Article de méthode

Analyse automatisée optimisée de la modulation de l’homéostasie des mitochondries neuronales vivantes par des récepteurs d’acide rétinoïque spécifiques aux isoformes

DOI :

10.3791/65452

⸱

28 juillet 2023

 ,  ,  , 
1Neuroscience and Signalling Laboratory, Institute of Biomedicine (iBiMED), Department of Medical Sciences, University of Aveiro

Dans cet article

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le réseau mitochondrial est extrêmement complexe, ce qui le rend très difficile à analyser. Un nouvel outil MATLAB analyse les mitochondries confocales en direct dans des images timelapse, mais il en résulte un volume de sortie important nécessitant une attention manuelle individuelle. Pour résoudre ce problème, une optimisation de routine a été développée, permettant une analyse rapide des fichiers.

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le réseau mitochondrial complexe rend très difficile la segmentation, le suivi et l’analyse des cellules vivantes. Les outils MATLAB permettent d’analyser les mitochondries dans les fichiers timelapse, ce qui simplifie et accélère considérablement le processus de traitement des images. Néanmoins, les outils existants produisent un grand volume de sortie, nécessitant une attention manuelle individuelle, et les configurations expérimentales de base ont une sortie de milliers de fichiers, chacun nécessitant une manipulation longue et fastidieuse.

Pour résoudre ces problèmes, une optimisation de routine a été développée, à la fois dans le code MATLAB et sous forme de live-script, permettant une analyse rapide des fichiers et réduisant considérablement la lecture des documents et le traitement des données. Avec une vitesse de 100 fichiers/min, l’optimisation permet une analyse globale rapide. L’optimisation permet d’obtenir les résultats obtenus en faisant la moyenne des données spécifiques à l’image pour les mitochondries individuelles sur des périodes de temps, en analysant les données d’une manière définie, cohérente avec les résultats des outils existants. L’imagerie confocale en direct a été réalisée à l’aide de l’ester méthylique de tétraméthylrhodamine, et l’optimisation de routine a été validée en traitant les cellules neuronales avec des agonistes des récepteurs de l’acide rétinoïque (RAR), dont les effets sur les mitochondries neuronales sont établis dans la littérature. Les résultats étaient cohérents avec la littérature et ont permis une caractérisation plus approfondie du comportement du réseau mitochondrial en réponse à la modulation RAR spécifique à l’isoforme.

Cette nouvelle méthodologie a permis une caractérisation rapide et validée du réseau de mitochondries des neurones entiers, mais elle permet également de différencier les mitochondries axonales et cellulaires, une caractéristique essentielle à appliquer dans le domaine des neurosciences. De plus, ce protocole peut être appliqué à des expériences utilisant des traitements à action rapide, permettant l’imagerie des mêmes cellules avant et après les traitements, transcendant le domaine des neurosciences.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les mitochondries cellulaires sont au centre de tous les états physiologiques, et une compréhension approfondie de leur homéostasie (mitostasie) et de leur comportement est primordiale pour aider à identifier le traitement pharmacologique d’un large éventail de maladies, y compris le cancer et la maladie d’Alzheimer 1,2.

Les mitochondries jouent un rôle cellulaire crucial dans l’homéostasie énergétique, la génération d’ATP, le tampon du calcium et la régulation des ROS, et la mitostasie est essentielle au maintien de l’homéostasie des protéines car les chaperons moléculaires dépendent de l’énergie3. Ceux-ci nécessitent une modulation et une adaptation constantes et dynamiques du réseau pour répondre efficacement aux besoins cellulaires, et le transport des mitochondries est régulé par différentes voies de signalisation ; Des travaux antérieurs ont décrit l’une de ces voies, celle des récepteurs de l’acide rétinoïque (RAR)4,5. L’acide rétinoïque (AR) favorise la croissance axonale et neurite via l’activation RAR. Dans les neurones corticaux primaires de souris, l’activation de RAR-β favorise la croissance, la vitesse et la mobilité mitochondriales dans le neurite6.

