Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Quantification de la colonne dendritique à l’aide d’un logiciel de reconstruction automatique de neurones tridimensionnels

3.3K vues

⸱

DOI :

10.3791/66493

⸱

27 septembre 2024

 ,  ,  , 
1Section on Synapse Development Plasticity, National Institute of Mental Health, National Institutes of Health, 2Colgate University

Dans cet article

Résumé

Les épines dendritiques sont des compartiments post-synaptiques de la plupart des synapses excitatrices. Des altérations de la morphologie de la colonne dendritique se produisent au cours du neurodéveloppement, du vieillissement, de l’apprentissage et de nombreux troubles neurologiques et psychiatriques, soulignant l’importance d’une analyse fiable de la colonne dendritique. Ce protocole décrit la quantification de la morphologie de la colonne dendritique avec précision et reproductibilité à l’aide d’un logiciel de reconstruction automatique de neurones tridimensionnels.

Résumé

Les connexions synaptiques permettent l’échange et le traitement de l’information entre les neurones. Le site post-synaptique des synapses excitatrices est souvent formé sur les épines dendritiques. Les épines dendritiques sont des structures d’un grand intérêt pour la recherche centrée sur la plasticité synaptique, le neurodéveloppement et les troubles neurologiques et psychiatriques. Les épines dendritiques subissent des modifications structurelles au cours de leur vie, avec des propriétés telles que le nombre total d’épines, la taille des épines dendritiques et les sous-types morphologiquement définis qui changent en réponse à différents processus. La délimitation des mécanismes moléculaires régulant ces altérations structurelles des épines dendritiques repose sur des mesures morphologiques. Cela nécessite une analyse précise et reproductible de la colonne vertébrale dendritique pour fournir des preuves expérimentales. La présente étude décrit un protocole détaillé pour la quantification et la classification des épines dendritiques à l’aide de Neurolucida 360 (logiciel de reconstruction automatique de neurones tridimensionnels). Ce protocole permet de déterminer les principales propriétés de l’épine dendritique telles que la densité totale de l’épine, le volume de la tête de l’épine et la classification en sous-types de l’épine, permettant ainsi une analyse efficace des phénotypes structurels de l’épine dendritique.

Introduction

Les épines dendritiques sont des protubérances de dendrites comprenant souvent le site post-synaptique des synapses glutamatergiques 1,2. Les épines dendritiques présentent un intérêt particulier dans le domaine de la plasticité synaptique. Les épines sont souvent altérées lorsque la force synaptique change, devenant plus grandes et plus fortes lors de la potentialisation synaptique à long terme ou plus petites et plus faibles lors de la dépression synaptique à long terme 3,4,5,6,7. Au-delà de la plasticité synaptique, le profil des épines dendritiques change tout au long de la vie. Au début du développement, il y a une période de formation et de croissance de l’épine dendritique, suivie d’une taille de l’épine dendritique jusqu’à atteindre un état d’équilibre 8,9,10. Dans le cerveau vieillissant, la perte de colonne vertébrale accompagne le rétrécissement du cerveau et le déclin cognitif11. De plus, de nombreux troubles neurologiques, neurodégénératifs et psychiatriques sont caractérisés par des épines dendritiques aberrantes. Plusieurs régions du cerveau chez les personnes atteintes de schizophrénie ont moins d’épines dendritiques, résultant probablement d’une altération de l’élagage synaptique12. Les troubles du spectre autistique sont également caractérisés par des pathologies dendritiques de la colonne vertébrale13. La perte de la colonne vertébrale dendritique est une caractéristique de la maladie d’Alzheimer et de la maladie de Parkinson14,15. Étant donné le large éventail de sujets de recherche englobant l’étude des propriétés dendritiques de l’épine, les techniques de quantification précise de l’épine sont d’une importance capitale.

La coloration, c’est-à-dire la méthode de Golgi, ou le marquage des neurones par remplissage de colorant ou expression de protéines fluorescentes sont des méthodes courantes pour la visualisation de la colonne vertébrale dendritique 16,17,18. Une fois visualisées, les épines peuvent être analysées avec une variété de logiciels clients gratuits et disponibles dans le commerce. Le résultat souhaité de l’analyse est un facteur important pour déterminer quel logiciel sera le plus utilisé. Fiji est une option logicielle viable pour les questions centrées sur la densité des épines dendritiques. Cependant, cette technique repose en grande partie sur un comptage manuel chronophage qui peut introduire un risque de biais. De nouveaux plugins tels que SpineJ permettent une quantification automatique, ce qui permet en outre une analyse plus précise du cou de la colonne vertébrale19. L’inconvénient de ces approches est la perte d’une analyse tridimensionnelle pour déterminer le volume de la colonne vertébrale, car SpineJ est limité à des piles d’images bidimensionnelles. De plus, l’obtention d’informations sur les sous-types de la colonne vertébrale devient difficile via ces processus. Les quatre sous-types d’épines prédominants, mince, champignon, trapue et filopodes, connotent tous des fonctions individuelles et sont largement classés selon la morphologie20. Les épines minces sont caractérisées par un cou allongé et une tête définie21. Les épines des champignons ont une tête d’épine beaucoup plus grande et prononcée22. Les épines trapues sont courtes et présentent peu de variance entre la tête et le cou23. Les filopodes sont des épines immatures avec un cou long et mince et aucune tête clairement observable24. Bien que la classification fournisse des informations précieuses, les épines existent sur un continuum de dimensions. La classification en catégories est basée sur des plages de mesures morphologiques25,26. La mesure manuelle des épines pour la classification complique la charge logistique des chercheurs dans cette approche.

