September 16th, 2009
Hemos desarrollado un método semi-automatizado de análisis óptico Heartbeat (SOHA) para el análisis de grabaciones de alta velocidad óptica de Drosophila, El pez cebra y en los corazones de embriones de ratón. Se demuestra la aplicación de nuestra metodología para el análisis de la función cardíaca en mosca de la fruta y los corazones de embriones de ratón.
Hola, soy Karen er. Hola, soy Anthony Kado y formamos parte del programa de Desarrollo y Envejecimiento del Instituto Burnham de Investigación Médica. Vamos a demostrar nuestro programa semiautomatizado de análisis de latidos del corazón para comprender y cuantificar los parámetros de los latidos del corazón en sistemas modelo con corazones pequeños.
Esta es una película de alta velocidad de un corazón de mosca de la fruta latiendo. La información sobre la morfología y la contractilidad del corazón se puede obtener midiendo los diámetros del corazón durante los ciclos de contracción y relajación. Para hacer esto, los bordes del corazón deben identificarse y marcarse durante la diástole máxima y el quiste.
En la ventana de preproceso, seleccione la película o películas que desea ver. Seleccionaremos la película que acabas de ver de un corazón de una mosca joven. Las grabaciones ópticas se pueden avanzar a velocidades lentas e incluso a un fotograma a la vez para permitir una identificación precisa de los fotogramas, donde se produce la máxima contracción y relajación del corazón.
Haz un par de marcas para identificar estos bordes. Avanza la película hasta un fotograma en el que el corazón se contraiga al máximo. Haz otro par de marcas para identificar los bordes sistólicos.
Las marcas se pueden hacer por duplicado en diferentes ubicaciones horizontales. A lo largo del corazón, los diámetros del corazón obtenidos aquí se utilizarán para calcular el porcentaje de acortamiento fraccional, que proporciona una estimación de la contractilidad del corazón. Esta medida representa el grado en que los bordes del corazón se mueven uno hacia el otro durante una contracción.
El porcentaje de acortamiento fraccional se calcula como la diferencia entre los diámetros diastólico y sistólico dividida por el diámetro diastólico, y esa fracción se multiplica por 100. Para esta mosca de tipo salvaje, el porcentaje de acortamiento fraccional es del 45%Aquí hay un ejemplo de un corazón de una mosca que tiene una mutación en la proteína muscular miosina en comparación con el corazón de la mosca de tipo salvaje que acaba de ver. Este corazón es visiblemente más estrecho.
Además, no se contrae tanto como el corazón de tipo salvaje. Debe quedar claro por las posiciones de los bordes marcados que este corazón tampoco puede relajarse, así como el corazón de la mosca joven de tipo salvaje. El porcentaje de acortamiento fraccional que se calcula a partir de los diámetros medidos aquí es solo un 15%, un valor dramáticamente menor que el que obtuvimos para el corazón de mosca de tipo salvaje.
Los puntos identificados en este módulo se utilizan solo para mediciones de diámetro y acortamiento fraccional y no se utilizan para la detección de movimiento. La detección de movimiento se realiza automáticamente por el programa y utiliza dos algoritmos diferentes para analizar el movimiento en cada película. El primer algoritmo es el algoritmo de oscuridad de fotograma medio, que utiliza un enfoque fotograma a fotograma.
La intensidad general de la oscuridad se calcula para todo un fotograma de película. Los valores se normalizan a un intervalo entre cero y uno, y los valores se trazan para cada fotograma de la película. El segundo método de detección de movimiento es el algoritmo píxel a píxel, que calcula la intensidad de la oscuridad de cada píxel de un fotograma de película y, a continuación, compara esos valores con los del siguiente fotograma.
Esta es la salida de una película de un corazón de una mosca joven de una semana de edad. Aunque la detección de movimiento se realiza automáticamente, se debe verificar la precisión de la salida. La salida de cada uno de los dos algoritmos de detección de movimiento se muestra en este módulo con la salida de oscuridad promedio que se muestra sobre la ventana de salida píxel por píxel.
