Name: Identificación automática de ramas dendríticas y su orientación (Video) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: Aprende a utilizar SOA, una herramienta computacional automatizada para analizar ramas dendríticas neuronales en imágenes de fluorescencia 2D. Extrae datos morfológicos como longitudes y ángulos de crecimiento de manera rápida y sencilla.

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

Los autores desean agradecer al Dr. Orly Weiss por la preparación de las imágenes culturales.

NOTA: El Ministerio de Salud de Israel aprobó el uso de ratones bajo el protocolo IL-218-01-21 para el uso ético de animales de experimentación. SOA solo es compatible con Windows 10 y Python 3.9. Está disponible como código abierto: https://github.com/inbar2748/DendriteProject. En este enlace, también hay un README. DM que tiene instrucciones para descargar el software, un enlace al sitio web del software y un archivo de requisitos que contiene información sobre las versiones requeridas de todos los paquetes. También se han proporcionado ejemplos adicionales de análisis realizados con el software.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> Figura 1: Flujo de trabajo SOA para análisis de segmentación y dirección de crecimiento. Se muestran los pasos de procesamiento de imágenes fluorescentes de redes dendríticas y el análisis de datos. La imagen 2D se carga, se segmenta (en dos pasos: las ramas dendríticas se detectan como líneas, y luego se fusionan las líneas relevantes), y se obtiene la información espacial de cada rama dendrítica. Los datos se recopilan para todas las ramas dendríticas de la imagen. Finalmente, los datos se analizan para dar los parámetros morfológicos deseados. Abreviatura: SOA = análisis de segmentación y orientación. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
1. Abra la aplicación SOA.
<ol><li>Abra la dirección URL: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA, busque la carpeta COMPRIMIDA SOA.zip y descargue el archivo ZIP haciendo doble clic.</li>
	<li>Descomprima la carpeta haciendo clic derecho en SOA.zip y elija Extraer archivos. Observe la ventana Ruta de extracción y Opciones que se abre y el cuadro de texto Dirección de destino que muestra la ruta de acceso de los archivos extraídos. Para extraer a una ubicación diferente, haga clic en una de las carpetas en el panel derecho de la ventana para convertirla en la carpeta de destino. Haga clic en Aceptar para extraer los archivos a esa carpeta.</li>
	<li>Abra el archivo SOA extraído y haga doble clic en SOA.exe. Espere a que se abra una ventana negra, después de lo cual aparecerá la aplicación.</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> Figura 2: Ejemplo de un flujo de trabajo utilizando la GUI de SOA. Columna izquierda: secciones de gui del flujo de trabajo. Columna central: imagen de una red dendrítica, procesada durante el flujo de trabajo (barra de escala: 20 μm). Columna derecha: ampliación del área marcada por un rectángulo rojo en las imágenes de la columna central (Barra de escala: 4 μm). Paso 1: Selección y carga de una imagen. Paso 2: La primera etapa de segmentación es la detección de líneas que representan las ramas dendríticas identificadas. Paso 3: La segunda etapa de la segmentación es la fusión basada en la proximidad del revestimiento del segmento en ramas dendríticas individuales. La configuración de todos los pasos se puede modificar. Abreviaturas: SOA = análisis de segmentación y orientación; GUI = interfaz gráfica de usuario. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
2. Abra una imagen para analizar.
<ol><li>En la barra de menús Carga de SOA Viewer | seleccione Elegir archivo | Elija una imagen de los archivos del equipo | haga clic en él (solo .png .jpg .tif .bmp archivos) | Abrir | Observe la ruta de acceso del archivo | Próximo.
</li>
</ol>3. Optimización de la segmentación
NOTA: En la barra de menús Propiedades del visor SOA , cambie los valores de los parámetros seleccionados para ajustar la configuración del proceso de segmentación. Una descripción detallada de los parámetros, como el Umbral, se proporciona en el Material Suplementario.
<ol><li>En Aristas, ajuste el umbral de la visualización seleccionando el Umbral e introduciendo un número. NOTA: Cuanto menor sea el número del umbral, más líneas se detectarán. El umbral es un número que oscila entre 0 y 255. El valor predeterminado se ha establecido en 0.</li>
