Quantification de l’organisation du collagène fibrillar avec des outils curvelet à base de transformation
11 novembre 2020
Ici, nous présentons un protocole pour utiliser un outil logiciel MATLAB à base de transformation de courbes et open-source pour quantifier l’organisation du collagène fibrillar dans la matrice extracellulaire des tissus normaux et maladie. Cet outil peut être appliqué sur des images avec des fibres de collagène ou d’autres types de structures en ligne.
Cet outil aide à quantifier les changements dans l’organisation du collagène fibrillaire dans la matrice extracellulaire liés à de nombreuses maladies sur une base mondiale d’intérêt et de fibres individuelles. Cet outil utilise la transformée curvelet, une méthode optimale de représentation d’image directionnelle multi-échelle pour supprimer les bruits d’image et améliorer les bords de la fibre. Des modules complets et conviviaux permettent une quantification efficace.
Pour l’extraction de fibres individuelles, suivez le protocole pour ouvrir le CT-FIRE et cliquez sur Ouvrir les fichiers pour sélectionner une ou plusieurs images qui vous intéressent. Dans le panneau des paramètres, cliquez sur Mettre à jour et ajustez le seuil d’arrière-plan et le rayon de recherche de nucléation. Lorsque tous les paramètres ont été définis, cliquez sur Exécuter.
Une fois l’analyse terminée, cliquez sur n’importe quel élément de la table de sortie pour visualiser les résultats et vérifiez le sous-dossier ctFIREout pour les fichiers de sortie. Pour analyser une région d’intérêt, cliquez sur Ouvrir les fichiers pour charger une ou plusieurs images et sélectionner l’image à annoter. Dans le panneau des options d’exécution, sélectionnez le gestionnaire de régions d’intérêt dans le menu déroulant et cliquez sur Exécuter pour lancer le module de gestion des régions d’intérêt.
Ensuite, cliquez sur le menu déroulant Dessiner la région d’intérêt D et dessinez les régions d’intérêt. Si l’analyse CT-FIRE de l’image complète a été effectuée et que les résultats sont enregistrés dans le répertoire par défaut, cliquez sur une ou plusieurs régions d’intérêt dans la liste des régions d’intérêt, puis cliquez sur l’analyseur de région d’intérêt CT-FIRE pour lancer le module d’analyse de la région d’intérêt. Si l’analyse CT-FIRE de l’image complète n’a pas été effectuée, cliquez sur une ou plusieurs régions d’intérêt dans la liste des régions d’intérêt, puis cliquez sur appliquer CT-FIRE sur le retour d’intérêt pour appliquer directement l’analyse CT-FIRE aux régions d’intérêt sélectionnées.
Pour un post-traitement avancé, cochez la case out. adv et cliquez sur Post-traitement pour lancer l’interface graphique de post-traitement avancé. Dans le module d’analyse, cliquez sur sélectionner un fichier et visualisez les fibres pour permettre la saisie du numéro de fibre en fonction des étiquettes de l’onglet des fibres d’origine.
Cliquez sur Confirmer la mise à jour pour passer à l’opération de seuillage et cochez la case de seuillage pour activer les paramètres de seuil. Sélectionnez l’une des quatre options de seuillage dans le menu déroulant et entrez les seuils souhaités dans le panneau des seuils pour une ou plusieurs propriétés de fibre. Cliquez ensuite sur le seuil maintenant pour appliquer les conditions de seuillage ci-dessus et vérifiez la figure d’invite avec le nom se terminant par la visualisation des mesures pour voir les fibres sélectionnées superposées sur les images d’origine avec les cartes de couleurs personnalisées.
Une fois le seuil défini, cliquez sur Enregistrer les fibres pour enregistrer les informations de fibre sélectionnées, cliquez sur Générer des statistiques, puis sur OK pour générer les statistiques récapitulatives. Pour combiner les résultats de plusieurs images, vérifiez le mode de traitement par lots et sélectionnez plusieurs images à analyser avant de générer les statistiques récapitulatives comme illustré. Pour extraire les fonctionnalités de fibre optique basées sur CT, suivez le protocole pour ouvrir le logiciel CurveAlign et cliquez sur Obtenir des images dans l’interface utilisateur graphique principale et sélectionnez une ou plusieurs images ou piles d’images dans la fenêtre d’invite.
Entrez la fraction de coeffs pour conserver la valeur, la fraction des coefficients les plus élevés de TC qui seront utilisés dans l’analyse de fibre, puis cliquez sur exécuter. Répétez l’opération pour définir un seuil souhaitable. Une fois le processus terminé, des statistiques récapitulatives pour chaque image seront affichées dans une table de sortie et tous les fichiers de sortie seront automatiquement sauvegardés dans un sous-dossier nommé CA_out dans le répertoire des images d’origine.
