Name: Reconstruction computationnelle des îlots pancréatiques comme outil d’analyse structurelle et fonctionnelle (Vidéo) | JoVE Journal
Uploaded: 2022-03-09T13:30:00.000+00:00
Duration: 7 min 58 s
Description: Découvrez la reconstruction computationnelle des îlots pancréatiques pour analyser leurs propriétés morphologiques et de connectivité. Cette méthode permet d'évaluer les implications fonctionnelles via des simulations informatiques.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

G.J. Félix-Martínez remercie le CONACYT (Consejo Nacional de Ciencia y Tecnología, Mexique) et le Département de génie électrique de l’Universidad Autónoma Metropolitana (Ville de Mexico) pour le soutien apporté à ce projet. Nous remercions le Dr Danh-Tai Hoang, le Dr Manami Hara et le Dr Junghyo Jo pour leur travail exceptionnel et leur générosité dans le partage des architectures d’îlots qui ont rendu ce travail possible avec la communauté de recherche.

REMARQUE : Un diagramme schématique du protocole est illustré à la figure 1. Une description étape par étape est donnée comme suit (voir le fichier supplémentaire 1 pour plus de détails sur les panneaux de contrôle utilisés à chaque étape du protocole).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/63351/63351fig01.jpg"> Figure 1 : Organigramme. Diagramme de flux décrivant l’ordre séquentiel du protocole tel qu’implémenté dans IsletLab. <a href="https://www.jove.com/files/ftp_upload/63351/63351fig01large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
1. Installation d’IsletLab sous Linux
REMARQUE: Suivez les instructions données dans les sections 2 et 3 du fichier supplémentaire 2 pour installer IsletLab dans Windows ou macOS.
<ol><li>Ouvrez un navigateur Internet et accédez à https://github.com/gjfelix/IsletLab. Téléchargez et extrayez les fichiers du référentiel IsletLab. REMARQUE : Le fichier supplémentaire 3 inclut une copie de la version d’IsletLab utilisée dans ce protocole.</li>
	<li>Vérifiez que les compilateurs gcc et nvcc sont installés. Ouvrez un terminal et tapez les commandes suivantes : gcc --version nvcc --version Suivez les instructions indiquées à la section 1 du fichier supplémentaire 2 si l’une de ces commandes n’est pas reconnue par le système.</li>
	<li>Téléchargez et installez la plateforme de science des données (voir Tableau des matériaux). Ouvrez un terminal et accédez au dossier IsletLab.</li>
	<li>Créez un nouvel environnement en tapant la commande suivante dans le terminal : conda env create -f isletlabgui_v1.0.yml
</li>
	<li>Activez le nouvel environnement en tapant : conda activer isletlab_v1.0
</li>
	<li>Lancez l’application IsletLab en tapant la commande suivante dans le terminal (voir Figure 2 pour une description de la fenêtre principale) : python isletlabgui_v1.0.py
</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/63351/63351fig02.jpg"> Figure 2 : Interface utilisateur d’IsletLab. L’interface est composée de trois panneaux principaux : les panneaux de configuration (1), de statistiques (2) et de graphiques (3). La barre d’outils graphique (4) se trouve en bas du panneau graphique. <a href="https://www.jove.com/files/ftp_upload/63351/63351fig02large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
2. Reconstruction des îlots
<ol><li>Préparez les données d’entrée. Organisez les données d’îlot d’entrée (c’est-à-dire les types de cellules et les coordonnées tridimensionnelles (3D)) dans un fichier à quatre colonnes dans lequel la colonne 1 contient le type de cellule (codé comme 11: ɑ-cell, 12: β-cell, 13: δ-cell) et les colonnes 2 à 4 contiennent les coordonnées x, y et z, respectivement (voir un extrait d’un fichier d’entrée dans la section 5 du fichier supplémentaire 2 ou le fichier de test d’entrée inclus dans le référentiel IsletLab).</li>
	<li>Assurez-vous que le fichier d’entrée n’inclut pas d’en-têtes de colonne. Utilisez l’exemple de fichier d’entrée inclus dans le référentiel IsletLab pour suivre le protocole si nécessaire (Input_Islet_test.txt). REMARQUE: Les données d’entrée utilisées pour développer les algorithmes mis en œuvre dans IsletLab ont été obtenues expérimentalement comme décrit en détail par Hoang et al.11,12 en utilisant la coloration DAPI pour déterminer les positions nucléaires et l’immunofluorescence pour identifier les types cellulaires.</li>
	<li>Cliquez sur le bouton Charger l’îlot initial et sélectionnez le fichier contenant les données d’entrée pour générer un îlot initial, la représentation 3D et les statistiques correspondantes. En cas d’erreur, le message suivant s’affiche : ' Erreur de chargement du fichier d’îlots'. Pour corriger cela, répétez l’étape 2.1.</li>
	<li>Configurez le processus de reconstruction. Cliquez sur le bouton Paramètres de reconstruction et modifiez les paramètres d’optimisation (voir les sections 4 et 5 du fichier supplémentaire 2 pour une brève description de l’algorithme et des paramètres affichés dans la fenêtre des paramètres de reconstruction).</li>
	<li>Définissez la température initiale = 1, le facteur d’itérations = 1 et le facteur d’acceptation = 1. Cliquez sur le bouton OK pour enregistrer les valeurs des paramètres. REMARQUE: En règle générale, une augmentation du paramètre de température, ainsi que des itérations et des facteurs d’acceptation, donnera de meilleurs résultats de reconstruction en termes de cellules expérimentales incluses dans l’îlot reconstruit au détriment d’une augmentation du temps de calcul.</li>
	<li>Cliquez sur le bouton Reconstruire l’îlot pour ouvrir la fenêtre du journal de reconstruction (voir la section 6 du fichier supplémentaire 2 pour une description des informations fournies dans le journal de reconstruction).</li>
	<li>Cliquez sur le bouton Exécuter pour démarrer le processus de reconstruction. Surveillez le processus d’optimisation jusqu’à ce que le message : « Veuillez fermer cette fenêtre pour continuer » s’affiche. Fermez la fenêtre du journal de reconstruction pour générer la représentation visuelle de l’îlot reconstruit et calculer les statistiques associées (voir la colonne de gauche de la figure 3A-C).</li>
	<li>Évaluez les résultats du processus de reconstruction en analysant les statistiques d’optimisation affichées dans l’onglet final de l’îlot du panneau des statistiques. En particulier, concentrez-vous sur la maximisation du pourcentage de cellules expérimentales incluses dans les îlots reconstruits (% des îlots expérimentaux) ou de manière équivalente, sur la minimisation du nombre de chevauchements (également représenté graphiquement dans le diagramme de convergence, colonne de droite de la figure 3A-C).</li>