	<li>En líneas de combinación:<ol>
<li>Ajuste la distancia mínima a combinar para la pantalla seleccionando la distancia mínima para combinar e introduciendo un número. NOTA: La distancia mínima para combinar varía de 0 a 30 píxeles. El valor predeterminado se establece en 20.</li>
		<li>Ajuste el ángulo mínimo a combinar para la pantalla seleccionando el ángulo mínimo para combinar e introduciendo un número. NOTA: El ángulo mínimo a fusionar varía de 0 a 30°. El valor predeterminado se establece en 10.</li>
	</ol>
</li>
	<li>Haga clic en Crear imagen de segmentación de vista previa. NOTA: Se mostrará una imagen de vista previa de los resultados de segmentación de acuerdo con los valores actualizados. Además, se mostrará el número de líneas antes de la fusión y el número de líneas después de la fusión.</li>
	<li>Cambiar los parámetros para lograr la máxima identificación de segmentos. Si es necesario cambiar las Propiedades, haga clic en el botón Cerrar ventana y siga los pasos 3.1-3.4.</li>
</ol>4. Cree los archivos de salida.
<ol><li>Pulse OK para visualizar las imágenes de segmentación y los gráficos de análisis. Observe la ventana que aparece para seleccionar una ubicación donde se guardará el archivo .xlsx.</li>
	<li>Inserte un nombre de archivo | Elija Guardar | espere a que se cree y guarde el archivo .xlsx con datos. NOTA: Además del archivo .xlsx, se mostrarán automáticamente los siguientes archivos: un archivo que presenta la imagen original, la imagen de reconocimiento de línea, la imagen final de la segmentación y tres gráficos de análisis.
</li>
</ol>5. Barra de herramientas de navegación
NOTA: Se incluye una barra de herramientas de navegación en todas las ventanas de figuras y se puede utilizar para navegar por el conjunto de datos. Cada uno de los botones en la parte inferior de la barra de herramientas se describe a continuación.
<ol><li>Para navegar hacia adelante y hacia atrás entre las vistas definidas anteriormente, utilice los botones Adelante y Atrás . NOTA: Los botones Inicio, Adelante y Atrás son similares a los controles Inicio, Adelante y Atrás de un navegador web. Inicio vuelve a la pantalla predeterminada, la imagen original.</li>
	<li>Utilice el botón Zoom para desplazarse y hacer zoom. Para activar el movimiento panorámico y el zoom, pulse el botón Zoom y, a continuación, mueva el ratón a la ubicación deseada de la imagen.<ol>
<li>Para desplazar la figura, mantenga pulsado el botón izquierdo del ratón mientras la arrastra a una nueva posición. Suelte el botón del ratón y el punto seleccionado en la imagen aparecerá en la nueva posición. Durante el movimiento panorámico, mantenga presionadas las teclas x o y para restringir el movimiento a los ejes x o y , respectivamente.</li>
		<li>Para hacer zoom, mantenga presionado el botón derecho del mouse y arrástrelo a una nueva ubicación. Desplácese hacia la derecha para acercar el eje x y desplácese hacia la izquierda para alejar el eje x. Haga lo mismo con los movimientos del eje Y y hacia arriba / abajo. Al hacer zoom, tenga en cuenta que el punto debajo del mouse permanece estacionario, lo que permite acercar o alejar alrededor de ese punto. Utilice las teclas modificadoras x, y o CONTROL para limitar el zoom a la conservación x, y o relación de aspecto, respectivamente.</li>
	</ol>
</li>
	<li>Para activar el modo Zoom a rectángulo, haga clic en el botón Zoom a rectángulo . Coloque el cursor sobre la imagen y pulse el botón izquierdo del ratón. Arrastre el ratón a una nueva ubicación mientras mantiene pulsado el botón para definir una región rectangular. NOTA: Los límites de vista de ejes se ampliarán a la región definida cuando se presione el botón izquierdo del mouse. Los límites de la vista de ejes se alejarán cuando se presione el botón derecho del mouse, colocando los ejes originales en la región definida.</li>
	<li>Utilice la herramienta de configuración de subtramas para configurar la apariencia de la subtrama. NOTA: Los lados izquierdo, derecho, superior e inferior de la subtrama, así como el espacio entre filas y columnas, se pueden estirar o comprimir.</li>
	<li>Para abrir un cuadro de diálogo de guardar archivo, haga clic en el botón Guardar y guarde el archivo en los siguientes formatos: .png, .ps, .eps, .svg o .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>

Los autores declaran que no tienen intereses financieros contrapuestos.

