Name: Medición automatizada de la cápsula de polisacárido de Cryptococcus especies y cuerpo de la célula (Video) | JoVE Journal
Uploaded: 2018-01-11T15:00:00.000+00:00
Duration: 8 min 8 s
Description: Aprende a automatizar la medición de cápsulas y cuerpos celulares de Cryptococcus usando un procesador de imágenes por lotes. Esta técnica mejora la eficiencia y precisión en el análisis de virulencia.

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

Nos gustaría reconocer Anthony Bowen cuyas diapositivas fueron utilizados como una segunda comparación de lado a lado humana como Sabrina Nolan cuyas diapositivas fueron utilizados como un tercer humano side-by-side y segunda comparación del microscopio.

1. preparación de portaobjetos de tinta de la India
<ol><li>Pipetear 10 μl de muestra cryptococcal en un portaobjetos. Cualquier cepa de levadura circular funcionará pero para este experimento H99 era la única tensión que utiliza. Nota: Si la muestra es directamente en medios de cultivo, diluir 1:2 con PBS o agua puede ayudar a evitar que la tinta de la India de agrupar.</li>
	<li>Pipetear 2 μl de mancha de tinta de la India sobre la muestra y mezclar físicamente empujando la punta de la pipeta a la muestra y moviéndose en un movimiento circular hasta que la tinta de la India aparece distribuido uniformemente.</li>
	<li>Coloque un cubreobjetos sobre la muestra, mantenga el borde izquierdo del cubreobjetos sobre la superficie de la diapositiva, entonces suavemente y uniformemente bajando el lado opuesto del cubreobjetos sobre la muestra.</li>
	<li>Seque el portaobjetos al aire durante 5 minutos.</li>
	<li>Aplique suavemente una ligera capa de esmalte de uñas a frontera de cubreobjetos para formar un sello y preservar la mancha de tinta de la India.</li>
</ol>2. proyección de imagen de diapositiva
<ol><li>Coloque los portaobjetos en un microscopio de campo brillante con un accesorio de cámara y conversión de píxeles a micrón conocido. Ajustar contraste, filtros y objetivos lo que cell cápsulas son claros y cuerpos celulares son bandas concentrados, oscuros. Nota: Varios filtros objetivos y ajustes de contraste funcionará pero se recomienda una de 20 x objetivo, filtro Ph1, 2 x 2 binning.</li>
	<li>Asegúrese de que el campo de visión es denso pero no superpoblado con las células de Cryptococcus, con contraste claro entre la cápsula de la célula y el fondo y bien centrada con el cuerpo de la célula visualizado como una banda oscura. Nota: El número exacto de las células para una imagen óptima variará dependiendo de la muestra y el objetivo se utiliza. Los aspectos importantes para las células no son agrupados o superpuestos, que los planos focales de células no varían significativamente, y que hay tinta India significativa manchan visible en el fondo (al menos el 25% del campo).</li>
	<li>Guardar imágenes en un solo directorio con títulos claros, como el algoritmo de medición se ejecutará en imágenes en un solo directorio y los datos de salida se organizarán según los nombres de los archivos de imagen.</li>
</ol>3. algoritmo configuración
<ol><li>Instala Python versión 2.7 de</li>
	<li>Instalar librerías adicionales python ejecutando los comandos "pip install pillow" y "pip install openpyxl".</li>
	<li>Instalar MATLAB, siguiendo las instrucciones en</li>
	<li>Construir la biblioteca de python MATLAB, siguiendo las instrucciones en https://www.mathworks.com/help/matlab/matlab_external/install-the-matlab-engine-for-python.html.</li>
	<li>Descargar los tres archivos necesarios incluidos en materiales suplementarios de este manuscrito ("QCA.py", "Analysis2.m" y "TestRun.m"). Nota: Estos archivos se pueden extraer a cualquier lugar, pero los tres deben estar en el mismo directorio.</li>
</ol>4. el uso del algoritmo de
<ol><li>Ejecute la aplicación haciendo doble clic en QCA.py. Nota: La aplicación puede tardar varios minutos para empezar. El archivo "QCA.py" contiene la estructura de programa que se llama los archivos ". m" para ejecutar el algoritmo real.</li>
	<li>Siga los pasos descritos en el programa.<ol>
<li>Entrada del tipo de extensión de los archivos de imagen precedida por un período y separados por punto y coma (ex. ". TIF;. JPEG") luego haga clic en el botón Enter .</li>
		<li>Elegir el directorio en el que se encuentran los archivos de imagen haciendo clic en el botón Seleccionar directorio y selecciona la carpeta que contiene las imágenes.</li>