D’autres options logicielles axées spécifiquement sur l’analyse tridimensionnelle de la colonne vertébrale dendritique sont mieux adaptées à l’étude du volume de la colonne vertébrale et des propriétés de sous-type 27,28,29,30,31. Malgré les difficultés que présente l’analyse tridimensionnelle, telles que la faible résolution du plan z et le frottis, ces options logicielles permettent une reconstruction tridimensionnelle fiable des dendrites et des épines dendritiques de manière semi-automatisée guidée par l’utilisateur. La classification automatique des épines identifiées dans leurs sous-types est également une caractéristique présente dans certains de ces logiciels d’analyse de la colonne vertébrale. Cela peut atténuer les préoccupations relatives à la charge de travail potentielle et aux biais expérimentaux. Neurolucida 360 est un logiciel disponible dans le commerce qui permet d’identifier et de classifier les épines dendritiques en trois dimensions, fiables et reproductibles32. Ici, nous présentons un protocole complet pour préparer efficacement les tissus fixés, acquérir des images et, finalement, quantifier et classer les épines dendritiques à l’aide de ce logiciel.

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

Protocole

Toutes les procédures sur les animaux ont suivi les directives des National Institutes of Health des États-Unis sur l’utilisation des animaux dans la recherche intra-muros et ont été approuvées par le comité de soin et d’utilisation des animaux de l’Institut national de la santé mentale.

1. Préparation de tranches d’hippocampe fixes

  1. Anesthésier les souris avec une injection intrapéritonéale de kétamine/xylazine (kétamine : 100 mg/kg ; Xylazine : 8 mg/kg). Validez l’anesthésie par pincement de la queue et fixez la souris sur la plaque de perfusion.
  2. À l’aide de grands ciseaux chirurgicaux, retirez la peau et la fourrure de la poitrine, ce qui permet de visualiser plus facilement la cage thoracique sous-jacente.
  3. Faites une coupe horizontale sous la largeur de la cage thoracique, en évitant le foie et le diaphragme. À l’aide d’une pince fine, tirez le processus xiphoïde vers le haut et coupez chaque côté latéral de la cage thoracique. Relevez la cage thoracique jusqu’à la région du cou et fixez-la en place à l’aide d’une pince à hémostat.
  4. Insérez une aiguille papillon de 21 g dans le ventricule gauche du cœur et commencez à perfuser à température ambiante 1x PBS à environ 5 mL/min. Faites une petite incision dans l’oreillette droite avec de petits ciseaux chirurgicaux. Perfuser avec du PBS jusqu’à ce que la solution sortant de l’oreillette soit claire.
  5. Éteignez la pompe de perfusion pour vous assurer qu’aucune bulle ne pénètre dans la tubulure. Placez le tube du PBS dans du paraformaldéhyde (PFA) à 4 % froid dans du PBS. Perfuser avec du PFA à un taux de 5 mL/min jusqu’à ce que l’animal soit complètement raide, soit environ 25 mL.
    REMARQUE : Assurez-vous que le PFA est frais (pas plus d’une semaine si le stock est stocké à 4° C) pour une fixation optimale.
  6. Retirez la peau de la surface du crâne avec de petits ciseaux chirurgicaux. Faites une incision médio-sagittale avec de petits ciseaux chirurgicaux le long de la fissure centrale du crâne. Faites des coupures latérales rostrales au bulbe olfactif et au-dessus du cervelet.
  7. Ouvrez le crâne avec des pinces fines pour exposer le cerveau. À l’aide d’une spatule, retirez doucement le cerveau des bulbes olfactifs et placez-le dans 4 % de PFA dans du PBS pendant la nuit.
    REMARQUE : Pour un protocole plus complet sur la perfusion chez les rongeurs, veuillez consulter Gage et al.33.
  8. Cryoprotégez le cerveau fixe en remplaçant le PFA à 4% par 15% de saccharose dans le PBS pendant 1 jour. Ensuite, remplacez le saccharose à 15 % par du saccharose à 30 % dans la solution PBS pendant 1 jour jusqu’à ce que le cerveau pénètre dans la solution.
  9. Retirez le cerveau de la solution de saccharose et placez-le dans une boîte de Pétri avec PBS. Coupez le cervelet et le bulbe olfactif à l’aide d’une lame de scalpel.
  10. Placez une petite quantité de 1 à 2 cm de diamètre de composé à température de coupe optimale (OCT) sur la surface du porte-échantillon. Montez le cerveau coronalement sur le porte-échantillon avec la surface caudale coupée dans l’OCT. Gelez rapidement le cerveau en plaçant le porte-échantillon dans de la glace sèche pulvérisée jusqu’à ce qu’il soit visiblement congelé, environ 5 à 7 min.
  11. Assurez-vous que l’angle de la pale du cryostat est réglé entre 0° et 5° pour produire des sections uniformes. Ajustez l’angle de la plaque de rouleau pour un aplatissement optimal des tranches. Veuillez vous référer au manuel de l’équipement pour des instructions spécifiques.
  12. Placez le porte-échantillon dans le cryostat avec la surface ventrale du cerveau la plus proche de la pale. Coupez le cerveau en sections dorsales de l’hippocampe de 30 μm, en jetant toutes les tranches rostrales à l’hippocampe.
    REMARQUE : Cette partie du protocole peut être adaptée à n’importe quelle région cérébrale souhaitée de votre choix. Les étapes 1.9 à 1.12 changeraient en fonction de la région d’intérêt.
  13. Transférez les tranches dorsales de l’hippocampe dans du PBS. À l’aide d’un pinceau, fixez délicatement les sections de l’hippocampe sur une lame de microscope. Enlevez tout excès de solution à l’aide d’un coton-tige ou de lingettes délicates.
  14. Appliquez 100 μL de support de montage rigide sur la lame de microscope en couvrant toutes les tranches de cerveau. Pour éviter les bulles, abaissez lentement la lamelle à l’aide d’une pince sur le support de montage. Si des bulles se forment, tapotez doucement la lamelle avec une pince pour leur permettre de s’échapper. Laissez les lames reposer toute la nuit avant l’imagerie.