	<li>Si le pourcentage de statistiques expérimentales est considéré comme faible selon les objectifs de l’utilisateur, redémarrez IsletLab comme décrit à l’étape 9.1, augmentez la température initiale, le facteur d’itérations et le facteur d’acceptation dans les paramètres de reconstruction et répétez les étapes 2.1-2.4 jusqu’à ce que des résultats satisfaisants soient obtenus (&gt; 95% des cellules expérimentales). Voir les sections 5 à 7 du dossier supplémentaire 2 pour une description plus détaillée du processus de reconstruction et des résultats connexes.</li>
</ol>3. Identification des contacts de cellule à cellule
<ol><li>Cliquez sur le bouton Paramètres de reconstruction et définissez le paramètre Tolérance de contact pour définir la tolérance de contact de cellule à cellule, puis cliquez sur OK pour enregistrer les valeurs des paramètres. REMARQUE : Le paramètre de tolérance de contact représente la distance maximale entre les cellules pour être considéré comme en contact.</li>
	<li>Cliquez sur le bouton Contacts de cellule à cellule pour identifier les cellules en contact étroit. Dans l’onglet Contacts, recherchez les cellules en contact affichées graphiquement (lignes noires) dans le panneau graphique et les statistiques correspondantes (c.-à-d. contacts totaux, homotypiques et hétérotypiques et ɑ-ɑ, β-β, δ-δ, ɑ-β, ɑ-δ, contacts β-δ) affichées dans le panneau des statistiques (voir la colonne de gauche de la figure 4A-C).</li>
	<li>Augmentez (diminuez) le paramètre de tolérance de contact pour augmenter (diminuer) le nombre de contacts de cellule à cellule. Voir la section 8 du dossier supplémentaire 2 pour plus de détails sur l’identification des contacts de cellule à cellule et les résultats associés.</li>
</ol>4. Construire le réseau d’îlots
<ol><li>Cliquez sur le bouton Créer un réseau pour générer le réseau d’îlots et calculer les mesures de réseau associées (voir la colonne de droite de la figure 4A-C). REMARQUE : Une description plus détaillée des résultats liés au réseau d’îlots généré est donnée à la section 9 du dossier supplémentaire 2.</li>
</ol>5. Simulation fonctionnelle de l’îlot reconstruit
<ol><li>Basculez vers l’onglet Simulation du panneau de configuration de l’interface (Figure 5).</li>
	<li>Sélectionnez le mode de fréquence intrinsèque souhaité - Constant ou Aléatoire - et cliquez sur le bouton Configurer la fréquence intrinsèque pour définir la fréquence des oscillateurs (en Hz). Si une fréquence intrinsèque aléatoire est sélectionnée, définissez la moyenne et l’écart (en Hz) pour générer des fréquences aléatoires normalement distribuées (voir la section 11 du fichier supplémentaire 2 pour une description des paramètres de simulation).</li>
	<li>Sélectionnez le mode souhaité de la phase initiale - Constant ou Aléatoire. Si une phase initiale constante est sélectionnée, cliquez sur le bouton Configurer la phase initiale pour définir la phase des oscillateurs (en radians). Si une phase initiale aléatoire est sélectionnée, le système attribuera des phases aléatoires comprises entre 0 et 2π à tous les oscillateurs. REMARQUE: Si une phase initiale constante est sélectionnée, tous les oscillateurs seront initialisés en phase.</li>
	<li>Cliquez sur le bouton Configurer les interactions pour définir les paramètres d’interaction de cellule à cellule dans la fenêtre de force d’interaction. Pour une description des paramètres d’interaction, reportez-vous à la section 11 du dossier supplémentaire 2.</li>
	<li>Configurez la simulation en définissant le temps total de simulation (en s), le pas de temps (en s) et le facteur d’enregistrement (nombre d’étapes entre les points de données enregistrés). Dans la simulation illustrée à la figure 5 , le temps total était de 20000 s, avec un pas de temps de 0,1 s et un facteur d’économie de 500.</li>
	<li>Définissez le nombre de blocs, de threads et de capacités de plate-forme de calcul disponibles pour effectuer la simulation. Définissez ces paramètres en fonction des caractéristiques spécifiques de l’unité de traitement graphique (GPU) disponible. REMARQUE: Dans l’exemple illustré à la figure 5, 36 blocs et 64 threads par bloc ont été utilisés (2304 cœurs de plate-forme informatique) car un GPU avec 36 multiprocesseurs et 64 cœurs de plate-forme informatique par multiprocesseur a été utilisé. La valeur du paramètre de capacité de la plate-forme de calcul utilisé était de 75 puisque la capacité de la plate-forme de calcul matériel était de 7,5 (voir la section 10 du fichier supplémentaire 2 pour plus de détails sur ces paramètres).</li>
	<li>Cliquez sur le bouton Exécuter la simulation pour ouvrir la fenêtre du journal de simulation. Cliquez sur le bouton Exécuter pour démarrer la simulation et surveiller le processus jusqu’à ce que la légende : « Veuillez fermer la fenêtre pour continuer » s’affiche. Reportez-vous à la section 12 du dossier supplémentaire 2 pour plus de détails sur le journal de simulation.</li>
	<li>Fermez la fenêtre du journal de simulation pour observer les résultats de la simulation (voir Figure 5). Des détails sur les résultats de la simulation sont donnés à la section 13 du dossier supplémentaire 2.</li>
</ol>6. Enregistrer le projet (facultatif)
<ol><li>Cliquez sur Fichier &gt; Exporter le projet dans la barre de menus. Sélectionnez le répertoire dans lequel le fichier projet sera enregistré et cliquez sur le bouton OK . Remarque : Le nom du fichier projet est déterminé automatiquement en fonction du nom du fichier de données initial. Si le projet n’est pas enregistré, tous les résultats et les fichiers associés seront automatiquement supprimés.</li>
	<li>Chargez un projet exporté en cliquant sur Fichier &gt; Charger le projet.</li>
</ol>7. Enregistrer les chiffres (facultatif)
<ol><li>Cliquez sur l’icône Enregistrer le tracé située dans la barre d’outils du tracé pour enregistrer la visualisation actuelle dans un fichier image. Répétez cette étape pour toutes les figures créées tout au long du protocole. REMARQUE : Les tracés et les visualisations d’îlots peuvent être modifiés à l’aide des icônes disponibles dans la barre d’outils du tracé du panneau graphique.</li>
</ol>8. Charger le projet (facultatif)
<ol><li>Cliquez sur Fichier &gt; Charger le projet dans le menu principal et sélectionnez un fichier projet enregistré précédemment comme décrit aux étapes 6.1 à 6.2. Remarque : Un projet ne sera pas chargé correctement si le fichier projet a été modifié en externe. Si un projet est chargé avec succès, seules les fonctionnalités de simulation seront disponibles.</li>
</ol>9. Redémarrez le processus de reconstruction et d’analyse (facultatif)
<ol><li>À tout moment, l’utilisateur peut sélectionner Fichier &gt; Redémarrer pour ignorer tous les résultats et commencer une nouvelle reconstruction et analyse.</li>
</ol>