Compte tenu de l’adaptabilité et de la dynamique du réseau mitochondrial, la possibilité d’évaluer la mitosstasie en « temps réel » est essentielle non seulement pour étudier l’homéostasie énergétique, mais aussi pour la protéostasie, la santé cellulaire, la prolifération ou la signalisation. Une méthode couramment utilisée pour évaluer la mitostase repose sur la microscopie confocale après mise en évidence des mitochondries à l’aide d’un colorant ou d’un marqueur fluorescent, ainsi que sur un dispositif de microscopie spécifique permettant la régulation de la température et/ou duCO2 7. Ce type de configuration expérimentale implique qu’une répétition expérimentale soit effectuée à la fois. En plus de la répétition expérimentale de différents traitements, il faut considérer que la plupart des expériences devraient avoir leurs réplicats techniques (où plus d’une position est imagée par plaque), avec une série de plans focaux (z-stacks) enregistrés dans une série de points temporels. Ainsi, un plan expérimental avec trois répétitions d’un contrôle et de deux traitements, avec cinq positions d’imagerie par plaque et 15 points temporels, aboutit à 225 piles à traiter. Classiquement, les vidéos de mitochondries vivantes étaient analysées en traçant des kymographes, qui seraient analysés individuellement8, dans un processus long nécessitant une saisie manuelle importante, même en s’appuyant sur des outils informatiques.

Un algorithme a récemment été décrit9 qui permet une segmentation et un suivi automatisés des mitochondries dans des fichiers time-lapse 2D et 3D de cellules vivantes. D’autres techniques de quantification sont disponibles, et toutes ont leurs limites10. Mitometer, une application open source automatisée, est particulièrement adaptée à l’analyse en accéléré et à l’analyse de la dynamique des mitochondries, nécessitant peu d’intervention de l’utilisateur. Cette application présente une série d’avantages par rapport aux autres outils MATLAB existants, à savoir permettre le traitement automatique d’empilements TIF individuels, en utilisant jusqu’à 13 paramètres différents, particulièrement intéressant pour les neurosciences, car elle différencie les mitochondries périnucléaires et télénucléaires.

Cependant, pour une expérience telle que celle décrite ci-dessus, ces 13 paramètres appliqués à 225 piles donnent 2 925 fichiers de sortie individuels. Ceux-ci nécessitent quatre entrées informatiques individuelles, ce qui représente plus de 10 000 entrées manuelles nécessaires pour télécharger tous les fichiers de sortie. Pour les grands plans d’expérience, cela se traduit par une analyse inutilement extrêmement longue de chaque fichier et de l’intégration des données. Nous présentons ici une optimisation de routine qui permet une analyse rapide des fichiers, réduisant considérablement la lecture des documents et le traitement des données, analysant les données de manière définie, cohérente avec les résultats des outils existants.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

REMARQUE : Ce protocole comporte deux étapes principales : une étape de laboratoire humide, impliquant la culture cellulaire et la microscopie confocale vivante pour obtenir des images de mitochondries vivantes (Figure 1) et une étape in silico pour analyser les images obtenues (Figure 2). Pour l’analyse automatisée des données de mitochondries en 3D en direct, l’application MATLAB Mitometer a été utilisée comme fourni par Lefebvre et al.9. L’optimisation de routine est écrite dans MATLAB. Le logiciel, les versions mises à jour et le traitement des macros ImageJ sont disponibles gratuitement en ligne via GitHub, à l’adresse https://github.com/JoseJoaoMV/Routine_Optimization_Mitometer_APP_MATLAB.