Se requieren urgentemente estrategias efectivas para extraer información morfológica de imágenes 2D para mantenerse al día con los datos de imágenes biológicas. Aunque los datos de imágenes se pueden generar en horas, el análisis en profundidad de las imágenes lleva mucho tiempo. Como resultado, el procesamiento de imágenes se ha convertido claramente en un obstáculo importante en muchos campos. Esto se debe en parte a la alta complejidad de los datos, especialmente cuando se trata de muestras biológicas. Además, como mu...

La morfogénesis dendrítica es un tema central en neurociencia, ya que la estructura del árbol dendrítico afecta a las propiedades computacionales de la integración sináptica en las neuronas1,2,3. Además, las anomalías morfológicas y las modificaciones en las ramas dendríticas están implicadas en trastornos degenerativos y del desarrollo neurológico4,5,6. En cultivos neuronales donde la ramificación dendrítica se puede visualizar más fácilmente, las interacciones entre ramas dendríticas no hermanas regulan los sitios y la extensión de la agrupación sináptica a lo largo de las ramas, un comportamiento que puede afectar la coactividad sináptica y la plasticidad7,8,9. Por lo tanto, la caracterización de los parámetros morfológicos del árbol dendrítico utilizando cultivos neuronales bidimensionales (2D) es ventajosa para comprender la morfogénesis dendrítica y la funcionalidad de neuronas individuales y redes de neuronas. Sin embargo, esta es una tarea desafiante porque las ramas dendríticas forman una malla compleja incluso en cultivos neuronales 2D "simplificados".
Se han desarrollado varias herramientas para rastrear y analizar automáticamente las estructuras dendríticas10,11,12,13. Sin embargo, la mayoría de estas herramientas están diseñadas para redes neuronales 3D y son naturalmente demasiado complejas para usarlas con redes 2D. Por el contrario, las herramientas de análisis morfológico menos avanzadas suelen implicar un componente significativo del trabajo manual asistido por ordenador, que consume mucho tiempo y es susceptible al sesgo del operador14. Las herramientas semiautomáticas existentes, como 'ImageJ'15 (un paquete de procesamiento de imágenes de código abierto de los NIH con una vasta colección de herramientas de análisis de imágenes biológicas desarrolladas por la comunidad), reducen en gran medida el trabajo manual del usuario. Sin embargo, todavía se necesitan algunas intervenciones manuales durante el procesamiento de imágenes, y la calidad de la segmentación puede ser menos que deseable.
En este trabajo se presenta el SOA, una sencilla herramienta automatizada que permite la segmentación directa y el análisis de orientación de ramas dendríticas dentro de redes neuronales 2D. El SOA puede detectar varios objetos en forma de línea en imágenes 2D y caracterizar sus propiedades morfológicas. Aquí, utilizamos el SOA para segmentar ramas dendríticas en imágenes de fluorescencia 2D de redes dendríticas en cultivo. El software identifica las ramas dendríticas y realiza con éxito mediciones de parámetros morfológicos como el paralelismo y la distribución espacial. El SOA se puede adaptar fácilmente para el análisis de procesos celulares de otros tipos de células y para el estudio de redes no biológicas.

<table><tbody><tr><td>Matplotlib</td><td>&nbsp; 2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom y el equipo de desarrollo de Matplotlib; 2012 - 2021 El equipo de desarrollo de Matplotlib.</td><td>3.4.2</td><td>una biblioteca de trazado 2D</td></tr><tr><td>de Python matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>artista para matplotlib para mostrar una barra</td></tr><tr><td>de escala NumPy</td><td>La comunidad de NumPy.</td><td>1.20.3</td><td>Paquete fundamental para la biblioteca de computación científica</td></tr><tr><td>OpenCV</td><td>Equipo OpenCV</td><td>4.5.2.54</td><td>Open Source Computer Vision Library</td></tr><tr><td>PyCharm</td><td>JetBrains</td><td>2020.3.1 (Community Edition) versión</td><td>Build #PC-203.6682.86, construido el 18 de diciembre de 2020. Versión de ejecución: 11.0.9.1+11-b1145.37 amd64. VM: Máquina virtual de servidor OpenJDK de 64 bits de JetBrains s.r.o. Windows 10 10.0. Memoria: 978M, Cores: 4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>administrar la GUI</td></tr><tr><td>python</td><td>python Python Software Foundation</td><td>License 3.9 versión</td><td></td></tr><tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>5.11.1 versión</td><td></td></tr><tr><td>scipy</td><td>Proyecto de biblioteca comunitaria</td><td>1.6.3</td><td>Ecosistema basado en Python de software de código abierto para matemáticas, ciencia e ingeniería</td></tr><tr><td>Seaborn</td><td>Michael Waskom.</td><td>0.11.1</td><td>Biblioteca de visualización de datos estadísticos de Python.</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>Módulo de Python para crear archivos Excel XLSX</td></tr></tbody></table>