<ol><li>Chen, L., Pan, X., Zhang, Y. H., Huang, T., Cai, Y. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+Gene+Expression+Differences+between+Different+Pancreatic+Cells%5BTitle%5D)+AND+%22ACS+Omega%22%5BJournal%5D)">Analysis of Gene Expression Differences between Different Pancreatic Cells.</a> ACS Omega. 4 (4), 6421-6435 (2019).</li>
<li>Longnecker, D. S., Gorelick, F., Thompson, E. D., Histology, Anatomy, Histology, and Fine Structure of the Pancreas. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLongnecker%2C+DS+%22The+Pancreas%22">The Pancreas</a>. Beger, H. G., Warshaw, A. L., Hruban, R. H., Buchler, M. W., Lerch, M. M., Neoptolemos, J. P., Shimosegawa, T., Whitcomb, D. C., GroB, C. , Wiley Online Library. (2018).</li>
<li>Liao, E. P., Brass, B., Abelev, Z., Poretsky, L. Endocrine Pancreas. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLiao%2C+EP+%22Principles+of+Diabetes+Mellitus%22">Principles of Diabetes Mellitus</a>. Poretsky, L. , Springer. Cham. (2017).</li>
<li>Noguchi, G. M., Huising, M. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integrating+the+inputs+that+shape+pancreatic+islet+hormone+release%5BTitle%5D)+AND+%22Nature+Metabolism%22%5BJournal%5D)">Integrating the inputs that shape pancreatic islet hormone release.</a> Nature Metabolism. 1, 1189-1201 (2019).</li>
<li>Pérez-Armendariz, E. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Connexin+36%2C+a+key+element+in+pancreatic+beta+cell+function%5BTitle%5D)+AND+%22Neuropharmacology%22%5BJournal%5D)">Connexin 36, a key element in pancreatic beta cell function.</a> Neuropharmacology. 75, 557-566 (2013).</li>
<li>Briant, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%CE%B4-cells+and+%CE%B2-cells+are+electrically+coupled+and+regulate+%CE%B1-cell+activity+via+somatostatin%5BTitle%5D)+AND+%22The+Journal+of+Physiology%22%5BJournal%5D)">δ-cells and β-cells are electrically coupled and regulate α-cell activity via somatostatin.</a> The Journal of Physiology. 596 (2), 197-215 (2018).</li>
<li>Arrojoe Drigo, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+insights+into+the+architecture+of+the+islet+of+Langerhans%3A+a+focused+cross-species+assessment%5BTitle%5D)+AND+%22Diabetologia%22%5BJournal%5D)">New insights into the architecture of the islet of Langerhans: a focused cross-species assessment.</a> Diabetologia. 58 (10), 2218-2228 (2015).</li>
<li>Cabrera, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+unique+cytoarchitecture+of+human+pancreatic+islets+has+implications+for+islet+cell+function%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">The unique cytoarchitecture of human pancreatic islets has implications for islet cell function.</a> Proceedings of the National Academy of Sciences of the United States of America. 103 (7), 2334-2339 (2006).</li>
<li>Folli, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pancreatic+islet+of+Langerhans%27+cytoarchitecture+and+ultrastructure+in+normal+glucose+tolerance+and+in+type+2+diabetes+mellitus%5BTitle%5D)+AND+%22Diabetes%2C+Obesity+%26+Metabolism%22%5BJournal%5D)">Pancreatic islet of Langerhans' cytoarchitecture and ultrastructure in normal glucose tolerance and in type 2 diabetes mellitus.</a> Diabetes, Obesity & Metabolism. 20, Suppl 2 137-144 (2018).</li>
<li>Kilimnik, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+islet+composition+and+disproportionate+loss+of+large+islets+in+patients+with+type+2+diabetes%5BTitle%5D)+AND+%22PloS+One%22%5BJournal%5D)">Altered islet composition and disproportionate loss of large islets in patients with type 2 diabetes.</a> PloS One. 6 (11), 27445(2011).</li>
<li>Hoang, D. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Conserved+Rule+for+Pancreatic+Islet+Organization%5BTitle%5D)+AND+%22PloS+One%22%5BJournal%5D)">A Conserved Rule for Pancreatic Islet Organization.</a> PloS One. 9 (10), 110384(2014).</li>
<li>Hoang, D. T., Hara, M., Jo, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design+Principles+of+Pancreatic+Islets%3A+Glucose-Dependent+Coordination+of+Hormone+Pulses%5BTitle%5D)+AND+%22PloS+One%22%5BJournal%5D)">Design Principles of Pancreatic Islets: Glucose-Dependent Coordination of Hormone Pulses.</a> PloS One. 11 (4), 0152446(2016).</li>