1. Microscopie en direct

figure-protocol-1
Figure 1 : Protocole expérimental. Les cellules SH-SY5Y ont été différenciées et traitées avec des rétinoïdes. (A) La TMRM a été utilisée pour imager en direct des mitochondries saines dans des cellules traitées à l’aide d’un microscope confocal, capturant une pile z en accéléré de cinq champs visuels. (B) Application de mitométrie MATLAB segmente et analyse automatiquement les images mitochondriales. En plus d’analyser, ce logiciel discrimine automatiquement les mitochondries en fonction de la proximité nucléaire. Les points bleus sont les positions initiales mitochondriales ; Les points rouges sont les positions finales. Barre d’échelle = 30 μm. Abréviation : TMRM = tétraméthylrhodamine, ester méthylique. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Culture cellulaire
    1. Incuber les cellules SH-SY5Y à 37 °C dans une atmosphère humidifiée de 5 % de CO2 et de 95 % d’air, cultivées à parts égales dans des milieux MEM (Minimal Essential Medium) et F12 (Ham F12 Nutrient Mix), complétées par 10 % de sérum de veau fœtal (FBS).
    2. Plaquez les cellules SH-SY5Y dans des boîtes à cellules à fond de verre à une densité de 15 × 104 cellules/mL.
    3. Différencier les cellules avec 5 jours de traitement avec 10 μM d’acide rétinoïque tout trans dans un milieu de culture contenant 1 % de FBS, suivi de 2 jours de traitement avec 10 ƞg/mL de facteur neurotrophique dérivé du cerveau (BDNF).
  2. Traitement cellulaire
    1. Laver les cellules avec une solution saline tamponnée au phosphate stérile (PBS) et traiter pendant 72 h avec 10-7 M d’agonistes isoformes RAR, à parts égales de milieu MEM (Minimal Essential Medium) et F12 (mélange nutritif F12 de Ham), complété par 1% de FBS.
      REMARQUE : L’agoniste RARα utilisé était l’AM580 ; L’agoniste RARβ utilisé était le CD2314 ; Le Ch55 a été utilisé comme agoniste comme RARα et β co-agoniste ; àLa PR a été utilisée comme témoin positif ; BMS493 a été utilisé comme pan-antagoniste RAR.
  3. Imagerie confocale en direct
    1. Remplacer le milieu de culture par un milieu de culture frais contenant 1 % de FBS avec 20 nM de tétraméthylrhodamine, ester méthylique (TMRM) pendant 45 min.
      REMARQUE : La TMRM est un colorant fluorescent perméable aux cellules, séquestré par les mitochondries actives, et cette période d’incubation permet à la TMRM d’atteindre un équilibre et d’être absorbée par les mitochondriespolarisées 11. L’imagerie doit être commencée avant que l’équilibre ne soit établi, car l’intensité du signal TMRM pourrait augmenter artificiellement pendant l’imagerie.
    2. Placez les cellules dans un incubateur relié à un microscope confocal à balayage laser à 37 °C.
    3. Capturez des images à l’aide d’un objectif apochromatique à immersion dans l’huile 63x, avec une taille d’image de 512 x 512 pixels obtenue avec une ouverture sténopé de 1 unité aérienne, capturant une série temporelle de 15 images à partir de cinq champs visuels différents dans chaque plaque cellulaire, et un empilement z de 8 plans z équidistants. Le fichier .lsm résultant est une pile de temps, de position et de z.
      REMARQUE : Les réglages de gain, de contraste et de luminosité doivent être initialement optimisés en utilisant la puissance laser minimale nécessaire pour utiliser toute la plage dynamique du détecteur et maintenus constants tout au long de l’étude, en veillant à ce que toutes les images soient effectuées dans les mêmes conditions. Jusqu’à neuf positions différentes peuvent être enregistrées dans cette combinaison matériel-logiciel et le microscope passe automatiquement d’une position d’imagerie à l’autre.