2. Imagerie confocale haute résolution

  1. Utilisez des oculaires à faible grossissement pour identifier les cellules fluorescentes. Passez à un objectif 63x (NA = 1,4) ou supérieur, en appliquant un milieu d’immersion approprié à l’objectif.
    REMARQUE : Pour de meilleurs résultats, utilisez un microscope confocal à balayage laser avec un objectif 63x ou plus.
  2. Identifiez les segments dendritiques bien étiquetés avec un chevauchement limité pour l’acquisition d’images. Réglez la puissance et le gain du laser pour vous assurer que les dendrites fluorescentes ne sont pas saturées. De plus, la réduction de la vitesse de balayage peut fournir une meilleure résolution d’image.
  3. Acquérez des piles z englobant les segments dendritiques complets pour une analyse future. Les empilements Z de plus de 10 μm sont indésirables en raison du potentiel supplémentaire de chevauchement dendritique dans le plan z.
    REMARQUE : Utilisez la plus petite taille de pas z disponible (0,2-0,7 μm) et 1 taille de sténopé d’unité aérée. La taille plus petite du pas permet d’obtenir plus d’images dans la pile z, ce qui compense la résolution Z limitée de nombreux microscopes.
  4. Facultatif : Si disponible, utilisez la fonctionnalité logicielle de déconvolution respective du microscope pour déconvolution des images. Cela permettra d’obtenir des images de plus haute résolution.

