Article de méthode

Analyse et imagerie des ostéocytes

1.7K vues

⸱

DOI :

10.3791/64699

⸱

29 novembre 2024

 ,  ,  ,  ,  , 
1School of Science and Engineering, University of Missouri-Kansas City, 2Department of Oral and Craniofacial Sciences, School of Dentistry, University of Missouri-Kansas City

Dans cet article

Résumé

Cette étude décrit la méthode de visualisation et de développement de modèles tridimensionnels (3D) d’ostéocytes au sein du réseau lacunaire-canaliculaire (LCN) pour l’analyse de la dynamique des fluides numérique (CFD). Les modèles générés à l’aide de cette méthode aident à comprendre la mécanosensation des ostéocytes dans les os sains ou malades.

Résumé

Les ostéocytes sont les cellules osseuses dont on pense qu’elles réagissent aux contraintes mécaniques et au stress de cisaillement de l’écoulement des fluides (FFSS) en activant diverses voies biologiques dans un processus connu sous le nom de mécanotransduction. Les modèles confocaux de réseaux d’ostéocytes dérivés d’images sont un outil précieux pour effectuer une analyse CFD (Computational Fluid Dynamics) afin d’évaluer les contraintes de cisaillement sur la membrane ostéocytaire, qui ne peuvent pas être déterminées par mesure directe. La modélisation informatique utilisant ces images à haute résolution de l’architecture microstructurale de l’os a été utilisée pour simuler numériquement la charge mécanique exercée sur l’os et comprendre la stimulation des ostéocytes induite par la charge.

Cette étude développe les méthodes de développement de modèles 3D d’ostéocytes uniques à l’aide d’images au microscope confocal du réseau Lacunaire-Canaliculaire (LCN) pour effectuer une analyse CFD à l’aide de divers logiciels de modélisation informatique. Avant la microscopie confocale, les os de la souris sont sectionnés et colorés avec un colorant isothiocyanate de fluorescéine (FITC) pour marquer le LCN. À une résolution de 100x, les images de la pile Z sont collectées à l’aide d’un microscope confocal et importées dans le logiciel MIMICS (logiciel de traitement d’images 3D) pour construire un modèle de surface du LCN et des processus ostéocytaires-dendritiques.

Ces surfaces sont ensuite soustraites à l’aide d’une opération booléenne dans le logiciel 3-Matic (logiciel d’optimisation de données 3D) pour modéliser l’espace fluidique lacunaire autour du corps cellulaire ostéocytaire et l’espace canaliculaire autour des dendrites contenant du liquide lacunocanaliculaire. La géométrie volumétrique des fluides 3D est importée dans le logiciel ANSYS (logiciel de simulation) pour l’analyse CFD. ANSYS CFX (logiciel CFD) est utilisé pour appliquer une charge physiologique sur l’os sous forme de pression de fluide, et les contraintes de cisaillement de la paroi sur les ostéocytes et les processus dendritiques sont déterminées. La morphologie du LCN affecte les valeurs de contrainte de cisaillement détectées par la membrane cellulaire ostéocytaire et les processus cellulaires. Par conséquent, les détails de la façon dont les modèles confocaux basés sur l’image sont développés peuvent être précieux pour comprendre la mécanosensation des ostéocytes et peuvent jeter les bases d’études futures dans ce domaine.

Introduction

On postule que les ostéocytes régulent la masse osseuse en réponse à l’exercice physique1. La déformation membranaire des ostéocytes et de leurs processus dendritiques due à une charge mécanique les soumet à la FFSS, qui est détectée par les ostéocytes et déclenche la signalisation intracellulaire 2,3,4. La microstructure osseuse subit une détérioration ou des altérations de sa morphologie lacune-canaliculaire dues au vieillissement ou à des maladies osseuses telles que l’ostéoporose et le diabète et dans des conditions telles que la carence en perlecan qui entraîne une altération de la mécano-réactivité des ostéocytes 5,6. Ces changements dans l’architecture osseuse font que les ostéocytes subissent différents niveaux de FFSS et de souches 7,8. Il est important de noter que les FFSS subis par les ostéocytes en réponse à une charge mécanique sont difficiles à quantifier in vivo car ils sont intégrés dans la matrice osseuse calcifiée.

La modélisation confocale basée sur l’image est une technique puissante pour surmonter les limites de l’étude des ostéocytes inaccessibles dans leur environnement naturel en répliquant des modèles informatiques du LCN 9,10. Le traitement et la modélisation du réseau interconnecté de LCN en 3D ont été un défi. Il existe plusieurs techniques d’imagerie, telles que la microscopie électronique à transmission (MET), la microscopie électronique à balayage (MEB), la section de visage en bloc en série et la microscopie électronique à balayage à faisceau d’ions focalisée en série (FIB/SEM)2,11,12. Une technique précieuse a été mise au point pour visualiser l’os 13,14,15 et générer des modèles d’ostéocytes 3D via la microscopie confocale à balayage laser (CLSM). CLSM a été choisi ici pour la modélisation informatique plutôt que pour d’autres techniques d’imagerie en raison de sa capacité à imager tout le volume lacunaire et la plupart des canalicules en 3D16,17. La géométrie LCN peut être générée à l’aide de CLSM pour l’analyse par éléments finis (FEA) des ostéocytes afin de prédire les déformations osseuses. Cependant, l’analyse des fluides pour prédire les FFSS subies par les ostéocytes est plus compliquée car elle nécessite la modélisation de la membrane cellulaire de l’ostéocyte et de ses dendrites au sein du LCN pour permettre la modélisation de l’espace lacunaire-canaliculaire étroit, dans lequel le liquide interstitiel se déplace autour de18.

