Questo protocollo utilizza l'imaging a foglio luminoso per studiare la funzione contrattile cardiaca nelle larve di zebrafish e ottenere informazioni sulla meccanica cardiaca attraverso il monitoraggio cellulare e l'analisi interattiva.
Articolo metodologico
Imaging a foglio luminoso 4D della contrazione cardiaca del pesce zebra
In questo articolo
Sommario
Abstract
Il pesce zebra è un intrigante organismo modello noto per la sua notevole capacità di rigenerazione cardiaca. Studiare la contrazione del cuore in vivo è essenziale per ottenere informazioni sui cambiamenti strutturali e funzionali in risposta alle lesioni. Tuttavia, ottenere immagini 4-dimensionali ad alta risoluzione e ad alta velocità (4D, 3D spaziale + 1D temporale) del cuore del pesce zebra per valutare l'architettura cardiaca e la contrattilità rimane una sfida. In questo contesto, per superare questi limiti tecnici vengono utilizzati un microscopio a foglio luminoso (LSM) interno e un'analisi computazionale personalizzata. Questa strategia, che coinvolge la costruzione del sistema LSM, la sincronizzazione retrospettiva, il tracciamento di singole cellule e l'analisi diretta dall'utente, consente di studiare la microstruttura e la funzione contrattile in tutto il cuore alla risoluzione di una singola cellula nelle larve transgeniche di pesce zebra Tg (myl7:nucGFP). Inoltre, siamo in grado di incorporare ulteriormente la microiniezione di composti di piccole molecole per indurre lesioni cardiache in modo preciso e controllato. Nel complesso, questo quadro consente di tracciare i cambiamenti fisiologici e fisiopatologici, nonché la meccanica regionale a livello di singola cellula durante la morfogenesi e la rigenerazione cardiaca.
Introduzione
Il pesce zebra (Danio rerio) è un organismo modello ampiamente utilizzato per lo studio dello sviluppo, della fisiologia e della riparazione cardiaca grazie alla sua trasparenza ottica, alla trattabilità genetica e alla capacità rigenerativa 1,2,3,4. In caso di infarto del miocardio, mentre i cambiamenti strutturali e funzionali hanno un impatto sull'eiezione cardiaca e sull'emodinamica, le limitazioni tecniche continuano a ostacolare la capacità di studiare il processo dinamico durante la rigenerazione cardiaca con l'elevata risoluzione spazio-temporale. Ad esempio, i metodi di imaging convenzionali, come la microscopia confocale, presentano limitazioni in termini di profondità di imaging, risoluzione temporale o fototossicità per catturare i cambiamenti dinamici e valutare la funzione contrattile cardiaca durante più cicli cardiaci5.
La microscopia a foglio luminoso rappresenta un metodo di imaging all'avanguardia che affronta con successo questi problemi facendo scorrere rapidamente il laser attraverso il ventricolo e l'atrio del cuore, ottenendo immagini dettagliate con una maggiore risoluzione spazio-temporale e trascurabili effetti di foto-sbiancamento e fototossici 6,7,8,9,10,11.
Questo protocollo introduce una strategia di imaging completa che include la costruzione del sistema LSM, la ricostruzione dell'immagine 4D, il tracciamento cellulare 3D e l'analisi interattiva per acquisire e analizzare la dinamica dei cardiomiociti in tutto il cuore durante più cicli cardiaci12. Il sistema di imaging personalizzato e la metodologia computazionale consentono di tracciare la microstruttura miocardica e la funzione contrattile a livello di singola cellula in larve di zebrafish transgenico Tg(myl7:nucGFP). Inoltre, i composti di piccole molecole sono stati somministrati negli embrioni utilizzando la microiniezione per valutare il danno cardiaco indotto da farmaci e la successiva rigenerazione. Questa strategia olistica fornisce un punto di ingresso per studiare in vivo le proprietà strutturali, funzionali e meccaniche del miocardio a livello di singola cellula durante lo sviluppo e la rigenerazione cardiaca.
Protocollo
L'approvazione per questo studio è stata concessa dall'Institutional Animal Care and Use Committee (IACUC) dell'Università del Texas a Dallas, con il numero di protocollo #20-07. Per il presente studio sono state utilizzate larvetransgeniche di pesce zebra Tg(myl7:nucGFP) 12. Tutta l'acquisizione dei dati e la post-elaborazione delle immagini sono state effettuate utilizzando software o piattaforme open-source con licenze di ricerca o didattiche. Le risorse sono disponibili presso gli autori su ragionevole richiesta.
1. Allevamento del pesce zebra e microiniezione di embrioni
Durata: 2 giorni
- Mantenere e allevare zebrafish adulti attraverso le procedure standard di cura e allevamento. Per i metodi dettagliati, fare riferimento al precedente rapporto13.
- Eseguire la microiniezione seguendo il protocollostabilito 14. Per il presente studio, la microiniezione è stata eseguita allo stadio di 1-2 cellule (zigote).
NOTA: È fondamentale identificare con precisione questa fase per una microiniezione efficace e per garantire la coerenza dello sviluppo. Durante la fase di una cellula, si forma una piccola cupola in cima al tuorlo e questa fase dura in genere circa 12 minuti. Passando allo stadio a due cellule, due cupole adiacenti diventano visibili e questo stadio dura per circa 45 minuti dopo la fecondazione15. Informazioni più dettagliate sulla costruzione del sistema possono essere trovate in altri rapporti o protocolli 12,16,17.