Para asegurarse de que los intervalos de detección coinciden con el movimiento visto en la película real, el programa muestra un trazo de borde o modo M hecho de los fotogramas que se analizan directamente debajo de las ventanas de salida del algoritmo. El modo M se realiza cortando digitalmente cortes de un píxel de ancho a través del corazón de cada fotograma de la película y alineándolos horizontalmente para proporcionar una instantánea de los movimientos del borde del corazón a lo largo del tiempo. En la ventana píxel por píxel, los intervalos diastólicos identificados se indican mediante una línea verde horizontal con el número de fotogramas que contribuyen a ese intervalo.
Directamente por encima de los intervalos sistólicos se identifica como el intervalo entre dos diástoles sucesivas. El comienzo de una sístole se indica en el modo M mediante una línea azul vertical y el final se indica mediante una línea roja vertical. Con esta pantalla, es relativamente fácil ver si la salida del algoritmo coincide con los movimientos reales del corazón.
Para este corazón, los intervalos de contracción identificados por el programa coinciden con la contracción observada en la traza del modo M, por lo que se acepta esta salida. Aquí está la salida de una película tomada de un corazón de una mosca relativamente vieja. La salida del algoritmo píxel por píxel no coincide con el patrón de contracción visto en el modo M.
Esto se debe a que las contracciones cardíacas son más sostenidas que en las moscas más jóvenes. El algoritmo detecta tanto el movimiento de contracción como el movimiento de relajación e interpreta estos dos movimientos como latidos separados. En este caso, podemos agregar información del algoritmo de oscuridad de fotogramas promedio haciendo clic en la casilla de verificación de oscuridad utilizada.
Esto permite que el programa identifique todo el intervalo de contracción como un solo evento utilizando correctamente la información del algoritmo de oscuridad de fotograma promedio, identifique algunos pero no todos los eventos de contracción. Esto se debe a que una fluctuación subyacente de baja frecuencia en la oscuridad coloca algunos de los picos de contracción fuera de la ventana utilizada para identificar los picos. Esta onda lenta se puede eliminar mediante el uso de un filtro de paso alto incorporado.
Una vez que todos los picos están dentro de la ventana, el programa identifica correctamente todos los intervalos de contracción. En este punto, puede aceptar la salida del algoritmo haciendo clic en datos. Bien. Si después de marcar la casilla de oscuridad utilizada y aplicar filtros, la salida del algoritmo no se puede conciliar con la función cardíaca real como se muestra en el modo M.
Asegúrese de hacer clic en descartar datos. Esto evita que se incluyan números erróneos en su conjunto de datos. Una vez que se ha aceptado la salida de una película determinada, se puede indicar al programa que utilice esa información para calcular automáticamente un número de parámetros.
La salida estadística se proporciona para cada película individualmente, y estos datos se encuentran en la carpeta de estadísticas de FHM. En el archivo de película. También se generan estadísticas de subdirectorio para todos los datos, y esta información se encuentra en la carpeta de información general de FHM.
Esta información se proporciona en forma de un archivo de valores separados por comas denominado overview csv. Este archivo se puede abrir en la mayoría de los programas de hojas de cálculo, como Microsoft Excel. Las estadísticas de salida incluyen la frecuencia cardíaca, los intervalos diastólico y sistólico del período cardíaco, los diámetros del corazón durante la diastólica y la sístole, y el porcentaje de acortamiento fraccional.
El programa tiene un módulo de actualización de histograma, que mostrará todos los datos sobre los intervalos cardíacos de un conjunto de datos en formato de histograma. Debido a que las frecuencias cardíacas tienden a variar de un animal a otro, los datos se normalizan. Dado que la distribución de los intervalos del período cardíaco no es simétrica en torno a la media, utilizamos el valor del intervalo mediano para la normalización.