Dans ce protocole, un colorant isothiocyanate de fluorescéine (FITC) est appliqué sur des coupes osseuses épaisses non décalcifiées avant la microscopie confocale pour marquer le LCN à l’intérieur de l’os, et les membranes ostéocytaires-dendritiques sont modélisées sur la base des données d’imagerie du LCN. L’espace lacunaire-canaliculaire est simulé à l’aide d’une modélisation informatique, et la charge physiologique due à l’activité physique est modélisée à l’aide d’une approche CFD. Les ostéocytes sont soumis à un gradient de pression de fluide dans le logiciel CFD pour analyser le profil fluide à l’intérieur du LCN et mesurer la FFSS sur les membranes ostéocytaires et dendritiques. De plus, une approche FEA permet de mesurer les déformations ou les contraintes ostéocytaires en appliquant une charge mécanique compressive.

Une technique de modification de la géométrie a également été développée pour modifier les microstructures dérivées d’images d’os jeunes et sains afin de simuler la morphologie lacunaire-canaliculaire modifiée chez les animaux âgés ou atteints de maladies osseuses. Les modifications de la microstructure osseuse comprenaient la réduction du nombre de canalicules avec l’âge, la réduction de la zone de l’espace lacinaire-canaliculaire pour modéliser ce qui se passe en cas de carence en perlecan et son augmentation pour modéliser les effets du vieillissement, et la réduction de la surface de la paroi canaliculaire et dendritique pour modéliser l’os diabétique 5,6. La technique de modification de la géométrie nous permet de comparer les FFSS subis par les ostéocytes dans des os avec différentes microstructures, telles que jeunes par rapport aux personnes âgées ou os chez des animaux sains par rapport aux animaux malades.

Dans l’ensemble, la modélisation confocale basée sur l’image est un outil précieux pour simuler la morphologie des ostéocytes dans les os sains ainsi que les changements de morphologie des ostéocytes associés au vieillissement ou à la maladie. De plus, les paramètres morphologiques des ostéocytes, tels que la surface et le volume de l’espace lacunaire-canaliculaire, peuvent être mesurés et comparés dans divers os pour prédire les réponses cellulaires aux contraintes mécaniques.

Protocole

Les expériences sur les animaux ont été menées avec l’approbation du Comité institutionnel de soin et d’utilisation des animaux de l’Université du Missouri, Kansas City (UMKC), et se sont conformées aux directives fédérales pertinentes.

1. Processus de préparation osseuse

  1. Prélever des fémurs de souris C57BL6 femelles de 4 mois et de 22 mois et les fixer dans du paraformaldéhyde froid à 4 % dans du PBS pendant 24 h à 4 °C en les balançant doucement, puis les rincer dans du PBS et les stocker dans de l’éthanol à 70 % avant de les enrober.
    REMARQUE : Le volume fixateur doit être d’environ 20 fois le volume tissulaire
  2. Incorporez rapidement les os dans un acrylique à polymérisation rapide (Table des matériaux) en suivant les instructions du fabricant.
    REMARQUE : Il est important d’utiliser une résine à polymérisation rapide pour cette étape (~10 min). Le but est de soutenir le tissu osseux pendant la coupe à l’aide de la scie à diamant, mais sans que la résine ne pénètre dans le LCN, ce qui empêcherait la coloration FITC de pénétrer à l’intérieur.
  3. Coupez des tranches transversales épaisses de 300 μm d’épaisseur à partir d’un site normalisé au-dessus du troisième trochanter à l’aide d’une scie diamantée et stockez-les à 4 °C dans de l’éthanol à 70 % avant la coloration FITC.
  4. Polissez les sections à l’aide de papier de verre de grain 600, 800 puis 1200 jusqu’à une épaisseur finale de ~90-100 μm.
    REMARQUE : L’obtention de l’épaisseur appropriée a été assurée à l’aide d’un pied à coulisse numérique.
  5. Rincez les sections à 70 %, 95 % et 100 % éthanol pendant 5 minutes chacune.
  6. Colorez-les dans du FITC à 1 % dans de l’éthanol à 100 % pendant 4 h à température ambiante (RT) dans l’obscurité en secouant modérément.
  7. Lavez les sections dans de l’éthanol à 100 % pendant 30 minutes en secouant doucement dans l’obscurité. Ensuite, faites-les sécher à l’air libre pendant la nuit dans l’obscurité.
  8. Pour le montage, placez la section dans une goutte de support de montage sur une lame de microscope en verre. À l’aide d’une pince, positionnez la section aussi à plat que possible contre la lame, en évitant de générer des bulles d’air et en utilisant la résine environnante pour manipuler l’échantillon. Montez une lamelle sur l’échantillon.

