February 27th, 2026
עבודה זו מתארת פרוטוקול לכימות צורת הסחוס הקרניופציאלי באמצעות תוכנה חופשית (tpsDigs2, MorphoJ ו-PAST) למדידת שינויים במבנה הפנים של זחלי דגי זברה.
המחקר שלנו עושה שימוש בתוכנה מורפומטרית כדי לכמת האם אתנול ו-bmp7a פועלים יחד וגורמים לפגמים עדינים בגולגולת-פנים בדגי זברה. מדידות ליניאריות מפספסות שינויים עדינים. בשיטה זו, אנו משתמשים בנקודות ציון כדי לכמת שינויים בצורות תוך שליטה בהבדלי הגודל.
כדי להתחיל, פתח את תוכנת tpsDigs2. לחץ על 'קלט מקור', ואז 'קובץ', ובחר את קובץ ה-TPS Notepad השמור. לחץ על אפשרויות כדי להמחיש את אפשרות כלי התמונה.
הגדר את אורך הייחוס ל-100 מיקרומטר ולחץ על קנה מידה קבוע. לחץ על אישור כדי לאשר את פרמטרי הגודל, ואז צא מחלון כלי התמונה. לאחר מכן, לחץ על סמל המטרה והניח את הסימן הראשון במפרק האמצע בין סחסי המקל.
יש למקם את הנקודות ציון השניות במפרקים הדו-צדדיים בין סחוס מקל לסחוס הפלטוקוודרט. יש למקם את הסימן השלישי במפרק האמצע בין סחוס הצרטוהיאל, ואת הסימן הרביעי במפרקים הדו-צדדיים בין סחוס הפלאטוקוודרט והסחוס הסרטוהיאלי. לאחר מכן, יש למקם את הסימנים החמישיים בקצה הדיסטלי של סחוס ההיומנדיבולריים, כדי להבטיח שהסימנים מסודרים באותו סדר לכל תמונה.
לאחר הצבת נקודות ציון, לחץ על קובץ כדי לפתוח את תפריט הנפתח. בחר בשמירת נתונים, ואז Overwrite כדי לשמור את הקובץ המעודכן. צא מתוכנת tpsDigs2.
השיק את תוכנת MorphoJ. לחץ על קובץ, בחר יצירת מערך נתונים חדש, והקצה שם למאגר הנתונים. לחץ על TPS ובחר את קובץ ה-Notepad שמכיל את נקודות הנתונים החדשות.
לאחר מכן, צור את מערך הנתונים. ב-Project Tree, לחץ על מערך הנתונים. בחרו מוקדמות, ואז New Procrustes Fit.
בחר יישור לפי צירים ראשיים ולחץ על ביצוע התאמה של פרוקרסט. בשלבים מוקדמים, בחר ב-Generate Covariance Matrix כדי לקבל את קואורדינטות פרוקרסט. בצע את הפונקציה כשמתבקשים.
כעת, בחר ליצור או לערוך Wireframe ולקשר את הנקודות בתמונות. לחץ על נקודות מקושרות וקבל או צור את התמונה, ואז ערוך מסווגים לפי הצורך. פתח תוכנת גיליון אלקטרוני תוך שמירה על MorphoJ פתוח.
הזן מידע מסווג כמו GENOTYPE, TREATMENT, ו-GENOTYPE TREATMENT, ואז שמור את הקובץ כקובץ CSV. ב-MorphoJ, לחץ על File ובחר Import Classifier Variables כדי לייבא את קובץ CSV. חזור ל-Project Tree ולחץ על מערך הנתונים.
ב-Preliminaries, בחר ב-Edit Classifiers כדי לוודא שכל התמונות כלולות. ב-Project Tree, בחר CovMatrix, ואז לחץ על Variation בראש הדף. בחר בניתוח רכיב עיקרי כדי לחשב ציוני רכיב עיקרי.
לחצו על ציוני המחשב כדי להציג את הגרף שנוצר. לחץ קליק ימני על הגרף ובחר באליפסיס ביטחון כדי להוסיף את המסווג הרצוי. בחר נקודות נתוני צבע, הקצה צבעים, ולחץ על אישור כדי להחיל שינויים.
תחת Preliminaries, בחר ב-Set Options עבור גרף הצורה הממוקם בתחתית המסך. בחר גרפים של מסגרת חוט ושנה את צבעי צורת היעד, צורת ההתחלה והמספרים. בחר וריאציה, ואז בחר פרוקרוסטס ANOVA.
ייצוא את תוצאות ה-ANOVA של פרוקרוסט לקובץ הגיליון שנוצר קודם. ב-MorphoJ, בחר את מערך הנתונים המקורי ב-Project Tree. לחץ על השוואה, ואז ניתוח משתנים קנוני.