3. Quantification de l’épine dendritique

  1. Ouvrez Neurolucida 360 (v2022.1.1 ou version ultérieure). Ouvrez le fichier image dans le logiciel d’analyse de la colonne vertébrale (Fichier > Ouvrir > image). Assurez-vous que le fichier image est visible dans la fenêtre principale et dans l’environnement 3D. Si la fenêtre de l’environnement 3D n’apparaît pas, cliquez avec le bouton gauche de la souris sur l’environnement 3D dans la barre d’outils supérieure de la fenêtre principale dans l’onglet Trace (Figure supplémentaire 1)
    REMARQUE : Cette section du protocole peut être adaptée à n’importe quelle image dendritique, pas exclusivement aux dendrites de tissu de souris.
  2. Dans l’onglet Modifier l’affichage de l’image de la fenêtre Environnement 3D, assurez-vous que l’image est affichée en tant que volume 3D dans la zone Afficher l’image comme . Dans la zone Paramètres de pile d’images de l’onglet Image , sélectionnez Projection maximale dans le menu déroulant Afficher la surface en tant que . (Figure supplémentaire 2)
  3. Identifier un segment dendritique approprié pour le traçage.
    1. Cliquez avec le bouton gauche de la souris sur l’outil Déplacer le point de pivot dans la barre d’outils supérieure de la fenêtre Environnement 3D . Faites un clic gauche sur la dendrite souhaitée pour définir un nouveau point de pivot. Cela changera l’orientation pour permettre un zoom avant efficace.
    2. Rétablissez l’orientation d’origine en cliquant avec le bouton gauche de la souris sur l’icône Réinitialiser l’orientation . Après avoir défini le point de pivot, cliquez avec le bouton gauche de la souris sur l’outil Déplacer le point de pivot pour commencer à tracer la dendrite. (Figure supplémentaire 2).
      REMARQUE : La dendrite idéale est celle qui se chevauche peu avec d’autres dendrites dans l’un des plans de coordonnées et qui ne se coupe pas avec une autre dendrite ou qui n’est pas superficielle à une autre en dessous. Les dendrites à faible proximité d’autres dans le plan XY sont également préférables pour éviter l’attribution inappropriée des épines voisines à la dendrite tracée. Il faut également noter que les dendrites d’épaisseurs, d’ordres et de distances différents du soma ont des densités d’épines dendritiques différentes34,35. Cela doit être pris en compte dans la conception de l’expérience. Les dendrites d’ordre secondaire <1,5 μm d’épaisseur sont des candidates idéales pour le traçage (figure 1).
  4. Cliquez avec le bouton gauche de la souris sur l’onglet Arborescence de la fenêtre Environnement 3D . Cliquez avec le bouton gauche de la souris sur Guidé par l’utilisateur pour le mode de traçage et sur Noyaux directionnels comme méthode dans les options de traçage guidé par l’utilisateur.
  5. Faites un clic gauche sur la dendrite lorsqu’un noyau circulaire apparaît pour commencer le traçage. Déplacez le curseur le long du segment dendritique. Cela remplira automatiquement les noyaux. Si les noyaux ne se remplissent pas automatiquement, reportez-vous à l’étape 3.51.
    1. Déplacez doucement le curseur d’avant en arrière sur la dendrite jusqu’à ce que les grains se remplissent. Faites un clic gauche pour conserver les noyaux détectés existants. Si les noyaux cessent de se remplir, cliquez avec le bouton gauche de la souris lorsqu’un noyau se remplit plus bas dans la dendrite pour en placer un manuellement. Cliquez avec le bouton droit de la souris pour terminer le suivi. Assurez-vous que la dendrite tracée mesure au moins 7 μm de longueur (figure supplémentaire 3).
  6. Vérifiez la précision du traçage dendritique à l’aide des trois directions de l’environnement 3D, tangage, lacet et roulis, en cliquant avec le bouton gauche de la souris et en faisant glisser la fenêtre de l’environnement 3D . Identifiez les points où le tracé dendritique se trouve en dehors de l’emplacement approprié sur la dendrite. Il peut y avoir des cas où il semble tracé avec précision de haut en bas, mais dans la dimension z, les points ne sont pas sur la dendrite (Figure 2).
  7. Pour corriger les segments dendritiques mal tracés, cliquez avec le bouton gauche de la souris sur l’onglet Modifier dans le menu Arborescence . Cliquez avec le bouton gauche de la souris sur la dendrite qui vous intéresse, puis cliquez sur Points.
  8. Déplacez les points mal placés sur le segment de dendrite en cliquant et en glissant. Supprimez les points superflus en cliquant dessus avec le bouton gauche de la souris et en cliquant sur le bouton Supprimer . Modifiez la taille des points si la dendrite n’est pas correctement remplie. Pour modifier la taille du point, cliquez avec le bouton gauche sur un point et ajustez le curseur d’épaisseur pour modifier la taille (Figure supplémentaire 4).