Pour extraire les caractéristiques de fibre basées sur CT-FIRE, cliquez sur le menu déroulant Méthode d’analyse de fibre et sélectionnez Fibres CT-FIRE pour utiliser le point central de la fibre et l’angle de la fibre pour représenter la fibre. Pour l’analyse d’alignement relatif de la limite de la tumeur, sélectionnez la condition limite TIFF. Ouvrez le logiciel CurveAlign et cliquez sur Obtenir des images dans l’interface utilisateur graphique principale, puis sélectionnez une ou plusieurs images ou piles d’images dans la fenêtre d’invite.
Dans le panneau des paramètres primaires, entrez la distance à partir de la limite la plus proche pour évaluer uniquement les fibres dans cette plage de distance. Dans le panneau des options de sortie, cochez la case d’association de frontière pour permettre la visualisation du point sur la frontière associé à une fibre, un segment de fibre ou une courbelet, puis cliquez sur Exécuter, puis sur la table de sortie pour visualiser les résultats. Si une analyse CurveAlign d’image complète a été effectuée et que les résultats sont enregistrés dans le répertoire par défaut, cliquez sur une ou plusieurs régions d’intérêt dans la liste des régions d’intérêt, puis cliquez sur l’analyseur de région d’intérêt CurveAlign pour exécuter une analyse de zone d’intérêt post-article.
Si aucune analyse CurveAlign d’image complète n’a été effectuée, cliquez sur une ou plusieurs régions d’intérêt dans la liste des régions d’intérêt, puis cliquez sur appliquer CurveAlign sur la région d’intérêt pour appliquer directement l’analyse CurveAlign aux régions d’intérêt sélectionnées. Sur cette image, on peut observer une image superposée d’un noyau de microréseau de tissus. Dans le grossissement, les fibres parallèles et perpendiculaires à la limite de la tumeur dans la région d’intérêt peuvent être observées.
L’image de superposition de sortie CurveAlign montre les limites de la tumeur ainsi que les emplacements et orientations représentatifs des fibres. Cette méthode peut être utilisée pour quantifier non seulement les fibres de collagène, mais également d’autres structures linéaires telles que l’élastine et peut potentiellement faciliter le diagnostic précoce et l’analyse pronostique du cancer.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Cet article présente un protocole permettant de quantifier l'organisation du collagène fibrillaire dans la matrice extracellulaire à l'aide d'un outil MATLAB basé sur la transformée en curvelets. Cet outil s'applique aux tissus normaux comme aux tissus pathologiques, améliorant ainsi l'analyse des fibres de collagène.
Composantes clés de l'étude
Domaine scientifique
- Neurosciences
- Biologie
- Analyse de la matrice extracellulaire
Contexte
- Le collagène fibrillaire est essentiel à la structure et à la fonction des tissus.
- Des modifications de l'organisation du collagène sont associées à diverses maladies.
- La quantification de l'organisation du collagène contribue à la compréhension des mécanismes des maladies.
- La transformée en courbelettes est une méthode efficace pour la représentation d'images.
Objectif de l'étude
- Fournir un outil convivial pour quantifier l'organisation du collagène.
- Faciliter l'analyse du collagène dans différents états tissulaires.
- Approfondir la compréhension du rôle du collagène dans les maladies.
Méthodes utilisées
- Utilisation de la transformée en courbelettes pour le traitement d'images.
- Protocole d'extraction des fibres individuelles à l'aide du logiciel CT-FIRE.
- Ajustement des paramètres pour une analyse d'image optimale.
- Méthodes de quantification des fibres globales et individuelles.
Résultats principaux
- L'outil quantifie efficacement l'organisation du collagène.
- Il améliore la détection des bords des fibres et réduit le bruit.
- Des modules complets permettent une analyse efficace.
- Applicable à divers types de structures linéaires dans les images.
Conclusions
- L'outil de transformation en curvelets est précieux pour la recherche sur le collagène.
- Il permet d'obtenir des informations sur la matrice extracellulaire dans les états physiologiques et pathologiques.
- Les applications futures pourraient s'étendre à d'autres analyses structurales.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
La quantification de l'organisation du collagène fibrillaire fournit des informations essentielles sur le remodelage de la matrice extracellulaire, une caractéristique marquante de la progression du cancer et d'autres maladies fibrotiques. La plateforme fondée sur la transformée en courbelettes permet une analyse reproductible et riche en données de la morphologie et de l'alignement des fibres, soutenant la validation de cibles et la réduction des risques mécanistiques dans la recherche préclinique en oncologie et en fibrose. En fournissant des caractéristiques quantitatives des fibres spécifiques à leur localisation, cet outil renforce la fiabilité prédictive dans les systèmes pertinents pour la maladie et éclaire les décisions d'orientation ou d'abandon en phase précoce des pipelines de découverte.
Applications stratégiques en recherche et développement en biopharmaceutique
Découverte précoce et validation de cibles
- Valeur scientifique : Permet d'interroger l'architecture des fibres de collagène comme indicateur fonctionnel des interactions stroma-tumorales dans les modèles de cancer.
