptieren, verwenden Sie die Tastenkombination A auf der Tastatur. Um Masken abzulehnen, verwenden Sie die Tastenkombination R auf der Tastatur.
Um eine Akzeptanz oder Ablehnung rückgängig zu machen, drücken Sie B. Verwenden Sie die Pfeiltasten auf der Tastatur, um durch Maskengrößen zu navigieren. Wählen Sie die größte akzeptable Maske aus, die die mikrogliale Verzweigung genau erfasst, ohne benachbarte Zellen, übermäßigen Hintergrund, Bildrändern oder Maßstäbe einzubeziehen. Wenn die meisten ungenau sind, verwenden Sie die Option Alle Masken löschen, um die Masken mit einem anderen Schwellenwert neu zu generieren.
Wählen Sie als Nächstes Einfache Merkmale berechnen aus, um verschiedene Parameter für akzeptierte Masken zu berechnen, und klicken Sie dann auf OK. Für zusätzliche Analysen laden Sie fractalanalysisimagej. py, sholl.
py und skeletonanalysisimagej. py Plugins herunter. Für Fraktal- und Hull-Analysen öffnen und führen Sie fractalanalysisimagej.
py als Fiji-Plugin aus. Geben Sie dann den Ausgabeverzeichnis-Standort ein. Geben Sie die Pixelgröße ein und wählen Sie die Option Nur größte Maske auswählen aus, um die größte akzeptierte Maske pro Zelle zu analysieren.
Für Sholl-Analysen öffnen Sie sholl. py als Fiji-Plugin. Geben Sie den Ausgabeverzeichnis-Standort, die gewünschte Pixelgröße und Schrittgröße ein.
Wählen Sie Soma-Radius als Startradius verwenden oder geben Sie einen festen Soma-Radius-Wert ein, wenn MMPS-abgeleitete Soma-Radien nicht verwendet werden. Öffnen Sie skeletonanalysisimagej. py als Fiji-Plugin für die Skelettanalyse.
Durchsuchen und geben Sie die Pfade für das Maskenverzeichnis, Ausgabeverzeichnis und die Pixelgröße ein, wenn Sie dazu aufgefordert werden. Exportieren Sie nach Abschluss alle von Plugins generierten Ergebnisse als durch Kommata getrennte Werte-Dateien in die spezifischen Ausgabeverzeichnisse. Eine Validierungsstudie von MMPS mit einem durch Lipopolysaccharid oder LPS induzierten Modell der Neuroinflamation bei Nagetieren zeigte, dass die LPS-Verabreichung den durchschnittlichen Centroid-Abstand und den Zellumfang im Vergleich zu den mit dem Trägermittel behandelten Kontrollen signifikant verringerte.
Es wurden keine signifikanten Unterschiede in Maskenfläche, Rundheit oder Exzentrizität zwischen den Behandlungsgruppen beobachtet. Die Soma-Fläche war bei LPS-behandelten Tieren signifikant erhöht im Vergleich zu den Trägerkontrollen, was mit einer Aktivierung assoziierten morphologischen Umgestaltung von Gliazellen konsistent war. Weiter nach unten zeigten fortgeschrittene morphologische Analysen nur eine schwache Korrelation zwischen Mikroglia-Rundheit und Umfang bei mit Trägermittel behandelten Ratten und eine starke Korrelation bei LPS-behandelten Ratten, was auf die Assoziation erhöhter mikroglialer Aktivierung mit verringerter Rundheit und Umfang hinweist.
Zusätzlich zeigte die Maskenfläche starke positive Korrelationen mit dem durchschnittlichen Centroid-Abstand in beiden Träger- und LPS-behandelten Gruppen, was mit Änderungen der Verzweigung im Zusammenhang mit mikroglialer Aktivierung konsistent war. Dieses Protokoll ermöglicht es Forschern, komplexe mikrogliale Verzweigung, morphologische Homogenität und strukturelle Komplexität zu untersuchen. Die Erlangung hochauflösender Immunfluoreszenzbilder ist entscheidend für die genaue Verwendung von MMPS.
Zukünftige Studien können MMPS nutzen, um zu untersuchen, wie ferroptotische Inhibitoren die mikrogliale Morphologie nach verschiedenen Erkrankungen des Nervensystems wie Schlaganfall verändern.