<li>Brissova, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+human+pancreatic+islet+architecture+and+composition+by+laser+scanning+confocal+microscopy%5BTitle%5D)+AND+%22The+Journal+of+Histochemistry+and+Cytochemistry%3A+Official+Journal+of+the+Histochemistry+Society%22%5BJournal%5D)">Assessment of human pancreatic islet architecture and composition by laser scanning confocal microscopy.</a> The Journal of Histochemistry and Cytochemistry: Official Journal of the Histochemistry Society. 53 (9), 1087-1097 (2005).</li>
<li>Félix-Martinez, G. J., Godínez-Fernández, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mathematical+models+of+electrical+activity+of+the+pancreatic+%CE%B2-cell%3A+a+physiological+review%5BTitle%5D)+AND+%22Islets%22%5BJournal%5D)">Mathematical models of electrical activity of the pancreatic β-cell: a physiological review.</a> Islets. 6 (3), 949195(2014).</li>
<li>Félix-Martínez, G. J., González-Vélez, V., Godínez-Fernández, J. R., Gil, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electrophysiological+models+of+the+human+pancreatic+%CE%B4-cell%3A+From+single+channels+to+the+firing+of+action+potentials%5BTitle%5D)+AND+%22International+Journal+for+Numerical+Methods+in+Biomedical+Engineering%22%5BJournal%5D)">Electrophysiological models of the human pancreatic δ-cell: From single channels to the firing of action potentials.</a> International Journal for Numerical Methods in Biomedical Engineering. 36 (2), 3296(2020).</li>
<li>Watts, M., Sherman, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+the+pancreatic+%CE%B1-cell%3A+dual+mechanisms+of+glucose+suppression+of+glucagon+secretion%5BTitle%5D)+AND+%22Biophysical+Journal%22%5BJournal%5D)">Modeling the pancreatic α-cell: dual mechanisms of glucose suppression of glucagon secretion.</a> Biophysical Journal. 106 (3), 741-751 (2014).</li>
<li>Lei, C. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Beta-cell+hubs+maintain+Ca2%2B+oscillations+in+human+and+mouse+islet+simulations%5BTitle%5D)+AND+%22Islets%22%5BJournal%5D)">Beta-cell hubs maintain Ca2+ oscillations in human and mouse islet simulations.</a> Islets. 10 (4), 151-167 (2018).</li>
<li>Watts, M., Ha, J., Kimchi, O., Sherman, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Paracrine+regulation+of+glucagon+secretion%3A+the+%CE%B2%2F%CE%B1%2F%CE%B4+model%5BTitle%5D)+AND+%22American+Journal+of+Physiology.+Endocrinology+and+Metabolism%22%5BJournal%5D)">Paracrine regulation of glucagon secretion: the β/α/δ model.</a> American Journal of Physiology. Endocrinology and Metabolism. 310 (8), 597-611 (2016).</li>
<li>Félix-Martínez, G. J., Mata, A., Godínez-Fernández, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reconstructing+human+pancreatic+islet+architectures+using+computational+optimization%5BTitle%5D)+AND+%22Islets%22%5BJournal%5D)">Reconstructing human pancreatic islet architectures using computational optimization.</a> Islets. 12 (6), 121-133 (2020).</li>
<li>Hellman, B., Salehi, A., Gylfe, E., Dansk, H., Grapengiesser, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Glucose+generates+coincident+insulin+and+somatostatin+pulses+and+antisynchronous+glucagon+pulses+from+human+pancreatic+islets%5BTitle%5D)+AND+%22Endocrinology%22%5BJournal%5D)">Glucose generates coincident insulin and somatostatin pulses and antisynchronous glucagon pulses from human pancreatic islets.</a> Endocrinology. 150 (12), 5334-5340 (2009).</li>
<li>Hellman, B., Salehi, A., Grapengiesser, E., Gylfe, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Isolated+mouse+islets+respond+to+glucose+with+an+initial+peak+of+glucagon+release+followed+by+pulses+of+insulin+and+somatostatin+in+antisynchrony+with+glucagon%5BTitle%5D)+AND+%22Biochemical+and+Biophysical+Research+Communications%22%5BJournal%5D)">Isolated mouse islets respond to glucose with an initial peak of glucagon release followed by pulses of insulin and somatostatin in antisynchrony with glucagon.</a> Biochemical and Biophysical Research Communications. 417 (4), 1219-1223 (2012).</li>
<li>Félix-Martínez, G. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((IsletLab%3A+an+application+to+reconstruct+and+analyze+islet+architectures%5BTitle%5D)+AND+%22Islets%22%5BJournal%5D)">IsletLab: an application to reconstruct and analyze islet architectures.</a> Islets. 14 (1), 36-39 (2022).</li>
<li>Félix-Martínez, G. J., Godínez-Fernández, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparative+analysis+of+reconstructed+architectures+from+mice+and+human+islets%5BTitle%5D)+AND+%22Islets%22%5BJournal%5D)">Comparative analysis of reconstructed architectures from mice and human islets.</a> Islets. 14 (1), 23-35 (2022).</li>
</ol>