2. Preparazione e montaggio di embrioni/larve di zebrafish
Durata: 7 giorni
- Trasferire gli embrioni a 1 giorno dopo la fecondazione (dpf) in acqua E3 con 0,2 mM di 1-fenil-2-tiourea (PTU) (vedi tabella dei materiali) per prevenire la formazione di pigmenti.
- Sostituire il terreno con acqua fresca E3 con PTU ogni giorno fino all'imaging LSM.
- Fotografare embrioni o larve con lo stereomicroscopio per registrare il loro sviluppo nei punti temporali desiderati tra 0 e 7 dpf.
- Preparare provette segmentate di etilene propilene fluorurato (FEP) con diametro interno di 2 mm per l'inserimento di larve di pesce zebra sotto il sistema LSM12.
NOTA: Il tubo FEP viene utilizzato per fissare il campione con materiali corrispondenti all'indice di rifrazione che assomigliano molto al mezzo circostante, come l'acqua. - Partendo da 3 dpf, trasferire il pesce in una soluzione di tricaina (MS-222) da 150 mg/L (vedere la tabella dei materiali) per immobilizzare il pesce prima dell'imaging.
- Preparare agarosio a basso punto di fusione allo 0,8 % con tricaina 150 mg/L e utilizzare una pipetta di trasferimento per spostare il pesce anestetizzato sull'agarosio una volta che si è raffreddato a temperatura ambiente18.
- Utilizzare un'altra pipetta di trasferimento per montare il pesce con agarosio in tubi FEP (Figura 1).
NOTA: Per accertare lo stress minimo negli embrioni in via di sviluppo, sono stati condotti esami pre e post-fissazione dell'attività cardiaca, come la frequenza cardiaca, sotto osservazione microscopica. Queste valutazioni miravano a identificare eventuali differenze significative prima e dopo l'anestesia con tricaina. Un ulteriore esame della pelle e della muscolatura per irregolarità nella struttura cardiaca, come l'edema, potrebbe anche essere condotto dopo la fissazione. La concentrazione di tricaina svolge anche un ruolo cruciale nell'imaging cardiaco19, e quindi la soluzione di tricaina con concentrazione di 150 mg/L è stata utilizzata per l'imaging della contrazione nelle larve di zebrafish in questo progetto. Mentre l'attuale sincronizzazione retrospettiva ci consente di affrontare i battiti cardiaci irregolari20, una soluzione completa per l'imaging 4D delle aritmie cardiache e l'imaging a lungo termine nel pesce zebra è ancora in fase di sviluppo.
3. Impostazione e configurazione del sistema di imaging a foglio luminoso
Tempistiche: 3-14 giorni
- Costruire un sistema LSM interno basato su una lente cilindrica utilizzando sistemi laser a stato solido pompati a diodi a onda continua (DPSS) a lunghezze d'onda specifiche come 473 nm e 532 nm come sorgenti di illuminazione (Figura 2A).
- Personalizza i codici di controllo di LabVIEW (vedi Tabella dei materiali) per la sincronizzazione dello stadio traslazionale del campione, dell'illuminazione del foglio luminoso e dell'esposizione della camera sCMOS per acquisire sequenze di immagini.
NOTA: Informazioni più dettagliate sulla costruzione del sistema possono essere trovate in altri rapporti o protocolli 12,16,17. Incoraggiamo i gruppi di ricerca a cercare opportunità di collaborazione con laboratori che possiedono una consolidata esperienza nell'imaging ottico durante la costruzione del sistema.
4. Preparazione dell'imaging del pesce zebra e raccolta dei dati
Durata: 1 giorno
- Calibra la risoluzione spaziale del sistema LSM e riduci al minimo la variazione di opacità a profondità variabili misurando le perle di fluorescenza.
- In primo luogo, diluire le microsfere fluorescenti (cfr. tabella dei materiali) del diametro di 0,53 μm a una concentrazione di 1: 1,5 x 105 utilizzando agarosio a basso punto di fusione allo 0,8 % e trasferire la soluzione nel tubo di FEP segmentato.
- In secondo luogo, utilizzare il sistema LSM per visualizzare l'immagine delle perle e misurare la funzione di diffusione del punto (PSF) sull'intero campione, convalidando la risoluzione spaziale e l'allineamento del sistema12.
NOTA: In questo sistema, l'analisi dei risultati rappresentativi per l'intera larghezza a metà massimo (FWHM) indica risoluzioni laterali e assiali rispettivamente di 1,26 ± 0,15 e 2,48 ± 0,15 μm (n = 60 perline). Ciò suggerisce una risoluzione spaziale coerente in tutta la profondità dell'immagine.
- Fissare saldamente il tubo FEP con la larva di zebrafish montata allo stadio di campionamento motorizzato a 6 assi (x, y, z, beccheggio, imbardata e rollio) e immergere i tubi nella camera del campione riempita con acqua E3. Per evitare la dispersione della luce da parte del sacco vitellino e localizzare meglio la posizione del cuore, ruotare la larva di pesce zebra per acquisire l'immagine dal lato ventrale (Figura 2B). In questo caso, la maggior parte delle immagini acquisite includerebbe sia il ventricolo che l'atrio (Figura 2C).