		<li>Generar la lista de archivos de imagen en el directorio haciendo clic en el botón Generar lista de imágenes . Las imágenes se mostrará en el cuadro de texto a la derecha. Revisar y asegurar que la lista sea precisa y completa.</li>
		<li>Seleccione una imagen al azar de la lista para usar como una vista previa haciendo clic en el botón Seleccionar imagen al azar . Nota: Si la imagen es incapaz de abrir debido a un "error de modo de imagen incorrecta", el algoritmo todavía funcionará correctamente a pesar de no mostrar la imagen. Después paso 4.2.7, todavía se mostrará la imagen de prueba.</li>
		<li>Objetivo de microscopio y binning configuración de entrada. Si la configuración por defecto no coinciden con el microscopio, seleccione "Custom conversión de píxeles" y pixel-a-um la conversión para los archivos de imagen de entrada. Una vez seleccionado, haga clic en el botón de Conversión calcular y garantizar que la conversión es correcta según el cuadro de texto a la derecha. Nota: Imágenes representativas, que se muestra en la figura 1 se calculan con 40 aumentos y 2 x 2 binning seleccionado.</li>
		<li>Entrada de parámetros de algoritmo para la detección del círculo.<ol>
<li>De entrada el radio mínimo y máximo detectable para la detección de cápsula externa como las entradas de Min y Max cápsula de radio. Una gama más pequeña le permitirá obtener resultados más precisos.</li>
			<li>El radio mínimo y máximo detectable para la detección del cuerpo de la célula como las entradas de Min y Max cuerpo celular radio de entrada. Nota: Los cuatro de estas entradas deben ser números representando a sus respectivos valores en píxeles, de acuerdo a las imágenes de fuente.</li>
			<li>Mueve los deslizadores de la cápsula y la sensibilidad del cuerpo de la célula para ajustar el umbral de sensibilidad del algoritmo. Una sensibilidad baja será estricta y detección del círculo positivo falso, pero también puede detectar menos círculos reales. Por el contrario, una alta sensibilidad aumentará la tasa de detección, pero también puede resultar en falsos positivos círculos. Nota: Se obtuvieron resultados representativos con un radio mínimo de la cápsula de 7 radio cápsula máximo de 45, radio cuerpo mínimo de 4, radio cuerpo máximo de 30, cápsula sensibilidad de 87 y la sensibilidad del cuerpo de 87.</li>
		</ol>
</li>
		<li>Comprobar los parámetros de la imagen seleccionada al azar haciendo clic en el botón de Prueba funcionamiento . Los resultados se mostrarán en el centro superior del programa de sustitución de la imagen original. Si los resultados mira precisos, se recomienda para elegir una imagen aleatoria adicional para así intentar asegurar que los parámetros seleccionados caben todas las imágenes seleccionadas.<ol>
<li>Maximizar el número de cuerpos y cápsulas detectan y visualmente si los círculos parecen encajar correctamente. El número de organismos dentro de cápsulas detectados se mostrarán en el cuadro de texto a la derecha. Manipular los parámetros del algoritmo hasta que los resultados son exactos. Nota: Los círculos de colores gruesos son sólo para visualización. Los círculos reales generados para la medición es una curva matemática calculada por el algoritmo HCT.</li>
		</ol>
</li>
		<li>Ejecutar el algoritmo de detección en todo el directorio de archivos de imagen haciendo clic en el botón Iniciar análisis . Se analizará cada imagen y el programa mostrará "terminar" en el cuadro de texto a la derecha cuando se han analizado todas las imágenes.</li>
		<li>Haga clic en el botón Match y limpieza . Esto coincidirá con detectado cuerpos de la célula a las cápsulas detectados residen en y calcular el radio cápsula verdadera restando el cuerpo de la cápsula. Nota: Si el algoritmo se utiliza para detectar la fluorescencia u otra situación en la que es solamente un círculo detecta este paso es innecesario. En su lugar haga clic en Sólo tirar cuerpos o las Cápsulas sólo tire para recoger los datos de sólo el azul o sólo los círculos verdes, respectivamente. Es importante tener en cuenta que si sólo se recuperan los datos cápsulas el radio se refiere al radio total de la célula como el radio del cuerpo de la célula no podría restar.</li>
		<li>Localizar los datos completados en el archivo "CleanedOuput.csv" en el directorio de imágenes. Si sólo se selecciona un dato, el archivo será marcado "CleanedBodies.csv" o "CleanedCapsules.csv".</li>
	</ol>
</li>
</ol>