Les auteurs n’ont rien à divulguer.

Le protocole ci-dessus décrit une approche pratique pour reconstruire et analyser les architectures d’îlots pancréatiques à l’aide de nouveaux algorithmes de calcul. L’objectif principal de ces travaux est de permettre à la communauté de recherche sur les îlots de dériver des mesures quantitatives pour caractériser les propriétés morphologiques et de connectivité des architectures d’îlots pancréatiques et d’évaluer les implications fonctionnelles possibles de ces propriétés via des simulations informatiques....

Le pancréas est divisé en régions appelées tête, cou, corps et queue, chacune ayant des structures, des fonctions et une position anatomiquedifférentes 1,2. D’un point de vue fonctionnel, le pancréas peut être divisé en systèmes endocrinien et exocrine, le premier étant responsable de la sécrétion d’hormones impliquées de manière critique dans la régulation de l’homéostasie du glucose, tandis que le second contribue à la digestion des aliments via la sécrétion d’enzymes dans le duodénum1. Les îlots pancréatiques constituent le tissu endocrinien du pancréas et sont responsables de la sécrétion de glucagon, d’insuline et de somatostatine, sécrétés respectivement par les cellules ɑ, β et δ,respectivement 3. En plus de leurs mécanismes de régulation intrinsèques, ces cellules sont régulées par une communication électrique directe (entre les cellules β et les β probables et les cellules δ), ainsi que par la signalisation paracrine et autocrine 4,5,6. Les deux mécanismes dépendent fortement de l’architecture de l’îlot (c.-à-d. la composition et l’organisation des différents types de cellules dans l’îlot)7,8. Il est important de noter que l’architecture des îlots est altérée en présence de diabète, ce qui perturbe très probablement la communication intra-îlot en conséquence 9,10.
L’étude des îlots pancréatiques implique un large éventail de méthodologies expérimentales. Parmi ceux-ci, l’utilisation de techniques de fluorescence pour déterminer le nombre, l’emplacement et le type des différentes cellules de l’îlot a permis d’étudier les propriétés structurelles et morphologiques des îlots pancréatiques 11,12,13 et de mieux comprendre les implications fonctionnelles pour la santé et la maladie. En complément, des modèles informatiques de cellules pancréatiques 14,15,16 et, plus récemment, d’îlots pancréatiques 12,17,18,19 ont été utilisés au cours des dernières décennies pour évaluer des aspects difficiles, voire impossibles à traiter expérimentalement.
Dans ce protocole, nous visons à combler le fossé entre le travail expérimental et informatique en décrivant une méthodologie pour reconstruire les architectures d’îlots, analyser leurs propriétés morphologiques et de connectivité à travers des métriques quantitatives, et effectuer des simulations de base pour évaluer les implications fonctionnelles des propriétés des îlots.
Le protocole décrit ci-dessous est basé sur des algorithmes de calcul spécialement conçus pour l’étude des îlots pancréatiques. En résumé, dans la première étape du protocole, l’architecture des îlots est reconstruite à partir de données expérimentales à l’aide de l’algorithme récemment proposé par Félix-Martínez et al.19 dans laquelle les positions nucléaires obtenues par coloration au 4′,6-diamidino-2-phénylindole (DAPI) et les types cellulaires identifiés par immunofluorescence (comme décrit en détail par Hoang et al.11,12 ) sont traités dans le cadre d’une procédure d’optimisation itérative. Cela conduit à déterminer la taille et la position optimales de chaque cellule et à obtenir un îlot composé de cellules qui ne se chevauchent pas. Deuxièmement, sur la base de l’architecture reconstruite, des contacts de cellule à cellule sont identifiés pour déterminer les propriétés de connectivité et générer le réseau d’îlots correspondant qui permet à l’utilisateur d’obtenir des mesures quantitatives pour décrire plus en détail l’architecture des îlots (les détails sur l’algorithme de reconstruction peuvent être consultés dans le travail original sur le sujet19). Enfin, des simulations fonctionnelles de base sont réalisées à l’aide de l’approche de modélisation proposée par Hoang et al.12 dans laquelle, sur la base de la nature pulsatile de la sécrétion hormonale observée expérimentalement 20,21, chaque cellule est traitée comme un oscillateur, et donc l’îlot est représenté comme un réseau d’oscillateurs couplés suivant les propriétés de connectivité de l’îlot reconstruit.
Compte tenu de la complexité de calcul des algorithmes utilisés dans ce protocole, toutes les étapes impliquées ont été implémentées dans une application autonome22 avec l’objectif principal d’approcher ces outils de calcul à tous les lecteurs intéressés quel que soit leur niveau d’expérience dans l’utilisation de logiciels spécialisés ou de langages de programmation.