NOTA: Dato che le attuali procedure di imaging durano in genere meno di un'ora per pesce e sono state condotte in un ambiente a temperatura ambiente controllata, il controllo della temperatura della camera e la regolazione del livello di ossigeno sono considerati opzionali per questo progetto. Tuttavia, per gli studi di imaging time-lapse a lungo termine, in particolare quelli incentrati sui processi di sviluppo, si suggerisce il monitoraggio continuo e la regolazione della temperatura a 27 °C all'interno della camera del campione per garantire l'ambiente fisiologico del pesce zebra e prevenire potenziali anomalie dello sviluppo. - Collegare lo stadio di campionamento motorizzato alla stazione di lavoro e configurare tutti i parametri necessari, compresa la modalità di spostamento desiderata.
- Stabilire una connessione tra la telecamera sCMOS e la workstation. Regolare tutte le impostazioni essenziali, come un tempo di esposizione di 5 ms e la regione di interesse desiderata.
- Configura il numero di sequenze di immagini e fotogrammi all'interno del programma di controllo LabVIEW personalizzato.
- Accendere il laser e avviare l'imaging LSM del campione. Mantenere il processo fino a quando tutte le sequenze di immagini non sono state registrate correttamente.
- Registra 300 fotogrammi come sequenza di immagini 2D per coprire 3-5 cicli cardiaci della larva con un framerate di 200 fotogrammi al secondo. La registrazione cattura la contrattilità cardiaca sul piano selettivo illuminato dal foglio luminoso.
- Spostare la larva alla dimensione del passo di 1 μm attraverso l'illuminazione del foglio luminoso per affettare virtualmente il campione.
NOTA: La dimensione del passo dello stadio campione deve essere impostata in base alla risoluzione assiale del sistema a foglio luminoso, seguendo il teorema di campionamento di Nyquist-Shannon12. - Ripetere il passaggio 7 per registrare un'altra sequenza di immagini della nuova fetta di campione fino a coprire l'intero cuore. Generalmente, 100-200 sequenze di immagini con una dimensione del passo di 1 μm garantiscono la copertura dell'intero cuore di una larva di pesce zebra (Figura 2D).
NOTA: I passaggi 4.7-4.9 sono controllati dal programma LabVIEW ed eseguiti automaticamente dal sistema LSM (Figura 3). Dato l'elevato volume di dati di immagine generati, si consiglia una convenzione di denominazione standardizzata per le sequenze di immagini. Ad esempio, designare cartelle con nomi come "z-1", "z-2" e così via, per classificare i dati in varie sequenze di immagini. All'interno di ogni sequenza, le immagini devono essere denominate in sequenza (ad esempio, "1", "2", ...) per indicare punti temporali distinti. Il tempo totale per il montaggio dei pesci, la regolazione dell'angolo di imaging e la raccolta di tutti i dati per una larva di zebrafish è di circa 1 ora.
5. Ricostruzione di immagini 4D con calcolo parallelo
Durata: 1 giorno
NOTA: L'algoritmo di ricostruzione 4D sviluppato dal nostro gruppo e i dati del campione sono accessibili al pubblico21. Questo metodo permette di ricostruire l'immagine del cuore 4D a partire dalle sequenze di immagini raccolte nei passaggi precedenti (Tabella 1).
- Aprire il file test_Parallel.m in MATLAB (vedere Tabella dei materiali). Specificare la posizione della cartella in cui sono memorizzate le sequenze di immagini raw nella variabile "baseDir".
- Assegnare alla variabile "numOfSlice" il numero totale di sequenze di immagini (in genere 100-150) e alla variabile "numOfImage" il numero di immagini (in genere 300-500) in ogni sequenza.
- Ispeziona la sequenza di immagini che mostra il piano centrale del cuore del pesce zebra (ad esempio, la sequenza 51 su 101 sequenze totali). Identificare i numeri di frame della prima e della quarta sistole in questa sequenza e assegnarli alle variabili systolicPoint_1st e systolicPoint_4th.
- Fare clic su Esegui per avviare il processo.
NOTA: La lunghezza del ciclo cardiaco in ogni sequenza di immagini sarà prima identificata dal programma MATLAB attraverso un confronto della somiglianza (somma delle differenze al quadrato) tra le immagini in diversi punti temporali. Successivamente, il ciclo cardiaco sarà stimato utilizzando la media delle lunghezze del ciclo di tutte le sequenze di immagini. Successivamente, i punti di partenza delle sequenze di immagini in diverse posizioni assiali saranno allineati dal programma attraverso un confronto iterativo della somiglianza dell'immagine dalla prima sequenza di immagini all'ultima sequenza di immagini. - Controllare i risultati nella cartella di output. Il programma salverà le immagini come file ".tif" con timestamp. Ogni file ".tif" è un'immagine 3D del cuore in un punto temporale specifico. L'intervallo di tempo tra due immagini 3D è uguale al tempo di esposizione impostato.
NOTA: Ricostruire le immagini acquisite dai passaggi precedenti per rappresentare le contrazioni cardiache 4D (3D spaziale + 1D temporale). Per migliorare la competenza nelle indagini ad alto throughput durante la sincronizzazione retrospettiva, questo approccio consente operazioni computazionali simultanee su una GPU sfruttando più core della CPU attraverso il toolbox di calcolo parallelo MATLAB e trasformando le immagini nel formato gpuArray.
6. 3D segmentazione cellulare e tracciamento cellulare
Durata: 1 giorno
- Scaricare il pacchetto 3DeeCellTracker (vedere la tabella dei materiali) e configurare l'ambiente Python22.