<ol><li>Park, B. J., Wannemuehler, K. A., Marston, B. J., Govender, N., Pappas, P. G., Chiller, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estimation+of+the+current+global+burden+of+cryptococcal+meningitis+among+persons+living+with+HIV%2FAIDS%5BTitle%5D)+AND+%22AIDS%22%5BJournal%5D)">Estimation of the current global burden of cryptococcal meningitis among persons living with HIV/AIDS.</a> AIDS. 23 (4), 525-530 (2009).</li>
<li>Kwon-Chung, K. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryptococcus+neoformans+and+Cryptococcus+gattii%2C+the+etiologic+agents+of+cryptococcosis%5BTitle%5D)+AND+%22Cold+Spring+Harb+Perspect+Med%22%5BJournal%5D)">Cryptococcus neoformans and Cryptococcus gattii, the etiologic agents of cryptococcosis.</a> Cold Spring Harb Perspect Med. 4 (7), 019760(2014).</li>
<li>Granger, D. L., Perfect, J. R., Durack, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virulence+of+Cryptococcus+neoformans.+Regulation+of+capsule+synthesis+by+carbon+dioxide%5BTitle%5D)+AND+%22J+Clin+Invest%22%5BJournal%5D)">Virulence of Cryptococcus neoformans. Regulation of capsule synthesis by carbon dioxide.</a> J Clin Invest. 76 (2), 508(1985).</li>
<li>Rumbaugh, J., Pool, A., Gainey, L., Forrester, K., Wu, Y. <a target="_blank" href="http://www.neurology.org/content/80/7_Supplement/P04.007">The Role of Cryptococcal Capsule in Pathogenesis of Cryptococcal Meningitis.</a> Neurology. 80 (7), Supplement (P04.007) 007(2013).</li>
<li>Bojarczuk, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryptococcus+neoformans+Intracellular+Proliferation+and+Capsule+Size+Determines+Early+Macrophage+Control+of+Infection%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Cryptococcus neoformans Intracellular Proliferation and Capsule Size Determines Early Macrophage Control of Infection.</a> Sci Rep. 6, (2016).</li>
<li>Robertson, E. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryptococcus+neoformans+Ex+Vivo+Capsule+Size+Is+Associated+With+Intracranial+Pressure+and+Host+Immune+Response+in+HIV-associated+Cryptococcal+Meningitis%5BTitle%5D)+AND+%22J+Infect+Dis%22%5BJournal%5D)">Cryptococcus neoformans Ex Vivo Capsule Size Is Associated With Intracranial Pressure and Host Immune Response in HIV-associated Cryptococcal Meningitis.</a> J Infect Dis. 209 (1), 74-82 (2014).</li>
<li>Araujo, G. deS., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Capsules+from+Pathogenic+and+Non-Pathogenic+Cryptococcus+spp.+Manifest+Significant+Differences+in+Structure+and+Ability+to+Protect+against+Phagocytic+Cells%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Capsules from Pathogenic and Non-Pathogenic Cryptococcus spp. Manifest Significant Differences in Structure and Ability to Protect against Phagocytic Cells.</a> PLoS One. 7 (1), 29561(2012).</li>
<li>García-Rivera, J., Chang, Y. C., Kwon-Chung, K. J., Casadevall, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cryptococcus+neoformans+CAP59+%28or+Cap59p%29+Is+Involved+in+the+Extracellular+Trafficking+of+Capsular+Glucuronoxylomannan%5BTitle%5D)+AND+%22Eukaryot+Cell%22%5BJournal%5D)">Cryptococcus neoformans CAP59 (or Cap59p) Is Involved in the Extracellular Trafficking of Capsular Glucuronoxylomannan.</a> Eukaryot Cell. 3 (2), 385-392 (2004).</li>
<li>Guimarães, A. J., Frases, S., Cordero, R. J. B., Nimrichter, L., Casadevall, A., Nosanchuk, J. D. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2891871/">Cryptococcus neoformans responds to mannitol by increasing capsule size in vitro and in vivo: Mannitol impacts the structure of C. neoformans capsule.</a> Cell Microbiol. 12 (6), 740-753 (2010).</li>
<li>Zaragoza, O., Fries, B. C., Casadevall, A. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC219591/">Induction of Capsule Growth in Cryptococcus neoformans by Mammalian Serum and CO2.</a> Infect and Immun. 71 (11), 6155-6164 (2003).</li>
<li>Rossi, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+Resistance+to+Fluconazole+on+Virulence+and+Morphological+Aspects+of+Cryptococcus+neoformans+and+Cryptococcus+gattii+Isolates%5BTitle%5D)+AND+%22Front+Microbiol%22%5BJournal%5D)">Impact of Resistance to Fluconazole on Virulence and Morphological Aspects of Cryptococcus neoformans and Cryptococcus gattii Isolates.</a> Front Microbiol. 7, (2016).</li>
</ol>

Los autores no tienen conflictos de interés divulgar.