2. Microscopie confocale

  1. Utilisez un microscope confocal pour l’imagerie de tranches d’os colorées au FITC.
  2. Utilisez un objectif à huile 100x 1,44NA avec un zoom numérique de 1,7 et une taille de pas de 0,126 μm pour collecter des piles Z détaillées de 400 plans Z à 1024 x 1024 pixels, résolution de 0,089 μm de pixels.
  3. Utilisez un laser de 488 nm pour l’excitation, avec une fenêtre de collecte d’émission de 496-596 nm. Collectez les piles d’images à l’aide des paramètres de compensation pour corriger la perte de signal avec l’augmentation de la profondeur d’image.
  4. Augmentez la précision et la résolution des images en utilisant des techniques de collecte d’images telles que le suréchantillonnage et l’augmentation de la moyenne des lignes. Collectez également les images avec une résolution de 5x, 20x et 100x des sections transversales des sections du fémur, comme le montre la figure 1.
    REMARQUE : L’image basse résolution (5x) de la figure 1 montre la section transversale complète du fémur, avec trois régions sélectionnées pour les champs d’imagerie 100x.
  5. Utilisez les piles Z 100x pour la modélisation informatique des ostéocytes.

3. Modélisation informatique

  1. Importez les images 100x collectées, au format TIFF, dans le logiciel ImageJ pour construire une séquence d’images du LCN dans la direction Z.
  2. Importez les piles Z dans le logiciel de traitement d’images 3D pour construire un masque du LCN après avoir défini l’orientation de l’image.
  3. Seuilz l’image originale des souris jeunes et âgées entre 30 012 et 45 677 unités Hounsfield et 15 000 à 46 701 unités Hounsfield, respectivement, pour ressembler étroitement au LCN. Ajustez le seuil dans le menu de section pour modifier les limites d’intensité des pixels à inclure dans un masque.
  4. Recadrez une lacune avec ses canalicules en tant que région d’intérêt (ROI) de la pile à l’aide de l’opération Masque de recadrage . Définissez le retour sur investissement de manière à ce qu’il entoure la lacune au centre du cube et que tous ses canalicules connectés s’étendent sur les côtés du cube. Enfermez la lacune dans un cube imaginaire plus grand avec des longueurs de côté de 21 μm, 14 μm et 19 μm.
  5. Étant donné que le modèle est créé à partir de plusieurs parties, effectuez une opération de croissance de région pour sélectionner les régions de pixels connectées, supprimer le bruit et éliminer les taches pour générer un LCN uniforme.
  6. Convertissez le masque lacunaire-canaliculaire en objet à l’aide de l’opération Pièce calculée dans le logiciel de traitement d’images 3D.
  7. Construire les membranes ostéocytaires et dendritiques en réduisant le volume LCN à l’aide de l’opération de lissage. Effectuez cette opération plusieurs fois pour obtenir une épaisseur d’espace lacunaire et canaliculaire de 0,75 μm et 0,08 μm, respectivement 9,18.
  8. Exporter les objets (format STL) en tant que dernière étape dans le logiciel de traitement d’images 3D.
  9. Importez deux couches de LCN et de membranes ostéocytaires-dendritiques dans le logiciel d’optimisation des données 3D pour générer un maillage volumique.
  10. Utilisez l’outil Fix Wizard du logiciel pour identifier les problèmes de maillage dans chaque pièce. Vérifiez la qualité du maillage dans la section de diagnostic de l’assistant de correction après chaque opération.
  11. Supprimez les pièces normales inversées, les triangles qui se croisent et les contours défectueux à l’aide de l’opération de correction automatique de l’assistant de correction.
  12. Remplacez les triangles superposés manuellement en en définissant de nouveaux ou automatiquement via l’opération Remplir le trou Normal .
  13. Améliorez la qualité du maillage à l’aide d’opérations telles que le filtrage des triangles pointus, des petites arêtes et des petites coques.
  14. Après avoir amélioré la qualité du maillage, combinez deux surfaces de la LCN et des membranes ostéocytaires-dendritiques en une seule surface (espace fluidique lacunaire-canaliculaire) qui appartient aux deux parties à l’aide d’un assemblage non manifold.
  15. Créez un modèle volumétrique de l’espace lacunaire-canaliculaire à l’aide de l’opération Remesh , puis exportez-le sous forme de fichier STL. Ajustez l’échelle de l’objet pour qu’elle soit en micromètres dans la section d’exportation.

4. Technique de modification de la géométrie dans le logiciel de traitement d’images 3D et le logiciel d’optimisation de données 3D

REMARQUE : La technique de modification de la géométrie est utilisée pour modéliser les changements dans la morphologie des ostéocytes, tels que la densité et le diamètre canaliculaires et l’épaisseur lacune-canaliculaire due au vieillissement ou à une maladie osseuse.