- Scarica il software di annotazione ITK-SNAP23 (vedi Tabella dei materiali) e usalo per etichettare manualmente l'immagine del cuore 3D in due punti temporali selezionati, uno alla diastole ventricolare e l'altro alla sistole ventricolare, per creare i set di dati di addestramento e convalida.
NOTA: Potrebbero essere applicabili anche altri software di etichettatura. - In Python, eseguire il programma di addestramento 3DeeCellTracker e inizializzare i parametri noise_level (100 in questo caso), folder_path e modello nella funzione TrainingUNet3D per impostare il modello U-Net 3D predefinito.
- In MATLAB, utilizzare il programma imageDimConverter.m per convertire e rinominare il set di dati di addestramento e convalida nel formato corretto per il caricamento.
- In Python, caricare i set di dati di training e convalida usando le funzioni trainer.load_dataset() e trainer.draw_dataset().
- In Python, eseguire la prima parte del programma di tracciamento 3DeeCellTracker e inizializzare i parametri.
NOTA: Ciò include la definizione dei parametri dell'immagine per caratterizzare le dimensioni dell'immagine, i parametri di segmentazione per selezionare il modello di apprendimento automatico applicato per la segmentazione delle cellule e i parametri di tracciamento per selezionare i modelli di rete neurale profonda pre-addestrati utilizzati per la registrazione delle cellule. Per il primo utilizzo, si raccomanda di utilizzare il modello U-Net per la segmentazione cellulare e FFN+ PR-GLS per la registrazione cellulare. È necessario archiviare i dati, il modello e i risultati in cartelle che verranno create automaticamente in questo passaggio. - In MATLAB, utilizzare il programma imageDimConverter.m per convertire e rinominare tutte le immagini del cuore 3D nel formato corretto e trasferirle nella cartella dati creata nell'ultimo passaggio.
- In Python, esegui la seconda parte del programma 3DeeCellTracker per avviare la segmentazione.
- Una volta segmentata la prima immagine 3D, confronta il risultato della segmentazione con l'immagine raw ed esegui la correzione manuale se viene rilevata una segmentazione errata. Sposta la segmentazione corretta nella cartella "/manual_vol1" creata.
- In Python, esegui la terza parte del programma 3DeeCellTracker per segmentare tutte le immagini.
- Utilizzare Amira (vedere la tabella dei materiali) per eseguire una valutazione visiva dei risultati del tracciamento confrontando le posizioni delle celle tracciate con le corrispondenti immagini grezze. Se i risultati del test non sono soddisfacenti, riavviare la procedura dal passaggio 6.6, utilizzare un modello di apprendimento automatico alternativo per la segmentazione o la registrazione delle celle, quindi riavviare il processo di tracciamento.
NOTA: dopo la segmentazione, i dati delle etichette delle celle vengono memorizzati come immagine a 8 bit (da 0 a 255) per impostazione predefinita, il che significa che vengono fornite solo 256 scale come etichette per la classificazione delle celle. Esistono due soluzioni per risolvere questo problema quando sono necessarie classi aggiuntive. Una soluzione consiste nell'impostare il formato dei dati delle etichette delle celle come immagine a 16 bit nel programma di tracciamento, il che causerà un aumento esponenziale del tempo di elaborazione, più di due giorni in questo caso. L'altra soluzione consiste nell'utilizzare il programma "separateTrackingResults.py" per post-elaborare le etichette delle celle, che separerà le celle con le stesse etichette in base alla loro posizione fisica e assegnerà a ciascuna cella un'etichetta diversa. Questo processo richiede circa 10 minuti in questo caso.
7. Analisi della contrattilità cardiaca in modalità realtà virtuale
Durata: 1 giorno
- Acquisire il risultato del tracciamento delle celle dai passaggi precedenti.
- Convalidare manualmente i dati e selezionare le celle con un'intensità dell'immagine coerente in tutti i volumi (circa 500 celle su circa 600).
- Utilizzare lo script cellLabelsToObj.ipynb 21 per generare una mesh di superficie per ogni singola cella tramite il software 3D Slicer24 (vedere la tabella dei materiali) e assegnare un codice colore univoco a ciascuna cella.
- Esporta ogni modello 3D, costituito da tutte le celle in un singolo punto temporale, come un singolo file .obj costituito da più oggetti secondari accompagnati da un file .mtl per descrivere l'etichetta della cella.
- Importare i modelli in Unity usando la licenza didattica, un motore di sviluppo usato per la realtà estesa.
- Applicare gli script personalizzati costituiti da funzioni scritte in C# ai modelli e agli elementi dell'interfaccia utente per consentire la visualizzazione 4D e l'analisi interattiva. Eseguire l'interazione VR seguendo il passaggio 7.7.
- Interagisci con i modelli in realtà virtuale (VR) utilizzando le seguenti funzioni (Figura 4):
- Selezione delle celle: consente di selezionare fino a due celle alla volta e di visualizzarne le traiettorie, le velocità, i volumi, le superfici e le distanze relative.
- Selezione del punto temporale: scegliere un punto temporale specifico nei dati per analizzare gli output delle celle selezionate, ad esempio a t = 0 ms durante la diastole o a t = 200 ms durante la sistole.
- Pausa temporale: blocca il modello dinamico per concentrarti sulle celle selezionate e sui relativi output.
- Contrasto: modula il contrasto tra le celle selezionate e le celle circostanti nel modello.