Los pasos críticos de esta técnica son preparar el carro de tinta de la India y adquiriendo las imágenes de microscopio. Mientras que el algoritmo ha sido probado con éxito con una variedad de técnicas de imagen y diapositiva en este manuscrito se describe el protocolo recomendado. La cápsula polisacárida es detectada basado en la exclusión de partículas de tinta de la India del dominio de la cápsula de estas partículas son demasiado grandes para penetrar la red fibrilar de polisacárido. Exclusión de la tinta de la India...

Cryptococcus neoformans es una levadura patógena encontrada ubicuo alrededor del mundo que se asocia a enfermedad humana, sobre todo en las poblaciones de inmunodeprimidos. C. neoformans en particular representa una causa significativa del total de muertes anual en el África subsahariana debido a enfermedades infecciosas1. La principal manifestación clínica de la infección cryptococcal es meningoencefalitis, que sigue la invasión del sistema nervioso central por transporte en macrófagos infectados (forma de caballo de Troya) o cruce directo de la barrera blood - brain. C. neoformans expresa varios factores de virulencia, incluyendo la capacidad de replicar en la temperatura del cuerpo humano, actividad de la ureasa, melanization y formación de una cápsula de polisacárido2. La cápsula de polisacárido se compone de glucuronoxylomannan y polímeros glucoronoxylomannangalactan y funciones de repetición como una barrera protectora contra factores de estrés ambiental como anfitrión inmunorespuestas2.
Aunque el tamaño del tamaño de la cápsula de polisacárido de Cryptococcus no siempre se ha asociado con virulencia, hay evidencia de que es un factor en la patogenesia2,3,4,5, 6,7. Tamaño de la cápsula se asocia a meningitis patología6puede afectar la capacidad del macrófago para control de infección por Cryptococcus 5y puede resultar en la pérdida de virulencia si ausente8. Por lo tanto, las mediciones de tamaño de la cápsula son comunes en la investigación de Cryptococcus, pero no hay fieldwide estándar para un método de medición de cápsulas.
Actualmente, C. neoformans polisacárido cápsula medición se basa en mediciones manuales de imágenes de microscopia y los métodos exactos de imagen y medición adquisiciones varían de laboratorios9,10, 11. Una preocupación inmediata para este método es que algunos estudios requieren la adquisición de miles de mediciones individuales, lo que dificulta mantener precisión y fiabilidad. Además, incluso cuando los resultados se publican, a menudo hay insuficiente Descripción de los métodos de medición. Muchas publicaciones no explican cómo obtuvieron sus mediciones, qué plano focal fue utilizado, cómo determina el umbral para la identificación de la cápsula, si usaron radio o diámetro, si se utiliza una medición o un promedio de varios, o de otro detalles. Algunas publicaciones sólo estado su método como programa que se utilizó, por ejemplo, "Adobe Photoshop CS3 se utilizó para medir las células"11. Esta falta de estandarización y presentación de informes detalle puede hacer reproducibilidad difícil si no imposible. Diferencias en la vista humana, brillo de la computadora, configuración del microscopio, deslice la iluminación y otros factores pueden variar no sólo entre individuos sino entre las muestras, mientras que cálculos basados en relaciones de los valores de intensidad del píxel permanece constantes y aplicable entre muestras. Esta técnica fue generada en el contexto de proporcionar una técnica estandarizada, precisa, rápida y simple para medir tamaños de cápsulas para un campo en el que hubo antes.
Como se mencionó anteriormente, el algoritmo de la CHT es larga, y se han escrito scripts para que detecte automáticamente círculos antes. Este método mejora en dos áreas donde otros scripts le quedan cortos. En primer lugar, detectar simplemente círculos no es suficiente, porque con las células de Cryptococcus deben detectarse dos círculos distintos en relación con cada uno otro. Este método específicamente detecta cuerpos celulares dentro de cápsulas, discrimina entre los dos y realiza cálculos sólo en los correspondientes pares de cápsula de cuerpo. En segundo lugar, incluso cuando siguiendo el mismo protocolo, diferentes investigadores acabará con diferentes adquirió imágenes. Permitiendo el control del investigador sobre cada parámetro del algoritmo, esta herramienta se puede ajustar para que coincida con una amplia gama de métodos de adquisición. No hay necesidad para un alcance estándar, objetivo, filtro y así sucesivamente.
Esta técnica se puede aplicar fácilmente a cualquier situación en la que el investigador necesita detectar círculos dentro de una imagen que contrasta con su fondo. Ambos círculos más claros y más oscuros que su fondo puede ser detectada, contados y medidos con esta técnica.