2. Analyse des images

figure-protocol-2
Figure 2 : Optimisation de routine. (A) Code représentatif de l’optimisation de routine. (B) Optimisation de routine Live-Script. (C) Flux d’optimisation de routine. (D) Validation des résultats d’optimisation de routine : image représentative des mitochondries dans des cellules non traitées (panneau de gauche), traitée avec atRA (10-7 M, 72 h, panneau du milieu), et traitée avec l’antagoniste RAR BMS493 (10-7 M, 72 h, panneau de droite), imagée après incubation avec TMRM (20 nM, 45 min d’incubation). Barre d’échelle = 30 μm. (E) TMRM Intensité dans les mitochondries du corps cellulaire. Diminution significative avec le traitement à l’acide rétinoïque tout-trans (àRA, 10-7 M, 72 h), par rapport au contrôle (p = 0,0062), non observée avec le traitement par antagoniste RAR (BMS493, 10-7 M, 72 heures). Cinq cellules ont été quantifiées à partir de chacune des trois répétitions par condition. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Traitement d'images
    1. Ouvrir des fichiers dans ImageJ 2.1.0 et séparer les piles de positions par champ visuel : Ouvrez ImageJ et cliquez sur Barre de menus | Illustration | Dupliquer | Tranches d’entrée/numéro d’image | D’accord.
      REMARQUE : Pour réduire les entrées répétitives dans le logiciel, une macro ImageJ a été développée pour faciliter la duplication et l’enregistrement des images du champ visuel.
  2. Protocole macro
    1. Dessinez une région d’intérêt (ROI) autour de la cellule avec l’outil de sélection libre.
    2. Exécutez la macro en ouvrant ImageJ et en accédant à Barre de menus | Plug-ins | Macros | Exécutez la macro Effacer l’arrière-plan et enregistrer les images.
      REMARQUE : Les images peuvent être randomisées dans ce processus, en stockant la clé de solution en fonction des exigences d’optimisation.
    3. Déterminer la taille des pixels et la profondeur du voxel : Ouvrez ImageJ | l’image et accédez à la barre de menus | Illustration | Propriétés.
  3. Protocole direct alternatif
    REMARQUE : cette alternative n’utilise pas la macro pour traiter les images
    1. Pour trouver la taille des pixels et la profondeur du voxel : Ouvrir ImageJ | Ouvrez l’image et accédez à la barre de menus | Illustration | Propriétés.
    2. Dessinez un retour sur investissement autour de la cellule avec l’outil de sélection libre, en vous assurant qu’il englobe toute la cellule tout au long des 15 images.
    3. Accédez à la barre de menus | Modifier | Dégagez l’extérieur.
    4. Accédez à la barre de menus | Fichier | Enregistrer sous | Sélectionnez Tiff.
    5. Sélectionnez Enregistrer le dossier et cliquez sur Enregistrer.
      REMARQUE : Les images peuvent être mises en aveugle/randomisées manuellement à ce stade avant de poursuivre l’analyse.
  4. Analyse automatisée des images
    1. Préparez les dossiers pour les fichiers d’analyse.
      1. Créez trois dossiers principaux, intitulés « Toutes les pistes », « Pistes périnucléaires » et « Pistes télénucléaires ».
        REMARQUE : Ceux-ci correspondent aux principales options de piste automatisée.
      2. Dans chaque dossier principal, créez un sous-dossier pour chaque image à traiter, identifié numériquement à partir de 1.
      3. Ajoutez une copie des deux fichiers supplémentaires d’optimisation de routine (mitometer2table.m et getTXTfiles.m) à chaque dossier d’image.
        REMARQUE : Ces fichiers aident à l’analyse des données et à l’arrangement final du format. Le nombre de dossiers doit correspondre au nombre d’éléments de la feuille de calcul aléatoire (.xlsx). Après avoir créé tous les sous-dossiers numérotés avec des fichiers supplémentaires pour un ensemble de données, ils peuvent être copiés et collés par lots dans les ensembles de données restants.
  5. Utilisez l’application MATLAB Mitometer pour analyser les images.
    REMARQUE : ce protocole a été exécuté sur un mitomètre installé sur MATLAB R2022a. Chargez des images par lots de 30 pour un temps de course et un équilibre de sortie optimaux. La taille maximale du fichier MAT est imposée par le système de fichiers natif : par défaut, les opérations de « sauvegarde » peuvent créer un fichier < 231 octets (~2 Go) ; Le format de sauvegarde MAT-Files Version 7.3 peut être utilisé à la place, car il autorise des tailles variables maximales supérieures à 2 Go.
    1. Identifier/modifier la version par défaut du fichier MAT : dans l’onglet Accueil de la section Environnement , cliquez sur Préférences et sélectionnez MATLAB | Général | Fichiers MAT.
    2. Utiliser l’outil MATLAB Mitometer pour analyser : Ouvrez MATLAB et accédez à la barre de menus | APPLICATIONS | Mitomètre ouvert | Sélectionnez Démarrer 3D | Données d’entrée (Taille de pixel (μm) : 0,1395089 / Temps entre image(s) : 2/Nombre de plans z : 8/Distance axiale entre les plans z (μm) : 0.418809 | Sélectionnez les images à saisir.
    3. Allez dans le menu latéral du mitomètre, sélectionnez Image, cliquez sur Sélectionner en surbrillance, accédez à la barre de menu du mitomètre | Sélectionner des pistes | Vues de piste | sélectionnez All-Tracks, Télénucléaire ou Périnucléaire | Barre de menu mitomètre | Sélectionner Analyse | Choisir un élément (c’est-à-dire Longueur) | sélectionnez Enregistrer dans « .txt ».
      REMARQUE : Plusieurs paramètres peuvent être téléchargés à la fois, s’ils sont sélectionnés simultanément.
    4. Extraire les fichiers de résultats dans les dossiers créés (2.2.1).
  6. Optimisation de routine et analyse des données
    1. Préparer/adapter le fichier « Randomization.xlsx » contenant la clé pour l’encodage des images.
      1. Insérez une liste d’entiers consécutifs, à partir de 1, dans la colonne A.
        REMARQUE : Il est conseillé de conserver un dossier dupliqué avec les images nommées à l’origine.
      2. Placez les variables analytiques dans la colonne B, composée de caractères alphanumériques.
        REMARQUE : Le nombre de lignes dans le document doit être cohérent avec le nombre de dossiers présents dans le jeu de données principal. Copiez et collez ce fichier « Randomization.xlsx » dans les deux autres ensembles de données principaux.
    2. Analyse optimisée des données
      1. Double-cliquez sur « executable.mlx », saisissez le nombre de dossiers, spécifiez le répertoire des dossiers (copiez le répertoire en haut du dossier) | le répertoire de sauvegarde (copiez le répertoire en haut du dossier) | le nom de la feuille de calcul dans le fichier de sortie et cliquez sur Exécuter.
      2. Effectuer des analyses statistiques au besoin.
        REMARQUE : La création facultative d’un fichier .xlsx dans chaque dossier avec les données .txt et une alerte sonore à la fin de l’analyse peut être sélectionnée. Live Script génère un fichier de feuille de calcul unique sous forme de tableau. Dans cette sortie, les colonnes représentent les paramètres analysés (par exemple, « Longueur de l’axe principal » ; « Intensité ») et les lignes représentent les champs visuels des variables analytiques (par exemple, « Contrôle »).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Pour améliorer et accélérer l’analyse des fichiers de sortie au format .txt, une optimisation de routine a été codée qui lit les données cohérentes avec les fichiers de sortie .txt Mitometer, avec des colonnes représentant une trame et des lignes représentant des mitochondries identifiées. L’optimisation de routine produit des données en une seule valeur par paramètre en faisant la moyenne des images pour chaque mitochondrie identifiée, puis en faisant la moyenne des résultats de toutes les mitochondries par champ visuel...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’imagerie de cellules vivantes produit des fichiers volumineux qui nécessitent un traitement informatique sérieux, mais même les outils les plus récents nécessitent une saisie manuelle importante pour être traités. Cette optimisation de routine est axée sur la simplification du processus d’analyse des mitochondries sur le Mitomètre car cet outil présente un très bon équilibre entre l’entrée utilisateur et la sortie des données. Une comparaison complète entre différents outils d’analyse d’images mitochondriales a déjà ét...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs n’ont aucun conflit d’intérêts à déclarer.