Risultati
L'attuale protocollo consiste in tre fasi principali: preparazione e microiniezione del pesce zebra, imaging con foglio luminoso e ricostruzione di immagini 4D, tracciamento cellulare e interazione VR. Ai pesci zebra adulti è stato permesso di accoppiarsi, le uova fecondate sono state raccolte ed eseguite microiniezioni secondo necessità per gli esperimenti proposti (Figura 1). Questo passaggio fornisce un punto di ingresso per esplorare le applicazioni del pesce zebra nello studio dello sviluppo e della rigenerazione cardiaca e svolge anche un ruolo cruciale nell'imaging e nell'analisi successivi. Il cuore in contrazione è stato ripreso in diverse fasi (da 3 dpf a 7 dpf) utilizzando il sistema LSM personalizzato e ha allineato le sequenze di immagini lungo l'asse z per ricostruire il modello 4D del cuore del pesce zebra (Figura 2 e Figura 3). Questi modelli forniscono una base per caratterizzazioni fenotipiche approfondite e sono fondamentali per rivelare le dinamiche della morfologia e della funzione cardiaca attraverso le linee temporali dello sviluppo. Le singole cellule nel cuore del pesce zebra sono state tracciate e il loro movimento e la loro interazione sono stati quantificati utilizzando la piattaforma VR personalizzata. Le variazioni di velocità e distanza relativa delle cellule selezionate sono state confrontate anche durante un ciclo cardiaco nell'atrio e nel ventricolo per valutare la contrattilità regionale e studiare la deformazione locale (Figura 4). Il ceppo regionale è stato determinato in base alla variazione dello spostamento tra due cellule miocardiche adiacenti nella regione di interesse. L'accorciamento frazionario (FS) e la frazione di eiezione (EF) sono stati stimati utilizzando le metodologie descritte nella letteratura pubblicata25. Le equazioni per FS ed EF sono le seguenti:
dove Dd e Ds sono i diametri del ventricolo (asse corto, misurato dalle distanze tra le diverse cellule del ventricolo) rispettivamente negli stadi telediastolico e telesistolico, e Vd e Vs sono i volumi ventricolari (calcolati dai diametri dell'asse lungo e corto del ventricolo) rispettivamente negli stadi telediastolico e telesistolico.
Collettivamente, questi risultati mostrano una nuova strategia che integra sia la fisiologia che l'ingegneria per facilitare l'imaging volumetrico e l'interpretazione dei dati nei modelli di zebrafish, promettendo molto per far progredire l'esplorazione della morfogenesi e della meccanica cardiaca.
Figura 1: Processo di raccolta delle uova e microiniezione del pesce zebra. Il processo prevede l'accoppiamento di pesci zebra adulti, la raccolta di uova fecondate e l'esecuzione della microiniezione opzionale. Durante la microiniezione, la pipetta di vetro pre-tirata viene caricata con i materiali desiderati. Le uova fecondate sono allineate in file diritte all'interno di fessure di muffa di agarosio e posizionate perpendicolarmente all'ago. La microiniezione viene condotta sotto costante osservazione microscopica sia degli ovuli che della punta dell'ago. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 2: Processo di imaging Light-sheet e ricostruzione dell'immagine 4D. (A) Schema della struttura interna del sistema di imaging a foglio luminoso. CL: lente cilindrica. EO: obiettivo di eccitazione. DO: obiettivo di rilevamento. TL: lente tubolare. FL: filtro. CAM: telecamera sCMOS. (B) Schema di un pesce zebra montato nel tubo FEP e inglobato dall'agarosio. (C) Sequenza di immagini 2D grezze catturate da una larva di pesce zebra a 4 dpf. L'orologio in alto a sinistra di ogni fotogramma indica la fase cardiaca a partire dalla fine della sistole. (D) Illustrazione della sincronizzazione retrospettiva per la registrazione di immagini di zebrafish 4D. La sequenza di immagini indica una registrazione continua a una certa profondità lungo l'asse z. Ogni fotogramma della sequenza di immagini è rappresentato da un punto rosso e le fasi iniziale e finale dalla diastole finale alla sistole finale sono evidenziate nel riquadro giallo. (E) Modelli di cuore ricostruiti in 4D dalle sequenze di immagini 2D. Dpf: giorni dopo la fecondazione. Questa figura è adattata da Zhang et al.12. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 3: Pannello di controllo LabVIEW. (A) Le impostazioni utilizzate nel pannello di controllo comprendono la configurazione del laser, della telecamera, del percorso dell'immagine e del modello del motore. (B) Un esempio di immagine del cuore di un pesce zebra catturato dal programma LabVIEW. Barra della scala: 30 μm. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 4: Il tracciamento cellulare e l'interazione VR aiutano a rivelare la contrattilità cardiaca del pesce zebra. (A) Cellule tracciate del cuore di pesce zebra Tg(myl7:nucGFP) a 3 dpf. (B) La piattaforma VR offre agli utenti una visione immersiva e un'esperienza interattiva di un modello di cuore di pesce zebra 4D, consentendo di visualizzare la funzione cardiaca nel tempo attraverso l'analisi definita dall'utente. (C) Dopo aver raccolto le misurazioni dalla piattaforma VR, le variazioni di velocità e distanza relativa sono state confrontate durante un ciclo cardiaco tra cellule selezionate a 3 dpf e 7 dpf. Le prime due figure presentano le variazioni medie di velocità in cinque cellule ventricolari e cinque cellule atriali, mentre le altre illustrano le variazioni di distanza relativa tra tre gruppi di cellule, cioè due cellule ventricolari, una cellula ventricolare e una cellula atriale e due cellule atriali. (D) Valutazioni della funzionalità cardiaca di cuori di pesce zebra 3 dpf e 7 dpf. Un totale di 370 cellule sono state tracciate nei cuori di zebrafish a 3 dpf e 580 cellule sono state tracciate a 7 dpf. Questa figura è adattata da Zhang et al.12. Fare clic qui per visualizzare una versione più grande di questa figura.