  1. Choisissez le jeune ostéocyte comme modèle de base et modifiez-le pour construire d’autres modèles d’ostéocytes distincts en appliquant des modifications morphologiques.
  2. Générez un modèle d’ostéocytes avec des densités canaliculaires différentes de celles du modèle de base en modifiant le seuillage de l’image dans le logiciel de traitement basé sur l’image 3D.
    1. Sélectionnez un seuil plus bas pour réduire l’intensité lumineuse de l’image et obtenir une lacune avec moins de canalicules. L’avantage de la technique de seuillage est que la forme et la taille de l’écart restent les mêmes, et que seule l’influence de la densité canaliculaire est étudiée. La figure 2 montre le modèle vieilli simulé généré à partir du jeune ostéocyte à l’aide de la technique de modification de la géométrie.
  3. Développez des modèles d’ostéocytes avec différentes épaisseurs d’espace lacinaire-canaliculaire ou diamètres dendrites/canaliculaires dans le logiciel de traitement d’images 3D et le logiciel d’optimisation de données 3D. Construisez des modèles d’ostéocytes plus grands ou plus petits par des opérations d’enveloppement ou de lissage , respectivement. La figure 3 montre six modèles d’ostéocytes à géométrie modifiée développés à partir de l’ostéocyte jeune.

5. Analyse CFD

REMARQUE : Après avoir généré les modèles d’ostéocytes volumétriques, plusieurs étapes, notamment la géométrie, le maillage et la configuration, sont effectuées dans le module CFX du logiciel de simulation.

  1. Créez un écoulement de fluide dans le logiciel de simulation pour préparer les modèles pour l’analyse CFD.
  2. Importez les géométries confocales développées basées sur l’image dans la section géométrique de CFX, connue sous le nom d’ANSYS SpaceClaim (outil de modélisation 3D). Réglez les dimensions de l’unité sur les nanomètres dans le réglage.
  3. La géométrie apparaît comme deux facettes du LCN et des processus ostéocytaires-dendritiques. Cliquez sur Facette dans le menu supérieur et supprimez les erreurs géométriques telles que les intersections, les arêtes vives ou surconnectées, et les sommets, les ouvertures ou les trous pour chaque facette.
  4. Cliquez sur Soustraire dans le menu Facette pour réduire les plus petites facettes et les processus ostéocytaires-dendritiques de la plus grande facette, le LCN, afin d’obtenir un seul corps d’espace lacunaire-canaliculaire. Ensuite, faites un clic droit sur la facette générée et convertissez-la de facettes en un domaine solide sans fusionner les faces. La figure 4 représente la section transversale du modèle d’ostéocytes jeunes, qui représente l’espace lacunaire-canaliculaire.
  5. Cliquez sur le maillage et sélectionnez des éléments tétraédriques linéaires à l’aide d’une taille d’élément de 0,06 μm. Affinez le maillage à l’aide d’une étude de convergence du maillage pour avoir suffisamment d’éléments dans le minuscule système dendritique pour garantir que les résultats sont indépendants de la taille du maillage.
  6. Sélectionnez la surface et choisissez les canalicules sur la face supérieure du cube imaginaire comme entrées de fluide. Sélectionnez les canalicules sur les cinq autres faces comme sorties de fluide à l’aide de la sélection de boîte .
  7. Exportez le maillage (format de fichier fluide) car il se charge plus rapidement dans la configuration à l’étape suivante.
  8. Créez un autre Fluid Flow dans le logiciel de simulation et importez le maillage fluide dans la section de configuration de CFX. Définissez deux conditions limites d’entrées et de sorties pour les faces présélectionnées en tant qu’entrées/sorties à l’aide de l’option Insérer une frontière .
  9. Pour imiter les conditions physiologiques, exercer une pression d’entrée de fluide de 300 Pa et 0 Pa sur les entrées et sorties, respectivement19,20. Traitez les surfaces restantes comme des murs avec une condition antidérapante dans ce fluide qui a une vitesse nulle à l’interface des parois. Le liquide s’écoule des entrées autour des dendrites et du corps cellulaire ostéocytaire et sort des autres canalicules désignés comme sorties.
  10. Traiter le liquide laminaire interstitiel comme de l’eau9, choisie dans la matériauthèque. Définissez les sections Transfert de chaleur, Combustion et Rayonnement thermique sur Aucun, car aucun transfert de chaleur n’est défini dans le problème. Sélectionnez le mode Turbulence comme caractéristique de fluide dans le LCN, qui est un fluide laminaire9.
  11. Exécutez le logiciel en utilisant la double précision et le démarrage direct comme type de soumission. Surveillez la masse et la quantité de mouvement jusqu’à ce que les résidus diminuent et deviennent constants. Après la convergence de la solution, mesurez les données FFSS à l’aide de la section CFD-post du logiciel CFD.

6. Post-traitement CFD

  1. Pour décrire les FFSS subies par les ostéocytes et leurs dendrites, insérez un nouveau contour dans la section des résultats du logiciel CFD. Créez un contour FFSS en choisissant le cisaillement de la paroi sur les membranes ostéocytaires-dendritiques comme variable au niveau du domaine.
    REMARQUE : Pour mieux afficher un FFSS élevé sur les membranes dendritiques, la plage de FFSS est définie sur Spécifié par l’utilisateur pour modifier les valeurs min/max de FFSS.
  2. Insérez un contour de lignes de vitesse à l’intérieur du domaine lacunaire-canaliculaire à partir des entrées. Définissez l’échantillonnage sur un espacement égal et sélectionnez le nombre de points sur 2500. Une section d’animation dans le logiciel CFD montre avec précision en 3D comment les particules de fluide s’écoulent à l’intérieur des espaces lacunaires-canaliculaires à l’aide du graphique de rationalisation de la vitesse.
  3. Utilisez l’outil Calculateur de fonction dans le logiciel CFD pour analyser l’amplitude de la FFSS ou la vitesse en fonction de paramètres géométriques, en particulier lorsqu’il existe différents modèles d’ostéocytes (c’est-à-dire jeune ou âgé). Mesurez le volume et la surface de l’espace lacunaire-canaliculaire sous forme de paramètres géométriques ainsi que les valeurs FFSS maximales, minimales ou moyennes.