<table><tbody><tr>Carte <td></td><td></td><td>graphique NVIDIA compatible CUDA</td><td>Requise pour les simulations fonctionnelles</td></tr><tr><td>IsletLab</td><td></td><td></td><td>https://github.com/gjfelix/IsletLab (Suivez les instructions pour télécharger et installer l’application.)</td></tr></tbody></table>

reconstruction computationnelle des îlots pancréatiques comme outil d’analyse structurelle et fonctionnelle

Computational Reconstruction of Pancreatic Islets as a Tool for Structural and Functional Analysis

Les propriétés structurelles des îlots pancréatiques sont essentielles à la réponse fonctionnelle des cellules sécrétant de l’insuline, du glucagon et de la somatostatine, en raison de leurs implications dans la communication intra-îlot via la signalisation électrique, paracrine et autocrine. Dans ce protocole, l’architecture tridimensionnelle d’un îlot pancréatique est d’abord reconstruite à partir de données expérimentales à l’aide d’un nouvel algorithme de calcul. Ensuite, les propriétés morphologiques et de connectivité de l’îlot reconstruit, telles que le nombre et les pourcentages des différents types de cellules, le volume cellulaire et les contacts de cellule à cellule, sont obtenues. Ensuite, la théorie des réseaux est utilisée pour décrire les propriétés de connectivité de l’îlot à l’aide de mesures dérivées du réseau telles que le degré moyen, le coefficient de clustering, la densité, le diamètre et l’efficacité. Enfin, toutes ces propriétés sont évaluées fonctionnellement par des simulations computationnelles utilisant un modèle d’oscillateurs couplés. Dans l’ensemble, nous décrivons ici un flux de travail étape par étape, mis en œuvre dans IsletLab, une application multiplateforme développée spécifiquement pour l’étude et la simulation d’îlots pancréatiques, afin d’appliquer une nouvelle méthodologie de calcul pour caractériser et analyser les îlots pancréatiques en complément du travail expérimental.

La reconstruction des îlots pancréatiques à l’aide de la méthodologie proposée par Félix-Martínez et al.19 dépend fortement des paramètres donnés à l’algorithme d’optimisation (définis dans les paramètres de reconstruction). Un exemple de ceci est montré visuellement dans la figure 3 où des îlots reconstruits obtenus à l’aide de différents ensembles de paramètres sont montrés. Tout d’abord, dans la figure 3A, une reconstruction qui compre...

Dans ce protocole, les îlots pancréatiques sont reconstruits et analysés à l’aide d’algorithmes de calcul implémentés dans une application multiplateforme dédiée.

Reconstruction computationnelle des îlots pancréatiques comme outil d’analyse structurelle et fonctionnelle

Structural properties of pancreatic islets are key for the functional response of insulin, glucagon, and somatostatin-secreting cells, due to their ...

