Summary

Analisi automatizzata ottimizzata della modulazione dell'omeostasi dei mitocondri neuronali vivi da parte dei recettori dell'acido retinoico isoform-specifici

Published: July 28, 2023
doi:

Summary

La rete mitocondriale è estremamente complessa, il che la rende molto difficile da analizzare. Un nuovo strumento MATLAB analizza i mitocondri confocali in tempo reale nelle immagini timelapse, ma produce un grande volume di output che richiede un’attenzione manuale individuale. Per risolvere questo problema, è stata sviluppata un’ottimizzazione di routine, che consente una rapida analisi dei file.

Abstract

La complessa rete mitocondriale rende molto difficile segmentare, seguire e analizzare le cellule vive. Gli strumenti MATLAB consentono l’analisi dei mitocondri in file timelapse, semplificando e velocizzando notevolmente il processo di elaborazione delle immagini. Ciononostante, gli strumenti esistenti producono un grande volume di output, che richiede un’attenzione manuale individuale, e le configurazioni sperimentali di base hanno un output di migliaia di file, ognuno dei quali richiede una gestione estesa e dispendiosa in termini di tempo.

Per risolvere questi problemi, è stata sviluppata un’ottimizzazione di routine, sia in codice MATLAB che in forma live-script, che consente una rapida analisi dei file e riduce significativamente la lettura e l’elaborazione dei dati. Con una velocità di 100 file/min, l’ottimizzazione consente un’analisi complessivamente rapida. L’ottimizzazione raggiunge l’output dei risultati calcolando la media dei dati specifici del frame per i singoli mitocondri in intervalli di tempo, analizzando i dati in modo definito, coerente con quelli degli strumenti esistenti. L’imaging confocale dal vivo è stato eseguito utilizzando il colorante tetrametilrodamina estere metilico e l’ottimizzazione di routine è stata convalidata trattando le cellule neuronali con agonisti del recettore dell’acido retinoico (RAR), i cui effetti sui mitocondri neuronali sono stabiliti in letteratura. I risultati sono stati coerenti con la letteratura e hanno permesso un’ulteriore caratterizzazione del comportamento della rete mitocondriale in risposta alla modulazione RAR isoforma-specifica.

Questa nuova metodologia ha permesso una caratterizzazione rapida e validata della rete mitocondriale dell’intero neurone, ma consente anche la differenziazione tra mitocondri assone e corpo cellulare, una caratteristica essenziale da applicare nel campo delle neuroscienze. Inoltre, questo protocollo può essere applicato a esperimenti che utilizzano trattamenti ad azione rapida, consentendo l’imaging delle stesse cellule prima e dopo i trattamenti, trascendendo il campo delle neuroscienze.

Introduction

I mitocondri cellulari sono al centro di tutti gli stati fisiologici e una comprensione approfondita della loro omeostasi (mitostasi) e del loro comportamento è fondamentale per aiutare a identificare il trattamento farmacologico per una vasta gamma di malattie, tra cui il cancro e il morbo di Alzheimer 1,2.

I mitocondri svolgono ruoli cellulari cruciali nell’omeostasi energetica, nella generazione di ATP, nel tamponamento del calcio e nella regolazione dei ROS, e la mitostasi è essenziale per mantenere l’omeostasi proteica poiché gli chaperoni molecolari sono dipendenti dall’energia3. Questi richiedono una modulazione e un adattamento di rete costanti e dinamici per soddisfare in modo efficiente le esigenze cellulari e il trasporto dei mitocondri è regolato da diverse vie di segnalazione; Lavori precedenti hanno descritto uno di questi percorsi, quello dei recettori dell’acido retinoico (RARs)4,5. L’acido retinoico (RA) promuove la crescita assonale e neuritica attraverso l’attivazione di RAR. Nei neuroni corticali primari del topo, l’attivazione di RAR-β incoraggia la crescita mitocondriale, la velocità e la mobilità nel neurite6.

Considerando l’adattabilità e la dinamica della rete mitocondriale, la possibilità di valutare la mitostasi in “tempo reale” è essenziale non solo per studiare l’omeostasi energetica, ma anche per la proteostasi, la salute cellulare, la proliferazione o la segnalazione. Un metodo comunemente usato per valutare la mitostasi si basa sulla microscopia confocale dopo aver evidenziato i mitocondri utilizzando un colorante o un marcatore fluorescente, nonché una configurazione di microscopia specifica che consente la regolazione della temperatura e/o della CO2 7. Questo tipo di configurazione sperimentale prevede l’esecuzione di una replica sperimentale alla volta. Oltre alla ripetizione sperimentale di diversi trattamenti, va considerato che la maggior parte degli esperimenti dovrebbe avere le proprie repliche tecniche (in cui viene ripresa più di una posizione per lastra), con una serie di piani focali (z-stack) registrati in una serie di punti temporali. Pertanto, un disegno sperimentale con tre ripetizioni di un controllo e due trattamenti, con cinque posizioni di imaging per piastra e 15 punti temporali, si traduce in 225 pile da elaborare. Classicamente, i video dei mitocondri vivi sono stati analizzati tracciando i kymografi, che sarebbero stati analizzati individualmente8, in un processo che richiedeva molto tempo e che richiedeva un ampio input manuale, anche quando ci si affidava a strumenti informatici.