| NOME | USO | IDENTIFICATORE | |
| Programmi e algoritmi personalizzati | |||
| PSF.m | Per calcolare la PSF dai risultati delle misurazioni FWHM delle microsfere di fluorescenza. | Programma MATLAB | |
| Zebrafish 4D Imaging.vi | Per controllare e sincronizzare l'hardware nel sistema LSM. | Programma LabVIEW | |
| test_Parallel.m., ecc. | Per ricostruire immagini 4D da sequenze di immagini 2D. | Programma MATLAB | |
| imageDimConverter.m | Per convertire i dati dell'immagine in un formato specificato per il tracciamento delle celle. | Programma MATLAB | |
| separateTrackingResults.py | Per post-elaborare i risultati del tracciamento delle celle per la separazione delle celle con le stesse etichette. | Programma Python | |
| cellTracking_All.py | Per selezionare celle con un'intensità dell'immagine coerente in tutti i volumi. | Programma Python | |
| cellLabelsToObj.ipynb | Per generare una mesh di superficie per ogni singola cella tramite il filtro dei dati 3D. | Programma Python | |
| DynamicHeartModel.cs, ecc. | Per creare un ambiente VR e interagire con gli oggetti. | Programma C# | |
| Progettazione hardware personalizzata | |||
| Camera di campionamento stampata in 3D | Da utilizzare con obiettivi ad immersione in acqua. | Progettazione SolidWorks | |
| Portacampioni stampato in 3D | Per adattarsi alla fase del campione e trattenere il campione. | Progettazione SolidWorks | |
Tabella 1: tabella delle risorse personalizzate. I codici e i dati di esempio vengono caricati su Zenodo21.
Discussione
L'integrazione del modello di zebrafish con metodi ingegneristici ha un immenso potenziale per l'esplorazione in vivo dell'infarto miocardico, delle aritmie e dei difetti cardiaci congeniti. Sfruttando la sua trasparenza ottica, la capacità rigenerativa e le somiglianze genetiche e fisiologiche con gli esseri umani, gli embrioni e le larve di zebrafish sono stati ampiamente utilizzati nella ricerca 1,2,4. La risoluzione spazio-temporale superiore, il fotodanno minimo e le capacità di sezionamento ottico dell'imaging a foglio luminoso lo distinguono per l'indagine 4D della morfologia cardiaca e della funzione contrattile nelle larve di zebrafish 12,26,27,28. Questo protocollo introduce un approccio completo che integra l'imaging a foglio luminoso, la sincronizzazione retrospettiva, il tracciamento delle cellule 3D e una piattaforma di realtà virtuale (VR) interattiva per valutazioni quantitative. Fornisce un punto di ingresso per catturare e ricostruire la contrazione cardiaca, tracciare e quantificare la dinamica cellulare e valutare i cambiamenti strutturali, funzionali e meccanici durante lo sviluppo e la rigenerazione cardiaca. Questo metodo potrebbe anche essere potenziato dall'imaging a fluorescenza multicanale per tracciare vari tipi di cellule e lignaggi per studiare l'eterogeneità cellulare e l'interazione intercellulare. Mentre la dicotomia del modello di zebrafish dai sistemi dei mammiferi e la sua limitazione come modello acuto meritano un'attenta considerazione, i progressi nell'ingegneria genetica possono consentire lo sviluppo di linee di zebrafish transgenici che assomigliano più da vicino agli stati di malattia umana, aumentando così il valore traslazionale dei risultati derivati dagli studi sul pesce zebra29.
Questa sincronizzazione retrospettiva basata sull'ipotesi di un ciclo cardiaco periodico viene utilizzata per ricostruire le immagini del foglio luminoso del cuore del pesce zebra in contrazione. L'implementazione di questo metodo nell'imaging a foglio luminoso consente di visualizzare e analizzare il cuore in contrazione a oltre 200 volumi al secondo. Per affrontare la sfida posta dal grande volume di dati nell'analisi corrente, è stato utilizzato il calcolo parallelo con CPU e GPU multi-core, con un conseguente miglioramento di oltre dieci volte dell'efficienza della ricostruzione delle immagini. Durante la sincronizzazione retrospettiva, è stato presupposto che i cardiomiociti tornassero alle loro posizioni basali ad ogni battito cardiaco. Sebbene questa ipotesi sia relativamente sicura, data la bassa variabilità dei battiti cardiaci osservata nel pesce zebra26 , come dimostrato nelle Figure 4C, rimane una semplificazione che potrebbe non tenere conto di tutte le sfumature biologiche. Le innovazioni nell'imaging, come la fluorescenza compressiva e la microscopia a campo luminoso, potrebbero mitigare gli effetti derivanti da questa ipotesi diminuendo la ridondanza delle fette.