- Valeur opérationnelle : Fournit des métriques quantitatives sur les fibres, telles que la longueur, l'angle, la largeur et la rectitude, afin d'appuyer la vérification d'hypothèses concernant les cibles stromales.
- Valeur translationnelle : Facilite la détection biologique des risques en reliant les modifications de la MEC à des phénotypes pathologiques dans les contextes de cancer du sein, de l'ovaire, du rein et du pancréas.
Développement de tests et criblage
- Prêt-à-l'emploi du test : Génère des données standardisées et résistantes au bruit concernant la détection des bords des fibres et leur orientation, permettant une quantification reproductible du collagène sur de grands ensembles d'images.
- Évolutivité : Prend en charge le traitement par lots de centaines, voire de milliers d'images, permettant le criblage à haut débit de composés modulant la matrice extracellulaire.
- Sortie quantitative : Fournit jusqu'à trente caractéristiques des fibres, incluant la densité, l'alignement et l'orientation associée aux limites, pour la normalisation du test et la sélection des composés actifs.
Recherche translationnelle et préclinique
- Pertinence pour la maladie : Mesure directement la réorganisation du collagène associée à l'envahissement de la frontière tumorale dans les échantillons de microtableaux tissulaires.
- Continuité préclinique : Permet le suivi longitudinal de la rectitude et de l'alignement des fibres en tant que biomarqueurs pharmacodynamiques dans les études d'intervention thérapeutique.
- Progression ajustée au risque : Soutient les décisions d'aller ou de ne pas aller plus loin en quantifiant les effets des agents anti-fibrosants ou modulant la matrice sur l'intégrité du réseau de collagène.
Intégration du pipeline et du flux de travail
La plateforme s'intègre aux flux de travail de découverte, depuis les premiers tests d'hypothèses sur des cibles jusqu'à la validation préclinique, offrant une capacité réutilisable de phénotypage de la MEC dans les indications liées à l'oncologie et à la fibrose.
- Biologie de la découverte : Soutient la réduction des risques mécanistiques en quantifiant l'organisation des fibres de collagène comme paramètre fonctionnel de la modulation des voies du stroma.
- Criblage : Permet le développement de tests grâce à l'extraction automatisée des fibres et au seuil de détection pour le criblage de composés en culture 3D ou sur des sections tissulaires.
- Analytique : Fournit des résultats statistiques tels que l'angle des fibres par rapport aux limites tumorales et des mesures de rectilinéité pour l'analyse comparative entre conditions.
- Recherche translationnelle : Relie les modifications de la MEC observées en phase de découverte à la validation préclinique par le suivi des caractéristiques des fibres spécifiques à une région d'intérêt (ROI).
- Réutilisation en entreprise : Offre une plateforme standardisée et conviviale, déployable au sein de différentes équipes, pour une quantification cohérente du collagène dans divers modèles de maladies.
Impact opérationnel et organisationnel
- Valeur scientifique : Réduit l'ambiguïté mécanistique dans le ciblage stromal en fournissant des lectures directes et quantitatives de l'organisation des fibres de collagène.
- Valeur opérationnelle : Garantit la reproductibilité grâce à une réduction automatisée du bruit et un renforcement des contours par transformation en courbelettes, minimisant ainsi la variabilité dépendante de l'utilisateur.
- Valeur stratégique : Améliore l'efficacité du capital en permettant l'identification précoce d'agents modulant la matrice inefficaces grâce à un phénotypage quantitatif de la MEC.
- Impact sur le portefeuille : Éclaire la priorisation ajustée au risque en reliant les modifications de l'alignement du collagène à la réponse thérapeutique dans les modèles précliniques.
Considérations relatives à la mise en œuvre
- Nécessite une connaissance des modèles d'imagerie de la fibrose ou de l'oncologie et des formats d'images microscopiques de base.
- Dépend de l'environnement d'exécution MATLAB pour les modules CT-FIRE et CurveAlign.
- Exige une standardisation des paramètres d'acquisition d'images (résolution, coloration, contraste) afin de permettre la comparabilité entre études.
- Implique des adaptations à envisager lors de l'application à des structures linéaires non collagéniques, telles que l'élastine ou les fibres neuronales.
- Limité par la nécessité d'une définition manuelle des régions d'intérêt (ROI) dans les analyses associées aux limites, bien que des options d'automatisation existent via le gestionnaire de régions d'intérêt.
F.A.Q. sur la bio-industrie pharmaceutique
Chapters in this video
0:04
Introduction
0:43
CT-FIRE Fiber Extraction and Region of Interest (ROI) Analysis
2:34
Advanced CT-FIRE Post-Processing
4:09
CurveAlign Fiber Analysis: CT Mode Without Boundary
5:03
CurveAlign Fiber Analysis: CT-FIRE Mode with Boundary
6:14
CurveAlign Region of Interest (ROI) Analysis
6:56
Results: Representative Tumor-Associated Human Breast Cancer Tissue Microarray (TMA) Collagen Signatures
7:26
Conclusion