Ce protocole est important car il décrit une charge de travail de calcul pour reconstruire les architectures d’îlots, analyser leurs propriétés morphologiques et de connectivité, et évaluer leurs implications fonctionnelles via des simulations informatiques. Le principal avantage est qu’il fournit un moyen de mettre en œuvre des algorithmes de calcul haute performance pour compléter les travaux théoriques et expérimentaux dans le domaine de la recherche sur les îlots. Cette méthodologie peut être particulièrement utile pour comparer les propriétés morphologiques et de connectivité d’îlots sains et altérés ou pour comparer les architectures d’îlots de différentes espèces animales.Pour commencer, vérifiez que les compilateurs GCC et NVCC sont installés. Ouvrez un terminal en exécutant les commandes et suivez les instructions fournies dans le texte si l’une de ces commandes n’est pas reconnue par le système. Ouvrez un terminal et accédez au dossier IsletLab.Créez un nouvel environnement en exécutant la commande dans le terminal. Activez le nouvel environnement en exécutant la commande. Lancez l’application IsletLab en exécutant la commande dans le terminal.Pour préparer les données d’entrée, organisez les données d’îlot d’entrée dans un fichier à quatre colonnes dans lequel la première colonne est le type de cellule et les deuxième, troisième et quatrième colonnes sont les coordonnées X, Y et Z des cellules d’entrée, respectivement, en veillant à ce que le fichier d’entrée n’inclue pas d’en-têtes de colonne. Cliquez sur le bouton Charger l’îlot initial et sélectionnez le fichier contenant les données d’entrée pour générer un îlot initial, la représentation tridimensionnelle et les statistiques correspondantes. Pour configurer le processus de reconstruction, cliquez sur le bouton Paramètres de reconstruction et modifiez les paramètres d’optimisation.Cliquez sur le bouton OK pour enregistrer les valeurs des paramètres. Cliquez sur le bouton Reconstruire l’îlot pour ouvrir la fenêtre Journal de reconstruction. Cliquez sur le bouton Exécuter pour démarrer le processus de reconstruction.Évaluez les résultats du processus de reconstruction en analysant les statistiques d’optimisation affichées dans l’onglet Îlot final du panneau des statistiques en vous concentrant sur la maximisation du pourcentage de cellules expérimentales incluses dans les îlots reconstruits ou, de manière équivalente, sur la minimisation du nombre de chevauchements. Si le pourcentage de statistiques expérimentales est considéré comme faible en fonction des objectifs de l’utilisateur, cliquez sur le menu Fichier et sélectionnez Redémarrer. Cliquez sur le bouton Charger l’îlot initial et sélectionnez le fichier contenant les données d’entrée pour générer un îlot initial.Augmentez ensuite la température initiale, le facteur Itérations et le facteur d’acceptation dans les paramètres de reconstruction, puis répétez le processus de reconstruction des îlots décrit précédemment jusqu’à ce que des résultats satisfaisants soient obtenus. Cliquez sur les paramètres de reconstruction et sélectionnez Tolérance de contact pour définir la tolérance de contact de cellule à cellule. Cliquez sur OK pour enregistrer les valeurs des paramètres.Cliquez sur le bouton Contacts de cellule à cellule pour identifier les cellules en contact étroit. Cliquez sur le bouton Créer un réseau pour générer le réseau d’îlots et calculer la matrice de réseau associée. Basculez vers l’onglet Simulation du panneau de configuration de l’interface.Sélectionnez le mode de fréquence intrinsèque souhaité, Constant ou Aléatoire. Cliquez sur le bouton Configurer la fréquence intrinsèque pour définir la fréquence de l’oscillateur en hertz. Sélectionnez le mode souhaité de la phase initiale, Constant ou Aléatoire.Cliquez sur le bouton Configurer les interactions pour définir les paramètres d’interaction de cellule à cellule dans la fenêtre Intensité d’interaction. Configurez la simulation en définissant le temps total de simulation, le pas de temps et le facteur d’enregistrement. Définissez le nombre de blocs, de threads et de capacités de plate-forme de calcul disponibles pour effectuer la simulation.Cliquez sur le bouton Exécuter la simulation pour ouvrir la fenêtre Journal de simulation. Cliquez sur le bouton Exécuter pour démarrer la simulation et surveiller le processus jusqu’à ce que la légende Veuillez fermer la fenêtre pour continuer s’affiche. Fermez ensuite la fenêtre Journal de simulation pour observer les résultats de la simulation.Cliquez sur Fichier et sélectionnez Exporter le projet dans la barre de menus. Sélectionnez le répertoire dans lequel le fichier projet sera enregistré et cliquez sur le bouton OK. La reconstruction des îlots à l’aide d’ensembles de paramètres sous-optimaux dans les paramètres de reconstruction a été obtenue, y compris 86,6% des cellules initiales.L’augmentation de la température initiale, de l’itération et des facteurs d’acceptation a entraîné un pourcentage plus élevé de cellules initiales de 93,37 et 99,15% dans les îlots reconstruits. Les diagrammes de convergence du processus de reconstruction ont été obtenus, démontrant l’évolution des cellules superposées en fonction de la température. L’identification des contacts de cellule à cellule à partir des architectures d’îlots reconstruites dépend de la valeur du paramètre de tolérance de contact.Seulement 290 contacts de cellule à cellule ont été identifiés pour la valeur d’un micromètre, tandis que pour deux micromètres, le contexte total identifié est passé à 636 et 731, respectivement. Le diagramme de réseau a été obtenu qui fournit une représentation visuelle des contacts de cellule à cellule qui sont connectés ensemble. Les résultats de la simulation ont démontré que les cellules alpha et bêta oscillent complètement déphasées, tandis que les cellules delta oscillent en phase avec les cellules alpha et bêta.Le comportement oscillatoire de l’îlot était dominé par les oscillations des cellules alpha avec une contribution mineure de l’autre population cellulaire. Le diagramme de l’indice de synchronisation des îlots a été obtenu qui fournit la mesure de la cohérence de phase des oscillations entre les cellules des îlots et de la variation de la synchronicité entre les cellules des îlots au fil du temps. Toutes les mesures dérivées et les simulations fonctionnelles dépendent du processus de reconstruction, il est donc essentiel d’atteindre le pourcentage le plus élevé de cellules initiales dans les îlots reconstruits.Les îlots reconstruits obtenus à partir de cette procédure peuvent être utilisés pour développer des modèles informatiques plus réalistes des îlots pancréatiques en incluant une description biophysique détaillée des cellules des îlots.