<table><tbody><tr><td>Tinta china</td><td>Becton, Dickinson y Cía.</td><td></td><td></td>261194</tr><tr><td>Fisherbrand Superfrost Portaobjetos de microscopio</td><td>Fisher Scientific</td><td>12-550-143</td><td>25x75x1</td></tr><tr><td>Fisherfinest Cubierta de vidrio premium</td><td>Fisher Scientific</td><td>12-548-B</td><td>22x22-1</td></tr><tr><td>Sally Hansen HardasNails Xtreme Wear Esmalte de uñas</td><td>Sally Hansen</td><td>N/A</td><td>109</td></tr><tr><td>invisible SAB Media</td><td>Sigma</td><td>S3306</td><td></td></tr><tr><td>Cryptotoccus neoformans</td><td>ATCC</td><td>208821</td><td>H99 cepa</td></tr><tr><td>Olympus AX70 Microscopio</td><td>Olympus AX70TRF</td><td></td><td>Descatalogado ; Microscopio de campo claro</td></tr><tr><td>Qimaging Retiga 1300</td><td>Qimaging</td><td>N/A</td><td>Descatalogado ; Accesorio de microscopio para cámara</td></tr><tr><td>MATLAB</td><td>MathWorks</td><td>N/A Se</td><td>recomienda la versión más reciente</td></tr><tr><td>Lenguaje de programación</td><td>Python</td><td>N/A</td><td>Versión 2 necesaria ; 2.7 Recomendado</td></tr><tr><td>Microsoft Excel</td><td>Microsoft</td><td>N/A Se</td><td>recomienda la versión más reciente</td></tr><tr><td>Solución salina tamponada con fosfato (PBS)</td><td>Sigma</td><td>P3813</td><td></td></tr></tbody></table>

medición automatizada de la cápsula de polisacárido de cryptococcus especies y cuerpo de la célula

Automated Measurement of Cryptococcal Species Polysaccharide Capsule and Cell Body

El propósito de esta técnica es proporcionar un proceso manejable, preciso y consistente de un gran número de mediciones de cápsula de polisacárido.
En primer lugar, se genera una imagen de umbral basado en valores de intensidad única calculados para cada imagen. Entonces, círculos son detectados basados en el contraste entre el objeto y el fondo usando el algoritmo de transformación de Hough de círculo (CHT) bien establecido. Finalmente, las cápsulas detectado células y órganos se corresponden según el centro de coordenadas y el tamaño de radio, y los datos se exportan al usuario en una hoja de cálculo manejable.
Las ventajas de esta técnica son simples pero significativos. Primero, porque estos cálculos son realizados por un algoritmo en lugar de un humano se aumentan la precisión y fiabilidad. No hay ninguna disminución de la exactitud o confiabilidad independientemente de cuántas muestras se analizan. En segundo lugar, este enfoque establece un potencial procedimiento de funcionamiento estándar para el campo de Cryptococcus en lugar de la situación actual donde medida cápsula varía según el laboratorio. En tercer lugar, dado que las mediciones cápsulas manual lento y monótono, automatización permite realizar mediciones rápidas en gran número de células de levadura que a su vez facilita el análisis de datos de alto rendimiento y estadísticas cada vez más potentes.
Las principales limitaciones de esta técnica provienen de cómo las funciones del algoritmo. En primer lugar, el algoritmo generará sólo círculos. Mientras que las células de Cryptococcus y sus cápsulas en una morfología circular, sería difícil aplicar esta técnica para detección de objetos no circular. En segundo lugar, debido a cómo se detectan los círculos el algoritmo CHT puede detectar enormes círculos pseudo basados en los bordes exteriores de varios círculos agrupados. Sin embargo, cualquier tergiversados cuerpos celulares dentro del círculo pseudo fácilmente detectados y eliminados de los conjuntos de datos resultantes.
Esta técnica se significa para medir las cápsulas circular polisacárido de Cryptococcus especie basado en microscopía de campo brillante de tinta de la India; Aunque se podría aplicar a otros contraste realiza las mediciones del objeto circular.