identificación automática de ramas dendríticas y su orientación

Automatic Identification of Dendritic Branches and their Orientation

La estructura de los árboles dendríticos neuronales juega un papel clave en la integración de las entradas sinápticas en las neuronas. Por lo tanto, la caracterización de la morfología de las dendritas es esencial para una mejor comprensión de la función neuronal. Sin embargo, la complejidad de los árboles dendríticos, tanto cuando están aislados como especialmente cuando se encuentran dentro de las redes neuronales, no se ha entendido completamente. Desarrollamos una nueva herramienta computacional, SOA (Segmentation and Orientation Analysis), que permite la medición automática de la orientación de ramas dendríticas a partir de imágenes de fluorescencia de cultivos neuronales 2D. SOA, escrito en Python, utiliza la segmentación para distinguir las ramas dendríticas del fondo de la imagen y acumula una base de datos sobre la dirección espacial de cada rama. La base de datos se utiliza para calcular parámetros morfológicos como la distribución direccional de las ramas dendríticas en una red y la prevalencia del crecimiento paralelo de ramas dendríticas. Los datos obtenidos pueden utilizarse para detectar cambios estructurales en las dendritas en respuesta a la actividad neuronal y a estímulos biológicos y farmacológicos.

Se realizó un análisis representativo sobre imágenes de redes dendríticas en cultivo. Las células se extrajeron según lo descrito por Baranes et al. 16,17. Brevemente, las células del hipocampo se extrajeron de los cerebros de ratas postnatales y se cultivaron en fundas de vidrio 2D durante 1-2 semanas. Los cultivos se fijaron y se tiñeron a través de inmunofluorescencia indirecta utilizando un anticuerpo contra el marcador de proteína dendrítica, la pro...

Presented es una herramienta computacional que permite la medición automática simple y directa de las orientaciones de las ramas dendríticas neuronales a partir de imágenes de fluorescencia 2D.