Per consentire l'analisi approfondita dell'intricato modello cardiaco 4D, è stato sviluppato un framework computazionale che include sia la segmentazione cellulare basata su 3DeeCellTracker che la piattaforma VR per le indagini dirette dall'utente. Le capacità intrinseche di questo quadro, tra cui l'alta efficienza e la manipolazione interattiva, consentono di quantificare la variazione di velocità cellulare, studiare le interazioni cellula-cellula e valutare i meccanismi miocardici regionali e globali come l'accorciamento frazionario, la frazione di eiezione e la deformazione regionale30 (Figura 4). Si nota l'assenza di valutazioni preliminari della funzione cardiaca del pesce zebra a 7 dpf all'interno della letteratura esistente. Tuttavia, se confrontati con i dati a 3 dpf forniti da altri ricercatori, i risultati attuali sono coerenti con le precedenti indicazioni di un declino sia della frazione di eiezione (EF) che dell'accorciamento frazionario (FS) durante l'intervallo da 3 dpf a 7 dpf25,31. Questi metodi analitici possiedono un potenziale significativo per chiarire la dinamica cardiaca nei modelli di danno cardiaco del pesce zebra12,25.
Poiché la tecnologia e il software VR contengono caratteristiche uniche come la visione stereoscopica e la registrazione automatica delle posizioni delle cellule, questa piattaforma consente un metodo immersivo e semplificato per selezionare cellule specifiche e analizzarne la traiettoria durante il ciclo cardiaco. L'utilizzo della realtà virtuale fornisce un modo intuitivo per eseguire attività complesse come la segmentazione e l'annotazione delle cellule, con maggiore efficienza e precisione 32,33,34. Supporta inoltre l'utilizzo di strumenti unici da parte di più utenti quando si lavora insieme su set di dati complessi e di grandi dimensioni34. Sebbene l'uso prolungato della realtà virtuale possa indurre effetti collaterali come vertigini, questo può essere mitigato da un design ergonomico migliorato e da cuffie slegate. Inoltre, per affrontare la notevole potenza di calcolo richiesta per il rendering di strutture biologiche complesse in tempo reale, l'ottimizzazione del software per l'elaborazione istantanea e l'utilizzo di soluzioni di calcolo basate su cloud potrebbero migliorare la capacità del sistema di gestire visualizzazioni complesse.
Con i dispositivi hardware e la potenza di calcolo che continuano a progredire, questa strategia può essere estesa per studiare le aritmie cardiache nel miocardio sia a livello cellulare che tissutale, mantenendo in definitiva il potenziale per svelare il meccanismo alla base della morfogenesi cardiaca e far progredire lo sviluppo di interventi terapeutici.
Dichiarazioni
Gli autori non hanno alcun conflitto di interessi da rivelare.
Ringraziamenti
Esprimiamo la nostra gratitudine alla dottoressa Caroline Burns del Boston Children's Hospital per aver generosamente condiviso il pesce zebra transgenico. Ringraziamo la signora Elizabeth Ibanez per il suo aiuto nell'allevare il pesce zebra all'UT Dallas. Apprezziamo anche tutti i commenti costruttivi forniti dai membri dell'incubatore D presso UT Dallas. Questo lavoro è stato sostenuto dal NIH R00HL148493 (Y.D.), dal R01HL162635 (Y.D.) e dal programma STAR DELL'UT Dallas (y.d.).
Materiali
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| RESOURCE | SOURCE/Reference | IDENTIFIER | |
| Animal models | |||
| Tg(myl7:nucGFP) pesce zebra transgenico | Burns Lab in Boston Children's Hospital | ZDB-TGCONSTRCT-070117-49 | |
| Software e algoritmi | |||
| MATLAB | The MathWorks Inc. | R2023a | |
| LabVIEW | National Instruments Corporation | 2017 SP1 | |
| HCImage Live | Hamamatsu Photonics | 4.6.1.2 | |
| Python | The Python Software Foundation | 3.9.0 | |
| Fiji-ImageJ | Schneider et al.18 | 1.54f | |
| 3DeeCellTracker | Chentao Wen et al.15 | v0.5.2 | |
| Unity | Unity Software Inc. | 2020.3.2f1 | |
| Amira | Thermo Fisher Scientific | 2021.2 | |
| Affettatrice 3D | Andriy Fedorov et al.17 | 5.2.1 | |
| ITK SNAP | Paul A Yushkevich et al.16 | 4 | |
| Sistema di fogli luminosi | |||
| Lente cilindrica | Thorlabs | ACY254-050-A | |
| Obiettivo di illuminazione 4X | Nikon | MRH00045 | |
| 20X Obiettivo di rilevamento | Olympus | 1-U2M585 | |
| fotocamera sCMOS | Hamamatsu | C13440-20CU | |
| Stadio XYZ motorizzato | Thorlabs | PT3/M-Z8 | |
| Stadio di inclinazione a due assi | Thorlabs | GN2/M | |
| Motore passo-passo di rotazione | Pololu | 1474 | |
| Perline fluorescenti | Spherotech | FP-0556-2 | |
| 473nm DPSS Laser | Laserglow | R471003GX | |
| 532nm DPSS laser | Laserglow | R531003FX | |