    REMARQUE : Des dendrites mal remplies peuvent entraîner l’identification de fausses épines qui sont des composants du segment dendritique. À l’inverse, un remplissage excessif des dendrites peut masquer les véritables épines.
  9. Répétez les étapes 3.3 à 3.8 pour plusieurs dendrites dans l’image avant de passer à l’identification du dos à l’étape 3.10.
  10. Cliquez avec le bouton gauche de la souris sur l’onglet Colonne vertébrale dans la fenêtre Environnement 3D. Définissez les paramètres de détection pour la plage extérieure, la hauteur minimale et le nombre minimum de voxels. En fonction de la préparation, il peut être nécessaire de modifier les valeurs prédéfinies dans le cas d’une justification claire et spécifique des modifications. Les conditions prédéfinies sont la suivante : plage extérieure : 2,5 μm, hauteur minimale : 0,3 μm, nombre minimum de voxels : 10 voxels.
    REMARQUE : Différentes préparations, telles que des cultures cellulaires par rapport à des tissus aigus, ainsi que des points de développement différents, nécessiteront des critères différents qui doivent être tirés de la littérature existante. Il est également essentiel de noter que la modification des paramètres de détection peut modifier considérablement les résultats. Par exemple, une hauteur minimale plus élevée peut exclure les épines courtes. Les paramètres de détection doivent rester cohérents tout au long de l’expérience.
  11. Réglez la sensibilité du détecteur sur 70 % et cliquez avec le bouton gauche de la souris sur Détecter tout. Cela peuplera les épines identifiées par cette sensibilité du détecteur sur toutes les dendrites. Si vous souhaitez sélectionner des épines d’une manière spécifique aux dendrites, cliquez avec le bouton gauche de la souris sur la case Cliquez sur l’image pour détecter tout sur la branche la plus proche, puis cliquez avec le bouton gauche de la souris sur chaque dendrite avec des sensibilités de détecteur différentes.
    REMARQUE : À ce stade, il est normal que toutes les épines dendritiques ne se peuplent pas. De même, les non-épines peuvent mal se peupler. La sensibilité initiale de 70 % est également flexible ; Cela peut changer en fonction de la préparation.
  12. Examinez les épines sélectionnées par la sensibilité de ce détecteur en cliquant et en faisant glisser la dendrite dans les trois directions. Si la majorité des épines détectées ne sont pas complètement remplies, passez à l’étape 3.12.1. Si les épines détectées sont trop remplies, passez à l’étape 3.12.2. Si les épines détectées semblent être correctement remplies, passez à l’étape 3.13.
    1. Augmentez la sensibilité du détecteur de 5 à 10 % et cliquez à nouveau sur Détecter tout . Cela remplacera toutes les épines précédemment détectées par de nouvelles à une sensibilité plus élevée. Répétez l’opération au besoin jusqu’à ce que les épines détectées soient correctement remplies.
    2. Diminuez la sensibilité du détecteur de 5 à 10 % et cliquez à nouveau sur Détecter tout . Cela remplacera toutes les épines précédemment détectées par de nouvelles à plus faible sensibilité. Répétez l’opération au besoin jusqu’à ce que les épines détectées soient correctement remplies.
  13. Cliquez avec le bouton gauche de la souris sur Conserver les épines existantes dans l’onglet Colonne vertébrale de l’environnement 3D. Si l’option Cliquer sur l’image pour détecter tout sur la branche la plus proche a été sélectionnée, désélectionnez-la.
    REMARQUE : En cochant la case Conserver les épines existantes , vous vous assurez que l’identification manuelle des épines dendritiques nouvellement identifiées n’écrasera pas les épines précédemment identifiées. Assurez-vous que cette case est sélectionnée avant de continuer afin de ne pas écraser le travail précédent.
  14. Cliquez avec le bouton gauche de la souris sur Déplacer le point de pivot et cliquez avec le bouton gauche sur la dendrite, ce qui nécessite une détection supplémentaire de la colonne vertébrale pour définir le point de pivot.
    1. Désélectionnez Déplacer le point de pivot. Identifiez une épine dendritique non remplie. Augmentez la sensibilité du détecteur de 10 à 20 % au-delà de la détection précédente et faites un clic gauche sur la colonne vertébrale. Si la colonne vertébrale détectée est sous-remplie ou trop remplie, passez à l’étape 3.14.3 ou 3.14.4. Si la colonne vertébrale n’est pas renseignée, le message Impossible de détecter une colonne vertébrale à l’emplacement sélectionné s’affiche. Dans ce cas, passez à l’étape 3.14.2.
    2. Augmentez progressivement la sensibilité du détecteur , éventuellement au-dessus de 100 %, jusqu’à ce que la colonne vertébrale ait été détectée et correctement remplie. Si la colonne vertébrale est détectée mais insuffisamment remplie, passez à l’étape 3.14.3. Si la colonne vertébrale est trop remplie, passez à l’étape 3.14.4 (Figure 3).