Identificación automática de ramas dendríticas y su orientación

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

El SOA es una herramienta automatizada que tiene una interfaz fácil de usar, para la identificación, segmentación y extracción de información morfológica importante de imágenes de redes de líneas 2D complejas. El proceso de trabajo es sencillo e intuitivo y los datos se obtienen de forma inmediata y sencilla. Además, debido a que SOA es adaptable y flexible, su capacidad analítica se puede ampliar para otras aplicaciones.SOA se puede utilizar para el análisis de otros tipos de redes 2D, como redes de células no neurales, estructuras complejas generadas por el citoesqueleto y redes no biológicas, como nanotubos. Abra la página web, busque el SOA. zip carpeta comprimida, y descargue el archivo zip haciendo doble clic.Descomprima la carpeta haciendo clic con el botón derecho y seleccionando extraer archivos. Observe la ruta de extracción en la ventana de opciones que se abre en el cuadro de texto dirección de destino que muestra la ruta de los archivos extraídos. A continuación, abra el archivo SOA extraído y haga doble clic en SOA.exe.Espere a que se abra una ventana negra, después de lo cual aparecerá la aplicación. En la barra de menús de carga del visor SOA, seleccione elegir archivo, luego elija una imagen de los archivos de la computadora y haga clic en ella. Haga clic en Abrir, observe la ruta del archivo y, a continuación, haga clic en Siguiente.Para la optimización de la segmentación en bordes, ajuste el umbral de la visualización seleccionando umbral e introduciendo un número. En las líneas de combinación, ajuste la distancia mínima que se va a combinar para la visualización seleccionando la distancia mínima que se va a combinar e introduciendo un número, y el ángulo mínimo que se va a combinar para la visualización seleccionando el ángulo mínimo que se va a combinar e introduciendo un número. Luego, haga clic en crear imagen de segmentación de vista previa y cambie los parámetros para lograr la máxima identificación de segmentos.Si es necesario cambiar las propiedades, haga clic en el botón Cerrar ventana y reajuste el umbral en la distancia y el ángulo mínimos para fusionar. Para crear los archivos de salida, pulse Okay para visualizar las imágenes de segmentación en los gráficos de análisis. En la ventana que aparece, seleccione una ubicación donde se guardará el archivo xlsx.Inserte un nombre de archivo, luego elija guardar y espere a que se cree y guarde el archivo xlsx con datos. Para navegar hacia adelante y hacia atrás entre las vistas definidas anteriormente, utilice los botones adelante y atrás. Active el movimiento panorámico y el zoom presionando el botón de zoom y, a continuación, mueva el mouse a la ubicación deseada.Luego, desplácese por la figura presionando y manteniendo presionado el botón izquierdo del mouse mientras lo arrastra a una nueva posición. Suelte el botón del ratón y el punto seleccionado en la imagen aparecerá en la nueva posición. Mantenga pulsadas las teclas X o Y para restringir el movimiento de los ejes.Para hacer zoom, mantenga presionado el botón derecho del mouse y arrástrelo a una nueva ubicación. Desplácese hacia la derecha para acercar el eje x y desplácese hacia la izquierda para alejar el eje x. Haga lo mismo con el eje y en los movimientos hacia arriba y hacia abajo.Al hacer zoom, tenga en cuenta que el punto debajo del mouse permanece estacionario, lo que permite acercar o alejar alrededor de ese punto. Utilice las teclas modificadoras, X, Y o Control, para limitar el zoom a la conservación X, Y o relación de aspecto, respectivamente. Para activar el zoom al modo rectángulo, haga clic en el botón zoom a rectángulo.Coloque el cursor sobre la imagen y pulse el botón izquierdo del ratón. Arrastre el ratón a una nueva ubicación mientras mantiene pulsado el botón para definir una región rectangular. Utilice la herramienta de configuración de subtramas para configurar la apariencia de la subtrama.Para abrir un cuadro de diálogo de guardar archivo, haga clic en el botón Guardar y guarde el archivo en los formatos adecuados. Un flujo de trabajo SOA típico se aplica a una imagen 2D representativa de una red dendrítica marcada con un anticuerpo fluorescente anti-MAP2. La GUI de SOA permite la comparación de la imagen original con la imagen segmentada y proporciona monitoreo en tiempo real del efecto de cualquier cambio en la configuración de segmentación.Las ramas dendríticas se clasifican como en crecimiento paralelo y no paralelo. Una vez que se completa el análisis, el número de ramas paralelas dentro del rango probado se extrae y se traza en un gráfico de frecuencia. Para comprender si la extensión del crecimiento paralelo entre las ramas dendríticas es aleatoria o dirigida, los resultados de este gráfico se comparan con los extraídos de la simulación de crecimiento aleatorio de líneas del mismo número que las de las ramas dendríticas en los cultivos.El SOA mide las distancias entre las ramas paralelas, así como las longitudes de las ramas dendríticas paralelas y no paralelas y sus longitudes promedio. Para determinar si existen direcciones de crecimiento preferenciales, la SOA muestra un histograma de distribución de los ángulos de crecimiento de las ramas dendríticas, lo que permite la identificación rápida de las direcciones de crecimiento preferidas y las ramas dendríticas específicas en cada grupo. La salida SOA se puede utilizar como una base de datos para herramientas que realizan análisis más profundos y complejos.

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

Research

Investigación

JoVE Journal

Neuroscience

Neurociencia

Fuente: Pekarek, B. T., et. al., Obtención de imágenes y cuantificación de dendritas neuronales intactas mediante la limpieza de tejidos CLARITY. J. Vis. Exp. (2021)En este video, demostramos la preparación, la obtención de imágenes y el análisis de un cerebro de ratón aclarado para examinar los ejes dendríticos, la morfología de la columna vertebral y la distribución neuronal utilizando técnicas de microscopía confocal y reconstrucción 3D.

Imágenes de microscopía confocal de árboles dendríticos intactos y morfología de la columna vertebral en un cerebro de ratón despejado

Fuente: Ting, C., et al., Análisis de la morfología dendrítica en columnas y capas. J. Vis. Exp. (2017)Este video demuestra el procedimiento de preparación de un cerebro de Drosophila, capturando pilas de imágenes horizontales y frontales de dendritas medulares marcadas con GFP bajo un microscopio confocal y creando una reconstrucción 3D para analizar su morfología en capas y columnas.