Résultats

Ce protocole décrit comment développer des modèles d’ostéocytes confocaux pour étudier la quantité de contrainte de cisaillement de l’écoulement des fluides à laquelle un ostéocyte et ses processus dendritiques sont soumis en raison d’une charge mécanique. Une souris C57BL6 âgée et une jeune souris ont été sélectionnées pour construire des modèles d’ostéocytes confocaux jeunes et âgés. Six autres modèles d’ostéocytes simulés ont été générés à partir du même modèle d’ostéocytes jeunes en utilisant la technique de modification de la géométrie pour étudier l’altération de la morphologie des LCN due au vieillissement ou à une maladie osseuse. Les paramètres modifiés par la géométrie comprenaient l’épaisseur lacune-canaliculaire, la densité canaliculaire et le diamètre. Des modèles d’ostéocytes modifiés ont été développés en modifiant un paramètre à la fois tout en maintenant les autres paramètres identiques. Par conséquent, l’effet de chacun des paramètres morphologiques sur les FFSS est examiné isolément. Les résultats ont révélé que la quantité de FFSS subie par un ostéocyte était différente dans ces modèles d’ostéocytes, montrant la dépendance des FFSS sur la morphologie des LCN. Les valeurs FFSS ont été prédites sur diverses parties du modèle ostéocytaire, telles que le corps cellulaire ostéocytaire ou les membranes dendritiques. Dans tous les modèles, les dendrites présentaient des valeurs FFSS plus élevées que la membrane du corps cellulaire ostéocytaire.

La figure 5 montre les contours FFSS pour les modèles d’ostéocytes jeunes et âgés générés directement à partir d’empilements d’images FITC confocales et de six autres modèles d’ostéocytes développés à partir du modèle 1 en utilisant la technique de modification de la géométrie. La FFSS moyenne sur les membranes ostéocytaires et dendritiques dans le modèle d’ostéocytes jeunes (modèle 1) était de 0,42 Pa, ce qui est plus significatif que la FFSS moyenne de 0,13 Pa dans le modèle d’ostéocytes âgés (modèle 2). Les données obtenues montrent une augmentation de la FFSS moyenne dans les ostéocytes avec un espace lacunaire-canaliculaire plus grand (modèle 7 et modèle 8) et une diminution de la FFSS dans les ostéocytes à plus faible densité canaliculaire (modèle 3 et modèle 4), tandis que la FFSS n’a pas changé de manière significative avec la modification du diamètre des dendrites dans les modèles 5 et 6. Les modèles 2 et 4 avaient les valeurs FFSS les plus faibles, soit 0,19 Pa et 0,13 Pa, respectivement. L’amplitude de la FFSS dans le modèle 8 est supérieure à celle des autres modèles d’ostéocytes. Non seulement la plupart des dendrites sont de couleur rouge dans le modèle 8, mais le corps cellulaire ostéocytaire connaît également une FFSS plus élevée que dans les autres modèles.

Les FFSS subies par les ostéocytes ont également été présentées sur la base du volume et de la surface de l’espace lacunaire-canaliculaire, qui ont été obtenus par post-traitement dans ANSYS CFX pour déterminer la corrélation entre les FFSS et la structure altérée du LCN. Il a également été possible de mesurer la surface de chaque modèle exposé à des FFSS supérieurs à 0,8 Pa, ce qui serait le niveau de FFSS qui provoque la formation osseuse21,22. La modélisation ostéocytaire a montré une corrélation entre le FFSS moyen et le volume ou la surface de l’espace lacunaire-canaliculaire pour tous les modèles d’ostéocytes, comme le montre le tableau 1. L’ostéocyte âgé (modèle 2) et l’ostéocyte d’âge moyen simulé (modèle 4) avec la densité canaliculaire la plus faible avaient la surface laculaire-canaliculaire la plus faible de 1372,7 μm2 et 1122,6 μm2. Les modèles 2 et 4 avaient également le plus faible volume d’espace lacunaire-canaliculaire de 229,4 μm3 et 203,5 μm3, respectivement, ce qui peut être corrélé à leurs faibles quantités de FFSS. Le modèle 6, avec le plus grand diamètre de dendrite, avait la plus grande surface lacune-canaliculaire. Le modèle 8 avait le plus grand volume d’espace lacunaire-canaliculaire et les valeurs FFSS les plus élevées.