בחר את משתני המסווג GENOTYPE TREATMENT ובצע את הפונקציה. כדי לייצא את התוצאות, לחץ על לשונית התוצאות ולחץ קליק ימני על דף התוצאות. בחר ייצוא לקובץ ושמור את התוצאות.
ב-Project Tree, בחר ניתוח משתנים קנוני, ואז תקבל ציונים. לחץ על קובץ, בחר ייצוא מערך נתונים, בחר את סוג הנתונים וטיפול גנוטיפ. שמור את ציוני ה-CVA כקובץ TXT.
כדי להכין את הקובץ לתוכנת PAST, פתח את ציוני CVA השמורים בעורך טקסט. החלף את מזהה המונח בפינה השמאלית העליונה בתווית ושמור את הקובץ הערוך. פתח את תוכנת PAST ולחץ על קובץ, ואז פתח כדי לבחור את קובץ ציוני CVA הערוך.
בחלון הייבוא. בחר שמות, נתונים לשורה ולעמודה ולטאב כמפריד, ואז לחץ על ייבוא. בלשונית ההצגה, בחר מאפייני עמודה.
בתפריט הנפתח ליד Type, הקצה Group לעמודה הראשונה שמכילה משתני מסווגים. הדגישו את הרכיב הראשי או עמודות הנתונים המשתנות הקנוניות. בחר ב-Multivariate, אחר כך ב-Tests, ובחר ב-Multivariate normality כדי להריץ את בדיקת הנורמליות בנפרד עבור נתוני רכיב ראשי ונתוני משתנים קנוניים.
לחצו על התא האפור הריק בפינה השמאלית העליונה מעל Type כדי לבחור את כל מערך הנתונים. בחר רב-משתנים, אחר כך בדיקות, ובחר ניתוח רב-משתני של וריאנטים לביצוע הניתוח. ייצא את תוצאות ה-MANOVA לקובץ הגיליון שנוצר קודם.
תמונות של הוויסרוקרניום נאספו עבור כל זחל בכל גנוטיפ וקבוצת טיפול. סחוסי הוויסרוקרניום סומנו בתמונה מייצגת, ונקודות ציון הונחו על כל תמונה ליצירת מערכי נתונים מסומנים כנקודת ציון. הרכיב הראשי 1 היווה כ-34% מהשונות הכוללת בצורה, ורכיב ראשי 2 אחראי ל-20% מהשונות הכוללת.
כל רכיב עיקרי הראה שונות ספציפית בצורת הויסרוקרן ביחס לצורת הויסרוקרן הממוצעת. תרשים ניתוח הרכיבים העיקריים הראה חפיפה בין קבוצות הגנוטיפ והטיפול ללא קיבוץ ברור. זחלים מסוג בר שטופלו באתנול הציגו אליפסת ביטחון גבוהה של 95% בשל גודל המדגם הקטן.
משתנה קנוני 1 ייצג קיצור או הארכה עדינה של מפרק הסרטוהיאל במסגרת החוט המג'נטית ביחס למסגרת השחורה הממוצעת. משתנה קנוני 2 הראה הזזה מדיאלית רק בצד אחד של הוויסרוקרניום במפרקים בין הפלטוקוודרט של מקל לפלטוקוודרט-סרטוהיאל. זחלים מסוג בר שטופלו באתנול הציגו אליפסת ביטחון גדולה של 95% בממוצע שחופפת לכל שאר הקבוצות.
ניתוח רב-משתני של וריאנטים חשף השפעה כוללת משמעותית של הגנוטיפ והטיפול. הרכבה עקבית של דגימות היא האתגר הגדול ביותר. זחלים מוטים עלולים לגרום למדידות לא מדויקות ולשנות תוצאות.
פרוטוקול זה מתאים את עצמו למבנים אנטומיים שונים, מנתח נתונים תלת-ממדיים, מייצר מדידות ליניאריות ועוזר לקבוע גודל מדגם ניסיוני. מחקרים עתידיים יחקרו רגישויות נוספות לגנוטיפ לאתנול, יגדילו את גודל המדגימות וייישמו את ארגז הכלים הרב-תכליתי הזה על מבנים אנטומיים שונים.
View the full transcript and gain access to thousands of scientific videos
This article presents a detailed morphometric protocol for analyzing subtle craniofacial shape changes in zebrafish larvae following ethanol exposure, with a focus on gene-ethanol interactions. The approach leverages landmark-based geometric morphometrics and multivariate statistical analyses to quantify and compare facial skeletal variation, addressing challenges in assessing fetal alcohol spectrum disorders (FASD) phenotypes.