    3. Cliquez avec le bouton gauche de la souris sur l’onglet Modifier et cliquez avec le bouton gauche de la souris sur le dos sous-rempli. Cliquez avec le bouton gauche de la souris sur Supprimer. Désélectionnez l’onglet Modifier . Augmentez la sensibilité de 5 à 10 % et faites un clic gauche sur la colonne vertébrale. Répétez cette étape si la colonne vertébrale est toujours sous-remplie.
    4. Cliquez avec le bouton gauche de la souris sur l’onglet Modifier et cliquez avec le bouton gauche de la souris sur le dos trop rempli. Cliquez avec le bouton gauche de la souris sur Supprimer. Désélectionnez l’onglet Modifier . Diminuez la sensibilité de 5 à 10 % et cliquez sur la colonne vertébrale. Répétez cette étape si la colonne vertébrale est encore trop remplie.
  15. Répétez les étapes 3.14 à 3.14.4 jusqu’à ce que toutes les épines identifiées par identification visuelle aient été détectées. Vérifiez que la dendrite ne contient pas d’épines appartenant à des dendrites voisines, de fausses épines correspondant à aucun signal véritable ou des segments potentiels de dendrite étiquetés à tort comme une épine. Supprimez ces fausses épines à l’aide de la fonction Supprimer .
  16. Examinez les épines identifiées sur la dendrite. Dans certains cas, plusieurs épines peuvent apparaître comme une seule épine de conglomérat. Si une colonne vertébrale semble en englober deux, cliquez avec le bouton gauche de la souris sur l’onglet Modifier . Cliquez avec le bouton gauche de la souris sur le dos et cliquez sur Masquer la sélection. Après avoir confirmé une colonne vertébrale de conglomérat, dans l’onglet Modifier , cliquez avec le bouton gauche sur Afficher la sélection et sélectionnez Diviser. Si plus de deux épines se trouvent dans un conglomérat, il peut être nécessaire de répéter cette étape (figure 4).
    REMARQUE : Si le dos du conglomérat ne se divise pas après l’étape 3.16, retirez le dos . Sélectionnez ensuite la colonne vertébrale la plus intense du conglomérat à une sensibilité plus faible. Une fois que la colonne vertébrale la plus intense est remplie, augmentez la sensibilité pour sélectionner l’autre colonne vertébrale non remplie. Alternativement, la suppression de l’épine du conglomérat puis l’augmentation de la sensibilité peuvent permettre une séparation correcte.
  17. Une fois toutes les épines visuellement identifiables détectées et remplies de manière appropriée, dans l’onglet Épine , cliquez avec le bouton gauche de la souris sur Classifier tout pour classer les épines en quatre sous-types : fine, champignon, trapue et filopodie (Figure 5).
    REMARQUE  : Les paramètres de classification du dos peuvent être modifiés dans la fenêtre Paramètres de la boîte Classification dans l’onglet Dos . Comme pour les réglages du détecteur, une justification claire de la modification des paramètres existants est fortement encouragée. Les valeurs prédéfinies sont le rapport tête-cou : 1,1, le rapport longueur/tête : 2,5, la taille de la tête du champignon : 0,35 μm, la longueur du filopodium - 3 μm.
  18. Dans la barre d’outils supérieure de la fenêtre Environnement 3D, sélectionnez Enregistrer et afficher dans Neurolucida Explorer. Neurolucida Explorer est l’endroit où les données sont collectées à partir des tracés. L’œuvre sera sauvegardée sous forme de fichier .dat contenant tous les tracés et les dos.
  19. Dans la fenêtre de l’Explorateur, dans l’onglet Affichage , cliquez avec le bouton gauche de la souris sur Sélectionner tout pour mettre en surbrillance toutes les dendrites et les épines.
  20. Cliquez avec le bouton gauche de la souris sur l’onglet Analyser dans la barre d’outils supérieure. Cliquez avec le bouton gauche de la souris sur le menu déroulant Structure . Cliquez avec le bouton gauche de la souris sur Analyse de la structure ramifiée.
  21. En fonction des variables d’intérêt, n’importe laquelle des analyses peut être sélectionnée. Les deux questions les plus utiles pour les questions centrées sur la densité de la colonne vertébrale et le volume moyen de la colonne vertébrale sont Chaque arbre > chaque dendrite et Détails des épines > de la colonne vertébrale. Sélectionnez OK et les données apparaîtront dans deux fenêtres distinctes.
  22. Copiez les données dans une feuille de calcul pour une compilation et une analyse plus approfondies.
    REMARQUE : L’arbre individuel sera séparé par une dendrite, mais le volume de la colonne vertébrale ne le sera pas. À l’aide de la fonction de tri dans la feuille de calcul, les détails du dos peuvent être filtrés par caractéristiques.