figure-results-1
Figure 1 : Images confocales d’un seul plan Z d’une coupe transversale d’un fémur coloré au FITC prises avec des objectifs à huile 5x, 20x et 100x. Le réseau lacunaire-canaliculaire est visible sur l’image prise avec l’objectif 100x. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-2
Figure 2 : Modèles confocaux basés sur l’image d’un jeune (modèle 1) et d’un ostéocyte âgé (modèle 2) générés à partir du fémur coloré au FITC d’une souris C57BL6 âgée de 4 mois et d’une souris C57BL6 âgée de 22 mois. L’image agrandie montre l’épaisseur lacunaire-canaliculaire (LC) pour l’ostéocyte jeune et la même pour l’ostéocyte âgé. L’image du modèle 1 a été modifiée avec la permission de Niroobakhsh et al.23. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-3
Figure 3 : Six modèles d’ostéocytes développés à partir du modèle 1 à l’aide de la technique de modification de la géométrie. La densité canaliculaire a été réduite pour générer le modèle 3 (d’âge moyen simulé) et le modèle 4 (vieilli simulé), tandis que le diamètre de la dendrite et l’épaisseur de la LC étaient les mêmes que ceux du modèle 1. Les modèles 5 et 6 ont été développés avec la même densité canaliculaire et la même épaisseur de LC que le modèle 1, alors que leur diamètre de dendrite était deux et quatre fois plus élevé que le modèle 1. Les modèles 7 et 8 avaient respectivement une épaisseur lacune-canaliculaire deux fois et quatre fois plus élevée, tandis que la densité canaliculaire et le diamètre de la dendrite sont restés les mêmes que dans le modèle 1. L’image du modèle 1 a été modifiée avec la permission de Niroobakhsh et al.23. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-4
Figure 4 : Vue 3D d’un modèle confocal de jeunes ostéocytes. Vue 3D de l’aire en coupe transversale du modèle confocal d’ostéocytes jeunes basé sur l’image, illustrant la modélisation de l’espace lacunaire-canaliculaire, qui est utilisé pour l’analyse des fluides autour de l’ostéocyte et des dendrites. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-5
Figure 5 : La distribution des FFSS pour tous les modèles d’ostéocytes montre la dépendance de l’amplitude des FFSS sur la morphologie des ostéocytes. Les régions rouges présentent les valeurs FFSS les plus élevées, en particulier sur les membranes dendritiques plutôt que sur le corps cellulaire ostéocytaire. Cette image a été modifiée avec la permission de Niroobakhsh et al.23. Veuillez cliquer ici pour voir une version agrandie de cette figure.

ModèleSurface lacunaire-canaliculaire (μm2)Volume de l’espace lacunaire-canaliculaire (μm3)Ave FFSS (Pennsylvanie)
Modèles d’ostéocytes confocaux basés sur l’imageModèle 12652.92610.42
Jeune (4 mois)
Modèle 21372.7229.40.19
Âgé (22 mois)
Modèles d’ostéocytes simulés générés à l’aide d’une technique de modification de la géométrieModèle 31530.4242.60.27
(Simulation d’âge moyen)
Modèle 41122.6203.50.13
(Vieilli simulé)
Modèle 53724.9302.90.49
(2 x diamètre de la dendrite)
Modèle 647913370.57
(4 x diamètre de dendrite)
Modèle 73116.3440.61.17
(2 x LC d’épaisseur)
Modèle 83542.2658.21.89
(4 x LC d’épaisseur)

Tableau 1 : Comparaison des modèles d’ostéocytes. Comparaison de la FFSS moyenne, du volume de l’espace lacinaire-canaliculaire et de la surface dans huit modèles d’ostéocytes distincts, dont deux modèles confocaux basés sur l’image et six modèles simulés générés à partir du modèle 1 à l’aide de la technique de modification de la géométrie.

Discussion

Ce protocole décrit une technique d’imagerie confocale pour la visualisation et la modélisation informatique des ostéocytes. Avant l’imagerie confocale, le processus de préparation osseuse pour la section et la coloration des échantillons d’os est effectué. Des images confocales d’un grossissement de 100x sont importées dans divers logiciels pour développer des modèles informatiques des ostéocytes et de l’espace lacunaire-canaliculaire. Une analyse CFD est enfin menée sur les modèles confocaux basés sur l’image pour modéliser les FFSS entourant les ostéocytes et les membranes dendritiques dues à l’activité physique, ce qui est techniquement difficile in vivo en raison de l’inaccessibilité des ostéocytes dans la matrice osseuse. Le protocole fourni est également utile pour déterminer d’autres contraintes ou déformations à l’aide d’une approche d’interaction élément-fluide ou fluide-structure (FSI) dans la modélisation multiphysique.

L’imagerie confocale a été utilisée pour visualiser le LCN 7,9,24,25 en raison des images à haute résolution qui peuvent être obtenues en utilisant la coloration FITC de l’os. Bien que le diamètre des canalicules soit proche de la limite de résolution du microscope, il est possible d’obtenir des images confocales fiables des canalicules, qui peuvent capturer la plupart des canalicules. En raison du diamètre plus petit des dendrites ostéocytaires, il est techniquement plus difficile de capturer des images précises des dendrites. Une technique utile a donc été développée pour modéliser l’ostéocyte et les dendrites à partir d’images confocales du LCN en réduisant leur volume à l’aide d’une opération de lissage dans le logiciel. D’autres études publiées ont utilisé une approche similaire pour compenser le LCN afin de générer la membrane ostéocytaire-dendritique9. L’autre avantage de la technique de lissage est d’améliorer certaines erreurs d’imagerie dans le CLSM, telles que l’allongement du diamètre canaliculaire qui se produit dans l’axe Z en raison de la résolution d’imagerie plus faible dans l’axe Z, qui est une caractéristique de l’imagerie optique. La déconvolution est également considérée comme une méthode alternative pour réduire l’étirement optique dans la direction Z, car elle améliore le rapport signal/bruit dans l’ensemble de données d’origine. L’espace lacunaire-canaliculaire est modélisé à partir de LCN et de membranes ostéocytaires-dendritiques pour analyser le profil de fluide à l’intérieur du LCN.