Primero se obtienen las imágenes por microscopia de diapositivas, tinta de la India utilizando un microscopio de campo brillante, juntado con una cámara (figura 1A). Es importante que las células separadas y en la densidad suficientemente baja no para abrumar el campo de visión, así como utilizar suficiente mancha para crear contraste entre las células y el fondo. Como se indica en el protocolo, el número exacto de las células para una imagen...

Esta técnica describe un procesador de imágenes por lotes automatizado diseñado para medir radios de cuerpo y cápsula de polisacárido. Si bien inicialmente diseñado para las mediciones cápsulas Cryptococcus neoformans , que el procesador de imagen automatizado puede aplicarse también a otros detección de contraste basado de objetos circulares.

Medición automatizada de la cápsula de polisacárido de Cryptococcus especies y cuerpo de la célula

The purpose of this technique is to provide a consistent, accurate, and manageable process for large numbers of polysaccharide capsule measurements.
...

El objetivo general de esta técnica es automatizar las tediosas mediciones manuales. Este método puede ayudar a responder preguntas clave en el campo criptocócico, como la relación entre el tamaño de la cápsula o del cuerpo de la célula y los diferentes aspectos de la virulencia. La principal ventaja de esta técnica es que permite el análisis de enormes volúmenes de muestra sin fatiga.Las implicaciones de esta técnica se extienden hacia la terapia de la criptococosis, ya que el tamaño de la cápsula y del cuerpo celular son aspectos importantes del patógeno. Para preparar un portaobjetos de tinta china, comience pipeteando 10 microlitros de muestra criptocócica en un portaobjetos. Cualquier cepa de yi circular con trabajo, excepto para este experimento, H99 fue la única cepa utilizada.Pipetee dos microlitros de tinte de tinta china sobre la muestra y mézclela empujando físicamente la punta de la pipeta en la muestra y moviéndola con movimientos circulares hasta que la tinta china aparezca distribuida uniformemente. Coloque un cubreobjetos sobre la muestra manteniendo presionado el borde izquierdo del cubreobjetos contra la superficie del portaobjetos. Luego, baje suave y uniformemente el lado opuesto del cubreobjetos sobre la muestra.Deje que el portaobjetos se seque al aire durante cinco minutos. A continuación, aplica una ligera capa de esmalte de uñas en el borde del cubreobjetos para formar un sello y preservar la mancha de tinta china. Para obtener imágenes de las muestras, coloque un portaobjetos debajo de un microscopio de campo claro con el accesorio de la cámara y la conversión conocida de píxeles a micras.Ajuste los filtros, los objetivos y los contrastes, y asegúrese de que el campo de visión sea denso, pero no superpoblado, con células criptocócicas con un claro contraste entre la cápsula celular y el fondo, y correctamente enfocadas con el cuerpo de la célula visualizado como una banda oscura. Después de tomar imágenes, guárdelas en un solo directorio con títulos claros, ya que el algoritmo de medición se ejecutará en imágenes en un solo directorio y los datos de salida se organizarán de acuerdo con los nombres de los archivos de imagen. Siguiendo la configuración del algoritmo de acuerdo con el protocolo de texto, ejecute la aplicación haciendo doble clic en QCA.py.Mientras sigue los pasos descritos en el programa, ingrese el tipo de extensión de los archivos de imagen, precedido por un punto y separado por punto y coma. A continuación, haga clic en el botón Intro. Elija el directorio donde se encuentran los archivos de imagen haciendo clic en el botón Seleccionar directorio y seleccione la carpeta que contiene las imágenes.Genere la lista de archivos de imagen en el directorio haciendo clic en el botón Generar lista de imágenes. Las imágenes se enumerarán en el cuadro de texto de la derecha. Revise y asegúrese de que la lista sea precisa y completa.A continuación, seleccione una imagen aleatoria de la lista para usarla como vista previa haciendo clic en el botón Seleccionar imagen aleatoria. A continuación, introduzca el objetivo del microscopio y la configuración de agrupación. Si la configuración predeterminada no coincide con el microscopio utilizado, seleccione Conversión de píxeles