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

Résultats

L’utilisation efficace de cette méthode d’analyse commence par la sélection des segments dendritiques pour le traçage. Comme décrit à la figure 1, les dendrites idéales pour le traçage ne sont pas à proximité d’autres dendrites. Les dendrites fonctionnant en parallèle peuvent entraîner une identification incorrecte des épines d’une dendrite voisine. Les dendrites qui se croisent directement ou qui sont perpendiculaires dans un plan z différent ajoutent également une difficulté significative ...

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

Discussion

Ce protocole détaille les étapes spécifiques de la préparation des échantillons, de l’imagerie et du processus de quantification et de classification des épines dendritiques à l’aide d’un logiciel de reconstruction tridimensionnelle. Ce logiciel est un outil puissant capable de produire des données structurelles robustes qui contribuent à un large éventail d’enquêtes. Tout au long du processus, il y a quelques étapes critiques qui rendent ce protocole moins lourd méthodologique et amélio...

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

Déclarations de divulgation

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

Remerciements

Nous tenons à remercier Carolyn Smith, Sarah Williams Avram, Ted Usdin et le NIMH SNIR pour leur assistance technique. Nous tenons également à remercier le groupe d’étude de recherche biomédicale Bethesda de l’Université Colgate. Ce travail est soutenu par le programme intra-muros du NIMH (1ZIAMH002881 à Z.L.).