Notamment, une nouvelle technique a été introduite par rapport aux méthodes existantes pour développer des modèles d’ostéocytes modifiés à la géométrie sans sacrifier une autre souris. La technique de modification de la géométrie permet également de simuler l’altération de la microstructure osseuse due au vieillissement ou à des maladies osseuses telles que l’ostéoporose, le diabète et des affections telles que la carence en perlecan, etc. Dans cette technique, un modèle d’ostéocytes confocaux basé sur l’image d’une jeune souris a été utilisé pour modéliser la morphologie d’ostéocytes âgés ou d’autres ostéocytes atteints d’os en modifiant des paramètres tels que la densité canaliculaire, l’espace lacunaire-canaliculaire et le diamètre des dendrites. Cette approche a été validée par la similitude des deux modèles d’ostéocytes âgés, l’un issu de la modélisation confocale basée sur l’image d’un ostéocyte réel d’une souris âgée de 22 mois et l’autre de la modélisation de modification géométrique d’un ostéocyte initialement imagé à partir d’une souris âgée de 4 mois en réduisant sa densité canaliculaire. Ces deux modèles d’ostéocytes âgés ont montré une amplitude FFSS similaire, qui était la plus faible parmi tous les modèles d’ostéocytes. La technique de modification de la géométrie pourrait avoir de nombreuses applications dans différents domaines biologiques, car elle peut prédire des résultats comparables aux modèles d’ostéocytes générés à l’aide d’ostéocytes réels d’un animal. Certaines des limites de ce travail incluent la perte de certains détails de la rugosité de surface en raison de la technique de lissage et le fait que les diamètres canaliculaires sont à la limite de résolution des microscopes confocaux, ce qui pourrait potentiellement conduire à une certaine imprécision pour les canalicules de plus petits diamètres, et aussi à l’idéalisation de l’écoulement fluide au lieu de modéliser à l’aide de l’écoulement oscillatoire.

Pour démontrer la fonctionnalité de la technique, les valeurs FFSS des ostéocytes ont été mesurées pour des modèles d’ostéocytes distincts générés à partir d’une souris jeune et d’une souris âgée ou en utilisant la technique de modification de la géométrie. L’une des découvertes notables de l’utilisation de ces modèles informatiques est que le volume de l’espace lacunaire-canaliculaire est directement proportionnel à la FFSS moyenne subie par les ostéocytes. Cette nouvelle découverte, qui n’avait jamais été étudiée auparavant, pourrait avoir diverses applications dans la détermination de la mécano-réactivité des ostéocytes, car elle peut corréler la morphologie du réseau d’ostéocytes aux FFSS détectés par les ostéocytes et leurs processus.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Les auteurs tiennent à remercier la National Science Foundation (NSF, numéro de bourse NSF-CMMI-1662284 PI : T Ganesh), l’Institut national de la santé (NIH - NIA P01 AG039355 PI : LF Bonewald) et (NIH/SIG S10OD021665 et S10RR027668 PI : SL Dallas), ainsi que le programme de subventions de recherche de la School of Graduate Studies de l’Université du Missouri-Kansas City.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Papier de verre grain 1 200Buehler30-5170-012-100
Logiciel 3-Matic Materialisehttps://www.materialise.com/en/industrial/software/3-maticLogiciel d’optimisation des données 3D Papier
de verre grain 600Buehler30-5118-600-100
Papier de verre grain 800Buehler30-5170-800-100
LogicielANSYSANSYShttps://www.ansys.com/logiciel de simulation
Fluorescéine Isothiocyanate (FITC)Logiciel
ImageJhttps://imagej.net/ij/
Leica MicrosystemsTCS Sp5 II  ;
Scie diamantée intérieure Leitz 1600Leica  ;
Logiciel MIMICS Innovation SuiteMaterialisehttps://www.materialise.com/en/healthcare/mimics-innovation-suitelogiciel de traitement d’images 3D
Support de monture PermountFisher scientificSP15-500
Sampl-Kwick Fast Cure Acrylic KitBuehler20-3560
Single Platform Laboratory ShakerReliable scientific INCModèle 55S
Sigma-Aldrich F7250 Huile d’immersion pour microscopes Leica Microsystems 195371-10-9 Microscope confocal Leica TCS Sp5 II  ;