personalizada e introduzca la conversión de píxeles a micrómetros para los archivos de imagen.Una vez seleccionado, haga clic en el botón Calcular conversión y asegúrese de que la conversión sea correcta según el cuadro de texto de la derecha. Para introducir los parámetros del algoritmo para la detección de círculos, introduzca el radio mínimo y máximo detectable para la detección de la cápsula exterior, como las entradas de radio mínimo y máximo de la cápsula. A continuación, introduzca el radio mínimo y máximo detectable para la detección del cuerpo de la célula como entradas de radio mínimo y máximo del cuerpo de la célula.Ahora, mueva los controles deslizantes de sensibilidad de la cápsula y del cuerpo de la célula para ajustar el umbral de sensibilidad del algoritmo. Una sensibilidad baja será estricta y reducirá la detección de círculos falsos positivos, pero también puede detectar menos círculos reales. Por el contrario, una alta sensibilidad aumentará la tasa de detección, pero también puede dar lugar a círculos de falsos positivos.Maximice el número de cuerpos y cápsulas detectados e inspeccione visualmente si los círculos parecen encajar correctamente. El número de cuerpos dentro de las cápsulas detectados se mostrará en el cuadro de texto de la derecha. De lo contrario, manipule los parámetros del algoritmo hasta que los resultados sean precisos.Ejecute el algoritmo de detección en todo el directorio de archivos de imagen haciendo clic en el botón Comenzar análisis. Cada imagen será analizada y el programa mostrará Finalizado en el cuadro de texto de la derecha cuando se hayan analizado todas las imágenes. A continuación, haga clic en el botón Coincidir y limpiar.Esto hará coincidir los cuerpos celulares detectados con las cápsulas detectadas en las que residen y calculará el verdadero radio de la cápsula restando el cuerpo de la cápsula. En el directorio de imágenes, busque los datos completados en CleanedOutput. Archivo CSV.Si solo se seleccionó un dato, el archivo se etiquetará como CleanedBodies. csv o CleanedCapsules.csv. Como se ve aquí en esta imagen microscópica de una diapositiva de tinta china, las células están separadas y en una densidad lo suficientemente baja como para no abrumar el campo de visión.También se ha utilizado suficiente tinte para crear contraste entre las celdas y el fondo. El algoritmo determina un umbral único para cada imagen tomando el valor de intensidad promedio y agregando la desviación estándar. Las intensidades de píxeles con una intensidad superior al umbral se consideran blancas y, con una intensidad menor, se consideran negras.El cuerpo de la célula debe visualizarse como un círculo negro robusto sobre el fondo blanco de la cápsula. El mejor plano focal para usar es aquel en el que el cuerpo de la célula aparece como una banda oscura y concentrada. Este plano focal es aceptable como estándar, ya que enfoca correctamente la célula.Esto se confirmó visualizando la pared celular con UVITEX, un tipo de tinción que claramente es una pared celular nítida y enfocada con una señal débil en el centro. Cuando se sigue el protocolo con precisión y se obtienen imágenes óptimas, el algoritmo es preciso y fiable. Sin embargo, si el protocolo se sigue incorrectamente y se obtienen imágenes subóptimas debido a una tinción deficiente, apiñamiento u otros parámetros mencionados anteriormente, el algoritmo pierde precisión y no puede recapitular las mediciones humanas.Una vez dominada, esta técnica se puede realizar en unos 10 minutos si se realiza correctamente. Al intentar este procedimiento, es importante recordar que debe familiarizarse con la adquisición de imágenes óptimas con anticipación, de modo que esté preparado cuando adquiera muestras reales. Después de su desarrollo, esta técnica allanó el camino para que los investigadores en el campo de la investigación criptocócica exploraran los tamaños de cápsulas y cuerpos celulares en cualquier sistema de imágenes en el que los dos se visualicen claramente.Después de ver este video, debería tener una buena comprensión de cómo medir cápsulas criptocócicas y cuerpos celulares. No olvide que trabajar con criptococos puede ser extremadamente peligroso, y siempre se deben tomar precauciones como la seguridad básica de BSL2 al realizar este procedimiento.