Overview
This article introduces the Mapping Microglial Parameters Software (MMPS), an open-source platform designed for quantitative analysis of microglial morphology. MMPS addresses accessibility and usability challenges in current analysis tools by providing a user-friendly, Python-based solution compatible with immunofluorescence workflows. The software is validated using a rodent model of neuroinflammation, demonstrating its effectiveness in detecting morphological changes associated with microglial activation.
Key Study Components
Area of Science
- Neuroscience
- Immunology
- Image analysis
Background
- Microglia are central nervous system immune cells involved in tissue degradation and remodeling after neurological injury.
- Quantitative morphology analysis can distinguish microglial subpopulations and preserve in situ information.
- Existing analysis platforms often require specialized expertise or are not publicly accessible.
- There is a need for standardized, accessible tools for microglial morphology analysis.
Purpose of Study
- To develop an open-source, user-friendly software for microglial morphology analysis.
- To enable semi-automated, single-cell analysis without coding expertise.
- To validate the software using a rodent neuroinflammation model.
Methods Used
- Development of MMPS using Python 3.11.
- Integration with immunofluorescence-based imaging workflows.
- Implementation of a graphical user interface for accessible operation.
- Validation using a rodent lipopolysaccharide (LPS)-induced neuroinflammation model.
Main Results
- MMPS enables semi-automated, quantitative analysis of microglial morphology at the single-cell level.
- Microglia from LPS-treated animals showed significantly increased soma area (p < 0.01).
- Microglia from LPS-treated animals exhibited reduced cell perimeter (p < 0.05) compared to controls.
- These morphological changes are consistent with microglial activation and neuroinflammation.
Conclusions
- MMPS provides a standardized and reproducible platform for microglial morphology analysis.
- The software is accessible to users without coding expertise.
- MMPS facilitates cross-laboratory comparison and reproducibility in microglial research.
Frequently Asked Questions
Executive Industry Relevance
Quantitative microglial morphology analysis is critical for de-risking neuroinflammation targets and advancing CNS drug discovery. The Mapping Microglial Parameters Software (MMPS) enables standardized, reproducible measurement of microglial activation states, supporting predictive confidence in early discovery and translational research. Its accessibility and cross-laboratory compatibility address key bottlenecks in neuroimmune target validation and portfolio triage.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of microglial activation in disease-relevant models.
- Supports functional target validation by distinguishing subtle morphological phenotypes.
- Facilitates mechanistic de-risking of neuroimmune pathways in CNS disorders.
- Improves predictive confidence for advancing neuroinflammation targets.
Screening & Assay Development
- Standardizes image-based microglial morphology assays for reproducible outputs.
- Prepares validated biological systems for compound screening and phenotypic profiling.
- Enables scalable, semi-automated analysis compatible with immunofluorescence workflows.
- Supports reliable quantitative evaluation of compound effects on microglial states.
Translational & Preclinical Research
- Aligns morphological readouts with translational biomarkers of neuroinflammation.
- Ensures continuity from discovery through preclinical validation in rodent models.
- Reduces risk in advancing neuroimmune assets by providing robust, quantitative endpoints.
- Supports cross-study and cross-laboratory reproducibility for regulatory submissions.
Pipeline & Workflow Integration
MMPS integrates into the discovery-to-preclinical continuum by enabling standardized, quantitative analysis of microglial morphology in immunofluorescence-based workflows.
- Discovery Biology: Provides hypothesis-driven quantification of microglial activation and morphological phenotypes.
- Screening: Delivers reproducible, quantitative outputs for assay development and compound evaluation.
- Analytics: Generates statistical measurements (e.g., soma area, cell perimeter) for condition comparison and decision-making.
- Translational Research: Aligns with preclinical neuroinflammation models for biomarker continuity.
- Enterprise Reuse: Offers an open-source, user-friendly platform adaptable across CNS research programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neuroimmune target validation.
- Operational Value: Standardizes and semi-automates morphology analysis, improving reproducibility and scalability.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient advancement of CNS assets.
- Portfolio Impact: Supports risk-adjusted prioritization of neuroinflammation programs with robust quantitative endpoints.
Implementation Considerations
- Requires expertise in immunofluorescence imaging and neurobiology for optimal use.
- Needs compatible imaging instrumentation and computational infrastructure for image processing.
- Demands cross-team standardization of imaging and analysis protocols for reproducibility.
- Adaptable to various rodent neuroinflammation models and potentially other CNS disease systems.
- Dependent on image quality and parameter selection for accurate morphological quantification.