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

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
518F Huile d’immersionZeiss444960-0000-000
CryostatLeicaCM3050SPour la préparation de tranches
Pince fineFST11150-10
Pince HemostatFST13020-12
Grands ciseaux chirurgicauxFST14002-16
LSM 880 Microscope confocalZeissLSM 880
Couvercle de microscope en verreFisherbrand12-541-035
Mini-pompe péristaltique IIAppareil de Harvard70-2027Pour perfusions
Neurolucida 360MBF Biosciencev2022.1.1Logiciel d’analyse de la colonne vertébrale
Neurolucida ExplorerMBF Biosciencev2022.1.1Logiciel d’analyse de la colonne
vertébrale OCT CompoundSakura Finetek4583Pour le sectionnement du cryostat
Paraformaldéhyde (37 %)FisherbrandF79-1
Plan-Apochromat 63x/1.40 Huile DICZeiss440762-9904-000
Lame de scalpelFST10022-00
Petits ciseaux chirurgicauxFST14060-09
Spatule  ;FST10091-12
SucroseFIsherbrandS5-500
Superfrost Plus MicroslidesDiaggerES4951+
Vectashield HardSet Montage MediumVector LaboratoriesH-1400-10

Références

  1. Gray, E. G. Electron microscopy of synaptic contacts on dendrite spines of the cerebral cortex. Nature. 183, 1592-1593 (1959).
  2. Ramón Y Cajal, S. Sobre la fibras nerviosas de la capa molecular del cerebelo. Rev Trim Histol Norm. 1, 33-49 (1888).
  3. Desmond, N. L., Levy, W. Changes in the numerical density of synaptic contacts with long-term potentiation in the hippocampal dendate gyrus. J Comp Neurol. 253, 466-475 (1986).
  4. Engert, F., Bonhoeffer, T. Dendritic spine chances associated with hippocampal long-term synaptic plasticity. Nature. 399, 66-70 (1999).
  5. Yang, Y., Wang, X. B., Frerking, M., Zhou, Q. Spine expansion and stabilization associated with long-term potentiation. J Neurosci. 28 (22), 5740-5751 (2008).
  6. Oh, W. C., Parajuli, L. K., Zito, K. Heterosynaptic structural plasticity on local dendritic segments of hippocampal ca1 neurons. Cell Rep. 10 (2), 162-169 (2015).
  7. Shinoda, Y., Tanaka, T., Tominaga-Yoshino, K., Ogura, A. Persistent synapse loss induced by repetitive ltd in developing rat hippocampal neurons. PLoS One. 5 (4), e10390(2010).
  8. Markus, E. J., Petit, T. L. Neocortical synaptogenesis, aging, and behavior lifespan development in the motor-sensory system of the rat. Exp Neurol. 96 (2), 262-278 (1987).
  9. Duan, H., Wearne, S. L., Rocher, A. B., Macedo, A., Morrison, J. H., Hof, P. R. Age-related dendritic and spine changes in corticocortically projecting neurons in macaque monkeys. Cereb Cortex. 13 (9), 950-961 (2003).
  10. Chen, C. C., Lu, J., Zuo, Y. Spatiotemporal dynamics of dendritic spines in the living brain. Front Neuroanat. 8, 28(2014).
  11. Dickstein, D. L., Weaver, C. M., Luebke, J. I., Hof, P. R. Dendritic spine changes associated with normal aging. Neuroscience. 251, 21-32 (2013).
  12. Glausier, J. R., Lewis, D. A. Dendritic spine pathology in schizophrenia. Neuroscience. 251, 90-107 (2013).
  13. Phillips, M., Pozzo-Miller, L. Dendritic spine dysgenesis in autism related disorders. Neurosci Lett. 601, 30-40 (2015).
  14. Dorostkar, M. M., Zou, C., Blazquez-Llorca, L., Herms, J. Analyzing dendritic spine pathology in alzheimer's disease: Problems and opportunities. Acta Neuropathol. 130 (1), 1-19 (2015).
  15. Villalba, R. M., Smith, Y. Loss and remodeling of striatal dendritic spines in parkinson's disease: From homeostasis to maladaptive plasticity. J Neural Transm (Vienna). 125 (3), 431-447 (2018).
  16. Cheng, C., Trzcinski, O., Doering, L. C. Fluorescent labeling of dendritic spines in cell cultures with the carbocyanine dye "dii". Front Neuroanat. 8, 30(2014).
  17. Feng, G., et al. Imaging neuronal subsets in transgenic mice expressing multiple spectral variants of gfp. Neuron. 28 (1), 41-51 (2000).
  18. Baloyannis, S. J. Staining neurons with golgi techniques in degenerative diseases of the brain. Neural Regen Res. 10 (5), 693-695 (2015).
  19. Levet, F., Tonnesen, J., Nagerl, U. V., Sibarita, J. B. SpineJ: A software tool for quantitative analysis of nanoscale spine morphology. Methods. 174, 49-55 (2020).
  20. Peters, A., Kaiserman-Abramof, I. R. The small pyramidal neuron of the rat cerebral cortex. The perikaryon, dendrites and spines. Am J Anat. 127 (4), 321-356 (1970).
  21. Pfeiffer, T., et al. Chronic 2p-sted imaging reveals high turnover of dendritic spines in the hippocampus in vivo. Elife. 7, e34700(2018).
  22. Harris, K. M. Structure, development, and plasticity of dendritic spines. Curr Opin Neurobiol. 9 (3), 343-348 (1999).
  23. Hering, H., Sheng, M. Dendritic spines: Structure, dynamics, and regulation. Nat Rev Neurosci. 2 (12), 880-888 (2001).
  24. Jontes, J. D., Smith, S. J. Filopodia, spines, and the generation of synaptic diversity. Neuron. 27 (1), 11-14 (2000).
  25. Pchitskaya, E., Bezprozvanny, I. Dendritic spines shape analysis-classification or clusterization? Perspective. Front Synaptic Neurosci. 12, 31(2020).
  26. Berry, K. P., Nedivi, E. Spine dynamics: Are they all the same. Neuron. 96 (1), 43-55 (2017).
  27. Rodriguez, A., Ehlenberger, D. B., Dickstein, D. L., Hof, P. R., Wearne, S. L. Automated three-dimensional detection and shape classification of dendritic spines from fluorescence microscopy images. PLoS One. 3 (4), e1997(2008).
  28. Swanger, S. A., Yao, X., Gross, C., Bassell, G. J. Automated 4D analysis of dendritic spine morphology: Applications to stimulus-induced spine remodeling and pharmacological rescue in disease model. Mol Brain. 4, 38(2011).
  29. Basu, S., et al. Quantitative 3-D morphometric analysis of individual dendritic spines. Sci Rep. 8 (1), 3545(2018).
  30. Ekaterina, P., Peter, V., Smirnova, D., Vyacheslav, C., Ilya, B. Spinetool is an open-source software for analysis of morphology of dendritic spines. Sci Rep. 13 (1), 10561(2023).
  31. Li, B. Z., Sumera, A., Booker, S. A., Mccullagh, E. A. Current best practices for analysis of dendritic spine morphology and number in neurodevelopmental disorder research. ACS Chem Neurosci. 14 (9), 1561-1572 (2023).
  32. Dickstein, D. L., et al. Automatic dendritic spine quantification from confocal data with Neurolucida 360. Curr Protoc Neurosci. 77, 1-21 (2016).
  33. Gage, G. J., Kipke, D. R., Shain, W. Whole animal perfusion fixation for rodents. J Vis Exp. (65), e3564(2012).
  34. Parajuli, L. K., Koike, M. Three-dimensional structure of dendritic spines revealed by volume electron microscopy techniques. Front Neuroanat. 15, 627368(2021).
  35. Ferreira, J. S., et al. Distance-dependent regulation of NMDAR nanoscale organization along hippocampal neuron dendrites. Proc Natl Acad Sci U S A. 117 (39), 24526-24533 (2020).
  36. Megias, M., Emri, Z. s, Freund, T. F., Gulyas, A. I. Total number and distribution of inhibitory and excitatory synapses on hippocampal ca1 pyramidal cells. Neuroscience. 102 (3), 527-540 (2001).
  37. Katz, Y., et al. Synapse distribution suggests a two-stage model of dendritic integration in ca1 pyramidal neurons. Neuron. 63 (2), 171-177 (2009).
  38. Bourne, J., Harris, K. M. Do thin spines learn to be mushroom spines that remember. Curr Opin Neurobiol. 17 (3), 381-386 (2007).
  39. Runge, K., Cardoso, C., De Chevigny, A. Dendritic spine plasticity: Function and mechanisms. Front Synaptic Neurosci. 12, 36(2020).
  40. Tonnesen, J., Katona, G., Rozsa, B., Nagerl, U. V. Spine neck plasticity regulates compartmentalization of synapses. Nat Neurosci. 17 (5), 678-685 (2014).
  41. Mattila, P. K., Lappalainen, P. Filopodia: Molecular architecture and cellular functions. Nat Rev Mol Cell Biol. 9 (6), 446-454 (2008).
  42. Grutzendler, J., Kasthuri, N., Gan, W. Long-term dendritic spine stability in the adult cortex. Nature. 420 (6917), 812-816 (2002).

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

Réimpressions et autorisations

Explorer plus d’articles

Analyse des épines dendritiquesdensité des épinesvolume de la tête des épinesclassification des sous-types d'épinesplasticité synaptiqueNeurolucida 360dendrites hippocampiquesmorphologie des épines
Quantification de la colonne dendritique à l’aide d’un logiciel de reconstruction automatique de neurones tridimensionnels
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.