automated-measurement-cryptococcal-species-polysaccharide-capsule

Research

Investigación

JoVE Journal

Immunology and Infection

Inmunología e Infección

Este vídeo muestra un ensayo de opsonoadherencia para examinar la interacción entre las bacterias opsonizadas y las células inmunitarias. Las bacterias marcadas con fluorescencia, tratadas con suero de prueba que contiene anticuerpos anticápsulas, se incuban con macrófagos. Después de teñir los macrófagos con fluorescencia, las bacterias adheridas a la superficie del macrófago se observan bajo un microscopio para su visualización.

Un ensayo de opsonoadherencia para evaluar la opsonización de bacterias encapsuladas por anticuerpos anticápsulas

Aquí, demostramos cómo citometría de imagen se puede utilizar para la cuantificación de hongos patógenos en asociación con células huésped en cultivo. Esta técnica se puede utilizar como una alternativa a la CFU enumeración.

El uso de citometría de imagen para la cuantificación de hongos patógenos en asociación con las células huésped

Aquí, se describe un ensayo fenotípico aplicable a las pantallas de alto rendimiento / alto contenido de ARN sintético de interferencia pequeña (siRNA), compuesto químico, y bibliotecas de mutantes de Mycobacterium tuberculosis. Este método se basa en la detección de tuberculosis de la micobacteria fluorescentemente etiquetada dentro de la célula huésped etiquetada fluorescentemente usando microscopia confocal automatizada.

Un Ensayo Fenotípico Microscópico Para La Cuantificación De Micobacterias Intracelulares Adaptadas Para La Detección De Alto Rendimiento / Alto Contenido

Presentamos un método modular automatizado de alto rendimiento para la identificación y caracterización de exopolisacáridos microbianos a pequeña escala. Este método combina una preselección rápida para analizar la cantidad total de polisacáridos secretados con una huella digital detallada de carbohidratos para permitir el cribado rápido de cepas bacterianas recién aisladas o colecciones completas de cepas.

Plataforma modular de selección automatizados de alto rendimiento de exopolisacáridos Junto con el análisis de carbohidratos de la huella digital de alta sensibilidad

La cápsula de polisacárido es el factor primario de virulencia Cryptococcus neoformans, y su tamaño se correlaciona con la virulencia de la cepa. Medidas diámetro cápsula se utilizan en las pruebas fenotípicas y medir eficacia terapéutica. Aquí se presenta un método estándar de inducción cápsula, y se comparan dos métodos de tinción y medición de diámetro.

Tamaño importa: Medición del diámetro de la cápsula de Cryptococcus neoformans

Demostrar el uso de gradientes discontinuos de densidad para separar poblaciones bacterianas basadas en la producción de cápsulas. Este método se utiliza para comparar cantidad cápsula entre culturas, aislar a mutantes con un fenotipo específico de la cápsula, o identificar los reguladores de la cápsulas. Se describe aquí es la optimización y funcionamiento del ensayo.

Separación de bacterias por cápsulas cantidad usando un gradiente de densidad discontinuo

Este artículo detalla un protocolo para preparar un cocultivo de células criptocócicas y amebas que se estudia utilizando imágenes fijas fluorescentes e imágenes de microscopio electrónico de transmisión de alta resolución. Aquí se ilustra cómo los datos cuantitativos pueden complementar esa información cualitativa.

Uso complementario de técnicas microscópicas y lectura de fluorescencia en el estudio de las interacciones Cryptococcus-Amoeba

Este protocolo tiene como objetivo automatizar las mediciones de AFM en cientos de células microbianas. En primer lugar, los microbios se inmovilizan en microestructuras de sello PDMS y luego las mediciones de espectroscopia de fuerza se realizan automáticamente en cientos de células inmovilizadas.

Automatización De Las Mediciones De Microscopio De Fuerza Bio-Atómica En Cientos De Células De C. albicans

Presentamos un protocolo para la identificación y cuantificación de las principales clases de metabolitos solubles en agua en la levadura Saccharomyces cerevisiae. El método descrito es versátil, robusto y sensible. Permite la separación de isómeros estructurales y formas estereoisoméricas de metabolitos solubles en agua entre sí.

Metabolómica cuantitativa de Saccharomyces cerevisiae mediante cromatografía líquida combinada con espectrometría de masas en tándem

La microscopía crioelectrónica de una sola partícula exige un paquete de software adecuado y una canalización fácil de usar para la adquisición automática de datos de alto rendimiento. Aquí, presentamos la aplicación de un paquete de software de adquisición de imágenes totalmente automatizado, Latitude-S, y una tubería práctica para la recopilación de datos de biomoléculas vitrificadas en condiciones de dosis bajas.

Software de adquisición de datos fácil de usar, de alto rendimiento y totalmente automatizado para microscopía crioelectrónica de partícula única

La levadura de fisión se utiliza aquí como huésped heterólogo para expresar proteínas citoesqueléticas bacterianas como FtsZ y MreB como proteínas de fusión traduccional con GFP para visualizar su polimerización. Además, los compuestos que afectan a la polimerización se identifican mediante imágenes con un microscopio de fluorescencia.

La levadura de fisión como plataforma para el cribado de fármacos antibacterianos dirigidos a las proteínas del citoesqueleto bacteriano

Aprende a automatizar la medición de cápsulas y cuerpos celulares de Cryptococcus usando un procesador de imágenes por lotes. Esta técnica mejora la eficiencia y precisión en el análisis de virulencia.

Medición automatizada de la cápsula de polisacárido de Cryptococcus especies y cuerpo de la célula

Explorar más videos