Remerciements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’acquisition d’images a été réalisée dans l’installation LiM d’iBiMED, un nœud de PPBI (Plateforme portugaise de bioimagerie) : POCI-01-0145-FEDER-022122. Ce travail a été soutenu par FCT (EXPL/BTM-SAL/0902/2021), LCF (CI21-00276), une subvention à DT de la Fundação para a Ciência e Tecnologia du Ministério da Educação e Ciência (2020.02006.CEECIND), une subvention d’ATG-The Gabba Alumni Association au VP, et l’Institut de biomédecine-iBiMED, Université d’Aveiro.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
AM580Sigma-AldrichA8843
BDNF  ;Thermo-FisherRP8642
BMS493Tocris Bioscience  ;3409
CD2314Tocris Bioscience3824
Ch55Tocris Bioscience  ;2020
Sérum fœtal bovinThermo-Fisher10270106
GraphPad Prism v4.0Logiciel GraphPad, La Jollan/a
Ham' s F12 Nutrient MixThermo-Fisher21765029
MATLAB R2022a  ;MathWorksn/a
Minimal Essential MediumThermo-Fisher31095
Nunc Plats à fond en verreThermo-Fisher150680
Tampon phosphate solution salineThermo-Fisher28372
Acide rétinoïqueSigma-Aldrich  ; R2625
TMRM  ;Thermo-FisherT668
Zeiss LSM 510Carl Zeissn/aÉquipé d’une chambre de culture d’imagerie de cellules vivantes et d’un objectif d’immersion dans l’huile 63x.