Recentemente è stato descritto un algoritmo9 che consente la segmentazione e il tracciamento automatizzati dei mitocondri in file time-lapse 2D e 3D di cellule vive. Sono disponibili altre tecniche di quantificazione, e tutte hanno i loro limiti10. Mitometer, un’applicazione open source automatizzata, è particolarmente adatta per l’analisi del time lapse e della dinamica dei mitocondri, richiedendo un basso input da parte dell’utente. Questa applicazione presenta una serie di vantaggi rispetto ad altri strumenti esistenti basati su MATLAB, ovvero la possibilità di elaborare automaticamente i singoli stack TIF, utilizzando fino a 13 parametri diversi, particolarmente interessante per le neuroscienze, in quanto differenzia tra mitocondri peri- e tele-nucleari.

Tuttavia, per un esperimento come quello sopra descritto, questi 13 parametri applicati a 225 stack danno come risultato 2.925 singoli file di output. Questi richiedono quattro input individuali del computer, che sommano oltre 10.000 input manuali necessari per scaricare tutti i file di output. Per i progetti sperimentali di grandi dimensioni, ciò si traduce in un’analisi inutilmente estremamente dispendiosa in termini di tempo di ogni file e integrazione dei dati. Qui presentiamo un’ottimizzazione di routine che consente una rapida analisi dei file, riducendo notevolmente la lettura dei documenti e l’elaborazione dei dati, analizzando i dati in modo definito, coerente con l’output degli strumenti esistenti.

Protocol

NOTA: Questo protocollo prevede due fasi principali: una fase di laboratorio umido, che coinvolge la coltura cellulare e la microscopia confocale dal vivo per ottenere immagini di mitocondri vivi (Figura 1) e una fase in silico per analizzare le immagini ottenute (Figura 2). Per l’analisi automatizzata dei dati dei mitocondri 3D con immagini dal vivo, è stata utilizzata l’applicazione MATLAB Mitometer fornita da Lefebvre et al.9…

Representative Results

Per migliorare e accelerare l’analisi dei file di output in .txt formato, è stata codificata un’ottimizzazione di routine che legge i dati coerenti con i file di output di Mitometer .txt, con colonne che rappresentano un frame e linee che rappresentano i mitocondri identificati. L’ottimizzazione di routine produce dati in un unico valore per parametro calcolando la media dei frame per ogni mitocondri identificato e quindi calcolando la media dei risultati di tutti i mitocondri per campo visivo. La routine sviluppata leg…

Discussion

L’imaging di cellule vive produce file di grandi dimensioni che richiedono una seria elaborazione informatica, ma anche gli strumenti più recenti richiedono un ampio input manuale per l’elaborazione. Questa ottimizzazione di routine si concentra sulla semplificazione del processo di analisi dei mitocondri sul mitometro perché questo strumento presenta un ottimo equilibrio tra l’input dell’utente e l’output dei dati. In precedenza è stato esaminato un confronto completo tra diversi strumenti per l’analisi delle immagin…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

L’acquisizione delle immagini è stata eseguita nella struttura LiM di iBiMED, un nodo di PPBI (Piattaforma Portoghese di BioImaging): POCI-01-0145-FEDER-022122. Questo lavoro è stato sostenuto da FCT (EXPL/BTM-SAL/0902/2021), LCF (CI21-00276), una sovvenzione a DT dalla Fundação para a Ciência e Tecnologia del Ministério da Educação e Ciência (2020.02006.CEECIND), una sovvenzione da ATG-The Gabba Alumni Association a VP e dall’Istituto di Biomedicina-iBiMED, Università di Aveiro.

Materials

AM580 Sigma-Aldrich A8843
BDNF  Thermo-Fisher RP8642
BMS493 Tocris Bioscience  3409
CD2314 Tocris Bioscience 3824
Ch55 Tocris Bioscience  2020
Foetal Bovine Serum Thermo-Fisher 10270106
GraphPad Prism v4.0 GraphPad Software, La Jolla n/a
Ham’s F12 Nutrient Mix Thermo-Fisher 21765029
MATLAB R2022a  MathWorks n/a
Minimal Essential Medium Thermo-Fisher 31095
Nunc Glass Bottom Dishes Thermo-Fisher 150680
Phosphate Buffer Saline Solution Thermo-Fisher 28372
Retinoic acid Sigma-Aldrich  R2625
TMRM  Thermo-Fisher T668
Zeiss LSM 510 Carl Zeiss n/a Equiped with live-cell imaging culture chamber and 63x oil immersion objective 

Riferimenti

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

Play Video

Citazione di questo articolo
Vitória, J. J. M., de Paula, V., da Cruz e Silva, O. A. B., Trigo, D. Optimized Automated Analysis of Live Neuronal Mitochondria Homeostasis Modulation by Isoform-Specific Retinoic Acid Receptors. J. Vis. Exp. (197), e65452, doi:10.3791/65452 (2023).

View Video