Références

  1. Li, M. C. M., Chow, S. K. H., Wong, R. M. Y., Qin, L., Cheung, W. H. The role of osteocytes-specific molecular mechanism in regulation of mechanotransduction - A systematic review. J Orthop Translat. 29, 1-9 (2021).
  2. Fritton, S. P., Weinbaum, S. Fluid and solute transport in bone: Flow-induced mechanotransduction. Annu Rev Fluid Mech. 41, 347-374 (2009).
  3. Klein-Nulend, J., Bacabac, R. G., Bakker, A. D. Mechanical loading and how it affects bone cells: the role of the osteocyte cytoskeleton in maintaining our skeleton. Eur Cell Mater. 24, 278-291 (2012).
  4. Knothe Tate, M. L. "Whither flows the fluid in bone?" An osteocyte's perspective. J Biomech. 36 (10), 1409-1424 (2003).
  5. Tiede-Lewis, L. M., et al. Degeneration of the osteocyte network in the C57BL/6 mouse model of aging. Aging (Albany NY). 9 (10), 2190-2208 (2017).
  6. Lai, X., et al. The dependences of osteocyte network on bone compartment, age, and disease. Bone Res. 3 (1), 15009(2015).
  7. Schurman, C. A., Verbruggen, S. W., Alliston, T. Disrupted osteocyte connectivity and pericellular fluid flow in bone with aging and defective TGF-β signaling. Proc Natl Acad Sci U S A. 118 (25), e2023999118(2021).
  8. van Tol, A. F., et al. The mechanoresponse of bone is closely related to the osteocyte lacunocanalicular network architecture. Proc Natl Acad Sci U S A. 117 (51), 32251-32259 (2020).
  9. Verbruggen, S. W., Vaughan, T. J., McNamara, L. M. Fluid flow in the osteocyte mechanical environment: a fluid-structure interaction approach. Biomech Model Mechanobiol. 13 (1), 85-97 (2014).
  10. Ganesh, T., Laughrey, L. E., Niroobakhsh, M., Lara-Castillo, N. Multiscale finite element modeling of mechanical strains and fluid flow in osteocyte lacunocanalicular system. Bone. 137, 115328(2020).
  11. Schneider, P., Meier, M., Wepf, R., Müller, R. Serial FIB/SEM imaging for quantitative 3D assessment of the osteocyte lacuno-canalicular network. Bone. 49 (2), 304-311 (2011).
  12. Kamioka, H., et al. A method for observing silver-stained osteocytes in situ in 3-microm sections using ultra-high voltage electron microscopy tomography. Microsc Microanal. 15 (5), 377-383 (2009).
  13. Ciani, C., Doty, S. B., Fritton, S. P. An effective histological staining process to visualize bone interstitial fluid space using confocal microscopy. Bone. 44 (5), 1015-1017 (2009).
  14. Sharma, D., et al. Alterations in the osteocyte lacunar-canalicular microenvironment due to estrogen deficiency. Bone. 51 (3), 488-497 (2012).
  15. Verbruggen, S. W., Vaughan, T. J., McNamara, L. M. Strain amplification in bone mechanobiology: a computational investigation of the in vivo mechanics of osteocytes. J R Soc Interface. 9 (75), 2735-2744 (2012).
  16. Goggin, P. M., Zygalakis, K. C., Oreffo, R. O., Schneider, P. High-resolution 3D imaging of osteocytes and computational modelling in mechanobiology: insights on bone development, ageing, health and disease. Eur Cell Mater. 31, 264-295 (2016).
  17. Kamioka, H., et al. Microscale fluid flow analysis in a human osteocyte canaliculus using a realistic high-resolution image-based three-dimensional model. Integr Biol. 4 (10), 1198-1206 (2012).
  18. Wang, L., et al. In situ measurement of solute transport in the bone lacunar-canalicular system. Proc Natl Acad Sci U S A. 102 (33), 11911-11916 (2005).
  19. Manfredini, P., Cocchetti, G., Maier, G., Redaelli, A., Montevecchi, F. M. Poroelastic finite element analysis of a bone specimen under cyclic loading. J Biomech. 32 (2), 135-144 (1999).
  20. Steck, R., Niederer, P., Knothe Tate, M. L. A finite element analysis for the prediction of load-induced fluid flow and mechanochemical transduction in bone. J Theor Biol. 220 (2), 249-259 (2003).
  21. You, L., Cowin, S. C., Schaffler, M. B., Weinbaum, S. A model for strain amplification in the actin cytoskeleton of osteocytes due to fluid drag on pericellular matrix. J Biomech. 34 (11), 1375-1386 (2001).
  22. Weinbaum, S., Cowin, S. C., Zeng, Y. A model for the excitation of osteocytes by mechanical loading-induced bone fluid shear stresses. J Biomech. 27 (3), 339-360 (1994).
  23. Niroobakhsh, M., Laughrey, L. E., Dallas, S. L., Johnson, M. L., Ganesh, T. Computational modeling based on confocal imaging predicts changes in osteocyte and dendrite shear stress due to canalicular loss with aging. Biomech Model Mechanobiol. 23 (1), 129-143 (2024).
  24. Dallas, S. L., Moore, D. S. Using confocal imaging approaches to understand the structure and function of osteocytes and the lacunocanalicular network. Bone. 138, 115463(2020).
  25. Boyde, A., Wolfe, L. A., Maly, M., Jones, S. J. Vital confocal microscopy in bone. Scanning. 17 (2), 72-85 (1995).

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Imagerie des ost ocytesmicroscopie confocalecisaillement par flux de fluidem canique des fluides num riquer seau lacuno canaliculairem canotransduction des ost ocytesmod les 3D d ost ocytesmembranes dendritiquesmod lisation bas e sur l imageanalyse du stress de cisaillement

Articles connexes