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Trigo, D., Avelar, C., Fernandes, M., Sa, J., da Cruz, E. S. O. Mitochondria, energy, and metabolism in neuronal health and disease. FEBS Letters. 596 (9), 1095-1110 (2022).
  2. Zong, W. X., Rabinowitz, J. D., White, E. Mitochondria and cancer. Molecular Cell. 61 (5), 667-676 (2016).
  3. Clare, D. K., Saibil, H. R. ATP-driven molecular chaperone machines. Biopolymers. 99 (11), 846-859 (2013).
  4. Tourniaire, F., et al. All-trans retinoic acid induces oxidative phosphorylation and mitochondria biogenesis in adipocytes. Journal of Lipid Research. 56 (6), 1100-1109 (2015).
  5. Psarra, A. M., Sekeris, C. E. Nuclear receptors and other nuclear transcription factors in mitochondria: regulatory molecules in a new environment. Biochimica et Biophysica Acta. 1783 (1), 1-11 (2008).
  6. Trigo, D., Goncalves, M. B., Corcoran, J. P. T. The regulation of mitochondrial dynamics in neurite outgrowth by retinoic acid receptor beta signaling. FASEB Journal. 33 (6), 7225-7235 (2019).
  7. Mitra, K., Lippincott-Schwartz, J. Analysis of mitochondrial dynamics and functions using imaging approaches. Current Protocols in Cell Biology. Chapter 4 (Unit 4), 1-21 (2010).
  8. Sajic, M., et al. Impulse conduction increases mitochondrial transport in adult mammalian peripheral nerves in vivo. PLoS Biology. 11 (12), e1001754(2013).
  9. Lefebvre, A., Ma, D., Kessenbrock, K., Lawson, D. A., Digman, M. A. Automated segmentation and tracking of mitochondria in live-cell time-lapse images. Nature Methods. 18 (9), 1091-1102 (2021).
  10. Chu, C. -H., Tseng, W. -W., Hsu, C. -M., Wei, A. -C. Image analysis of the mitochondrial network morphology with applications in cancer research. Frontiers in Physics. 10, 855775(2022).
  11. Creed, S., McKenzie, M. Measurement of mitochondrial membrane potential with the fluorescent dye tetramethylrhodamine methyl ester (TMRM). Methods in Molecular Biology. 1928, 69-76 (2019).
  12. Kovalevich, J., Langford, D. Considerations for the use of SH-SY5Y neuroblastoma cells in neurobiology. Methods in Molecular Biology. 1078, 9-21 (2013).
  13. Sahin, M., Oncu, G., Yilmaz, M. A., Ozkan, D., Saybasili, H. Transformation of SH-SY5Y cell line into neuron-like cells: Investigation of electrophysiological and biomechanical changes. Neuroscience Letters. 745, 135628(2021).
  14. Trigo, D., et al. Mitochondria dysfunction and impaired response to oxidative stress promotes proteostasis disruption in aged human cells. Mitochondrion. 69, 1-9 (2022).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

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

Demander une autorisation

Mots-clés

Imagerie de cellules vivantesR seau mitochondrialAlgorithmes d apprentissage automatiqueSegmentation d imageMicroscopie haute r solutionQuantification mitochondriale

Articles connexes