computational-reconstruction-pancreatic-islets-as-tool-for-structural

Research

Recherche

JoVE Journal

Bioengineering

Bioingénierie

Méthodes assistées par ordinateur du roman achats à grande échelle et d'analyse des échantillons pancréatiques immunohistochimiquement colorées sont décrites: (1) la capture Slice virtuelle de toute la section, l'analyse de masse (2) de données à grande échelle; (3) la reconstruction de la 2D tranches virtuelles (4); cartographie des îlots 3D, et (5) L'analyse mathématique.

Assistée par ordinateur à grande échelle de visualisation et quantification de la messe des îlots pancréatiques, distribution de taille et d&#39;architecture

Cette vidéo montre des procédures pour la caractérisation des îlots pancréatiques humains en utilisant l'hématoxyline et l'éosine (H &amp; E) et l'immunohistochimie (IHC). Sections du pancréas, de la tête, le corps et les régions de la queue sont colorées à la fois par H &amp; E et IHC pour déterminer la composition du système endocrinien îlot (insuline, le glucagon, et le polypeptide pancréatique), la réplication des cellules (Ki67), et des infiltrats inflammatoires (H &amp; E, CD3). La région...

Protocoles de coloration pour des îlots pancréatiques humains

Nous présentons ici un passif de protocole aux sections pancréas humain image en trois dimensions (3D) à l’aide en optimisé méthodes de compensation. Ce manuscrit montre ces procédures de compensation optique passive, suivie par plusieurs immunofluorescence souillant pour identifier les éléments clés des réseaux neurones autonomes et sensitifs innervant les îlots humains.

Imagerie 3D à haute résolution du réseau Neuro-insulaire pancréas humain

Nous présentons ici un protocole pour produire de l’insuline exprimant 3D pancreatoids murin de progéniteurs pancréatique flottant e10.5 dissocié et le mésenchyme associé.

Génération d’insuline exempte d’échafaudage, en trois dimensions exprimant Pancreatoids de souris progéniteurs pancréatique In Vitro

Des études ex vivo îlots pancréatiques sont importants pour la recherche sur le diabète. Les techniques existantes pour étudier des îlots cultivés dans leur architecture 3D natif sont chronophages, inefficace et rarement utilisés. Cet ouvrage décrit une méthode nouvelle, simple et efficace pour générer des sections de paraffine de haute qualité des îlots cultivés ensemble.

Îlots pancréatiques, enrobage pour les Sections de paraffine

Nous décrivons une méthode pour isoler des cellules endocrines du pancréas embryonnaires, néonatals et postnatals suivies par séquençage de RNA unicellulaires. Cette méthode permet des analyses du développement de la lignée endocrine du pancréas, de la cellule hétérogénéité et transcriptomique dynamique.

Analyse transcriptomique unicellulaire de cellules endocrines pancréatiques de souris

Nous présentons la préparation de tranches de tissu pancréatique aigu et leur utilisation en microscopie confocale à balayage laser pour étudier simultanément la dynamique du calcium dans un grand nombre de cellules vivantes, sur de longues périodes et avec une résolution spatio-temporelle élevée.

Microscopie confocale à balayage laser de la dynamique du calcium dans les tranches de tissu pancréatique aigu de souris

Ce protocole décrit comment générer des coupes de pancréas humain à partir de donneurs d’organes décédés afin d’étudier la fonction cellulaire dans des conditions quasi physiologiques. Cette approche novatrice permet d’étudier les îlots normaux et structurellement endommagés et l’interaction complexe entre les compartiments endocriniens et exocrines.

Génération de coupes de tissu pancréatique humain pour étudier la physiologie endocrinienne et exocrine du pancréas

Dans cet article, nous présentons une méthode basée microfluidique pour le confinement des particules repose sur l'écoulement hydrodynamique. Nous démontrons le piégeage des particules stables à un point de stagnation du liquide en utilisant un mécanisme de contrôle de rétroaction, permettant ainsi à l'isolement et la micromanipulation de particules arbitraires dans un microdispositif intégré.

Un piège hydrodynamique microfluidique à base de particules uniques

Une méthode pour suivre la fusion cellulaire dans les organismes vivants au cours du temps est décrite. L'approche utilise...

Une approche recombinaison Cre-Lox P pour la détection de la fusion cellulaire In Vivo</em

Découvrez la reconstruction computationnelle des îlots pancréatiques pour analyser leurs propriétés morphologiques et de connectivité. Cette méthode permet d'évaluer les implications fonctionnelles via des simulations informatiques.

Reconstruction computationnelle des îlots pancréatiques comme outil d’analyse structurelle et fonctionnelle

Explorer plus de vidéos