Análisis de la morfología dendrítica en capas y columnas de Drosophila Medulla

Fuente: Gouder, et. al. Cuantificación tridimensional de espinas dendríticas a partir de neuronas piramidales derivadas de células madre pluripotentes inducidas por humanos. J. Vis. Exp. (2015).Este video demuestra la obtención de imágenes y el análisis de espinas dendríticas en neuronas piramidales transducidas e inmunomarcadas mediante microscopía confocal. Se reduce el ruido de fondo y se rastrean las dendritas estimando su diámetro y longitud. La segmentación automatizada de la columna...

Cuantificación de espinas dendríticas mediante imágenes de microscopía confocal

Describimos dos métodos para la visualización y cuantificación de la arborización dendrítica en el hipocampo de modelos de ratón: imágenes en tiempo real y de profundidad de campo extendida. Mientras que el primer método permite un sofisticado trazado topográfico y la cuantificación de la extensión de la ramificación, el segundo permite una visualización rápida del árbol dendrítico.

Evaluación de la arborización dendrítica en el giro dentado de la región del hipocampo en ratones

Las espinas dendríticas de las neuronas piramidales son los sitios de la mayoría de las sinapsis excitadoras en la corteza cerebral de los mamíferos. Este método describe un análisis cuantitativo 3D de morfologías de la columna vertebral en las neuronas glutamatérgicas piramidal corticales humanos derivadas de células madre pluripotentes inducidas.

La cuantificación tridimensional de espinas dendríticas de piramidal neuronas derivadas de células madre humanas pluripotentes inducidas

Aquí, se muestra cómo analizar enrutamiento dendríticas de las neuronas medulares de Drosophila en columnas y capas. El flujo de trabajo incluye una visualización dual técnica de imagen para mejorar la calidad de imagen y herramientas computacionales para el seguimiento, el registro de los cenadores dendríticas en la matriz de la columna de referencia y para el análisis de las estructuras dendríticas en el espacio 3D.

Analizando dendríticas morfología en las columnas y capas

Este protocolo se centra en el análisis cuantitativo de la complejidad de la arborización dendrítica neuronal (NDAC) en Drosophila, que puede ser utilizado para estudios de morfogénesis dendríticas.

Análisis cuantitativo de la complejidad de la arborización dendrítica Neuronal en Drosophila

Aquí, describimos el método que empleamos para crear imágenes de filopodia dendrítica altamente móviles en una preparación en vivo del cerebro larvario Drosophila, y el protocolo que desarrollamos para cuantificar conjuntos de datos de imágenes 3D de lapso de tiempo para evaluaciones cuantitativas de la dendrita dinámica en el desarrollo de neuronas.

Imágenes en vivo de lapso de tiempo y cuantificación de la dinámica de ramas dendríticas rápidas en el desarrollo de neuronas drosophila

Presentamos un protocolo para etiquetar y analizar las neuronas piramidales, que es fundamental para evaluar posibles alteraciones morfológicas en neuronas y espinas dendríticas que pueden subyacen a anomalías neuroquímicas y conductuales.

Etiquetado balístico de las neuronas piramidales en las rebanadas cerebrales y en el cultivo celular primario

La morfología dendrítica neuronal a menudo subyace a la función. De hecho, muchos procesos de enfermedad que afectan el desarrollo de las neuronas se manifiestan con un fenotipo morfológico. Este protocolo describe un método simple y poderoso para analizar cenadores dendríticos intactos y sus espinas asociadas.

Obtención de imágenes y cuantificación de dendritas neuronales intactas a través de CLARITY Tissue Clearing

Las espinas dendríticas son compartimentos postsinápticos de la mayoría de las sinapsis excitatorias. Las alteraciones en la morfología de la espina dendrítica ocurren durante el neurodesarrollo, el envejecimiento, el aprendizaje y muchos trastornos neurológicos y psiquiátricos, lo que subraya la importancia de un análisis confiable de la columna dendrítica. Este protocolo describe la cuantificación de la morfología de la espina dendrítica de forma precisa y reproducible utilizando un software...

Cuantificación de la columna dendrítica mediante un software automático de reconstrucción de neuronas tridimensional

Aprende a utilizar SOA, una herramienta computacional automatizada para analizar ramas dendríticas neuronales en imágenes de fluorescencia 2D. Extrae datos morfológicos como longitudes y ángulos de crecimiento de manera rápida y sencilla.

Identificación automática de ramas dendríticas y su orientación

Explorar más videos