Los valores de todos los intervalos de latidos del conjunto de datos también se proporcionan como un archivo TXT que se puede importar a una hoja de cálculo. Esta capacidad resultó muy útil para demostrar las diferencias en la ritmicidad entre los corazones de moscas de tipo salvaje y los corazones de moscas que tenían mutaciones en un canal de potasio. La distribución de todos los intervalos medidos fue muy dispersa en los mutantes en comparación con los controles.
Esta es una de las varias formas en que hemos intentado cuantificar la arrítmica cardíaca en nuestro programa. El módulo de modo M genera un trazo de borde, también llamado modo M que muestra el movimiento de los bordes del corazón a lo largo del tiempo. Aquí mostramos trazas de modo M de cinco segundos de un corazón de mosca de la fruta de tipo salvaje, dos corazones de mosca con mutaciones en la proteína muscular miosina y un corazón de larva de pez cebra.
Los modos M son útiles para mostrar cualitativamente cuál es el patrón de contracción de un corazón. Con el tiempo. Aquí, se genera un modo M a partir de una película tomada de un corazón.
En una larva de pez cebra en desarrollo, podemos cambiar la línea de píxeles que se usará para producir el modo M haciendo clic en diferentes ubicaciones en el marco. A continuación, se muestra una vista previa del modo M en esa ubicación. Una vez identificada una ubicación adecuada, puedes elegir cuántos de los fotogramas quieres incluir o simplemente elegir la duración del tiempo.
Aquí seleccionaremos 10 segundos. El modo M se produce como un archivo TIFF ubicado en el subdirectorio del modo FHMM. El módulo de película de movimiento produce automáticamente una versión 22 ralentizada de cualquier película analizada que muestra todos los píxeles que se identifican como cambiantes en rojo.
Esta función se utiliza principalmente con fines ilustrativos. Estas películas se encuentran en el subdirectorio de películas del movimiento FHM. Esta es la película de movimiento hecha a partir del corazón de mosca joven original que usamos al comienzo de este video.
Este sistema analítico se puede aplicar a películas de alta velocidad de otros modelos con corazones pequeños como el corazón de ratón embrionario. Esta es una película de un corazón de un embrión de ratón de ocho días de edad. El pequeño tamaño dificulta el análisis utilizando metodologías tradicionales con nuestra metodología.
Los mismos parámetros que se cuantificaron para el corazón de mosca también se pueden obtener para el corazón de ratón. Acabamos de mostrarle cómo utilizar nuestro programa de análisis óptico semiautomático del corazón. Recuerde, al hacer este análisis haga clic en descartar datos si el programa no identifica con precisión todos los latidos de su corazón en su película, pero para aquellos que se identifican con precisión, el programa calculará los parámetros para cada latido de la película y le proporcionaremos una gran cantidad de información sobre la función cardíaca en su sistema modelo.
Así que eso es todo. Gracias por mirar. Buena suerte con tu análisis.
View the full transcript and gain access to thousands of scientific videos
Este artículo presenta un método de Análisis Óptico de latidos cardíacos semiautomatizado (SOHA) diseñado para analizar grabaciones ópticas de alta velocidad de varios organismos modelo, incluyendo Drosophila, pez cebra y corazones de ratones embrionarios. La metodología permite un análisis detallado de la función cardíaca, particularmente en moscas de la fruta y ratones embrionarios.
Semi-automated optical heartbeat analysis enables high-throughput quantification of cardiac function in genetically tractable models, supporting early-stage target validation and mechanistic de-risking. By providing quantitative, beat-to-beat readouts such as fractional shortening, heart rate, and arrhythmicity metrics, the method enhances predictive confidence in preclinical cardiovascular studies. This capability aids in prioritizing compounds and genetic modifiers based on functional heart outcomes, reducing late-stage attrition due to cardiac liability.
The method fits within the discovery continuum from target identification through lead optimization, particularly for cardiovascular safety pharmacology and functional genomics campaigns.