| Microiniettore e pompa a vuoto | |||
| Microiniettore | WPI | PV850 | |
| Pompa a vuoto | Welch | 2522B-01 | |
| Pipette in vetro pre-estratte | WPI | TIP10LT | |
| Punta capillare per il caricamento del gel | Bio-Rad | 2239912 | |
| Hardware per realtà virtuale | |||
| VR Cuffie | Meta | Quest 2 | |
| 30mg/L Soluzione PTU | |||
| PTU | Sigma-Aldrich | P7629 | |
| 1X E3 soluzione di lavoro | - | ||
| 1% agarosio< / forte> | - | ||
| Thermo Fisher | agarosio a basso punto di fusione | Acqua | |
| deionizzata | - | ||
| 10 g / L Soluzione madre di tricaina< / forte> | |||
| Tricaina | Syndel | SYNC-M-GR-US02 | |
| Acqua deionizzata | - | ||
| Bicarbonato di sodio | Sigma-Aldrich | S6014 | |
| 150mg/L Soluzione di lavoro per tricaina | |||
| 10g/L Soluzione madre di tricaina | - | - | |
| Deionizzata acqua | - | - | |
| 60X E3 soluzione madre | |||
| Cloruro di sodio | Lab Animal Resource Center (LARC), Università del Texas a Dallas | Cloruro | |
| potassio-KCL | |||
| Cloruro di calcio diidrato-CaCL | sub>2 x 2H2O | ||
| Solfato di magnesio eptaidrato-MgSO | sub>4 x 7H2O | ||
| RO Acqua | - | - | |
| 1X Soluzione di lavoro E3 | |||
| 60X Soluzione stock E3 | Lab Animal Resource Center (LARC), Università del Texas a Dallas | - | |
| Acqua RO | - | ||
| 1% blu di metilene (opzionale) | - | C16H18ClN3S |
Riferimenti
- Power, R. M., Huisken, J. A guide to light-sheet fluorescence microscopy for multiscale imaging. Nat. Methods. 14 (4), 360-373 (2017).
- Liu, J., Stainier, D. Y. R. Zebrafish in the study of early cardiac development. Circ. Res. 110 (6), 870(2012).
- Ding, Y., Bu, H., Xu, X. Modeling inherited cardiomyopathies in adult zebrafish for precision medicine. Front. Physiol. 11, 599244(2020).
- Giardoglou, P., Beis, D. On zebrafish disease models and matters of the heart. Biomedicines. 7 (1), 15(2019).
- Zhang, X., Alexander, R. V., Yuan, J., Ding, Y. Computational analysis of cardiac contractile function. Curr. Cardiol. Rep. 24 (12), 1983-1994 (2022).
- Weber, M., Huisken, J. In vivo imaging of cardiac development and function in zebrafish using light sheet microscopy. Swiss Med. Wkly. 145 (51), w14227(2015).
- Vedula, V., et al. A method to quantify mechanobiologic forces during zebrafish cardiac development using 4-D light sheet imaging and computational modeling. PLOS Comput. Biol. 13 (10), e1005828(2017).
- Yalcin, H. C., Amindari, A., Butcher, J. T., Althani, A., Yacoub, M. Heart function and hemodynamic analysis for zebrafish embryos. Dev. Dyn. 246 (11), 868-880 (2017).
- Baek, K. I., et al. Advanced microscopy to elucidate cardiovascular injury and regeneration: 4D light-sheet imaging. Prog. Biophys. Mol. Biol. 138, 105-115 (2018).
- Salman, H. E., Yalcin, H. C. Advanced blood flow assessment in Zebrafish via experimental digital particle image velocimetry and computational fluid dynamics modeling. Micron. 130, 102801(2020).
- Sodimu, O., et al. Light sheet imaging and interactive analysis of the cardiac structure in neonatal mice. J. Biophotonics. 16 (5), e202200278(2023).
- Zhang, X., et al. 4D light-sheet imaging and interactive analysis of cardiac contractility in zebrafish larvae. APL Bioeng. 7 (2), 026112(2023).
- Westerfield, M. The Zebrafish Book. Eugene. , University of Oregon Press. (2000).
- Rosen, J. N., Sweeney, M. F., Mably, J. D. Microinjection of zebrafish embryos to analyze gene function. J Vis Exp. 25, e1115(2009).
- Kimmel, C. B., Ballard, W. W., Kimmel, S. R., Ullmann, B., Schilling, T. F. Stages of embryonic development of the zebrafish. Dev Dyn. 203 (3), 253-310 (1995).
- Girkin, J. M., Carvalho, M. T. The light-sheet microscopy revolution. J. Opt. 20 (5), 053002(2018).
- Gualda, E. J., et al. OpenSpinMicroscopy: an open-source integrated microscopy platform. Nat. Methods. 10 (7), 599-600 (2013).
- Messerschmidt, V., et al. Light-sheet fluorescence microscopy to capture 4-dimensional images of the effects of modulating shear stress on the developing zebrafish heart. J Vis Exp. 138, e57763(2018).
- Kaufmann, A., Mickoleit, M., Weber, M., Huisken, J. Multilayer mounting enables long-term imaging of zebrafish development in a light sheet microscope. Development. 139 (17), 3242-3247 (2012).
- Lee, J., et al. 4-Dimensional light-sheet microscopy to elucidate shear stress modulation of cardiac trabeculation. J Clin Invest. 126 (5), 1679-1690 (2016).
- Zhang, X., et al. 4D light-sheet imaging and interactive analysis of cardiac contractility in Zebrafish larvae. Zenodo. , (2023).
- Wen, C., et al. 3deecelltracker, a deep learning-based pipeline for segmenting and tracking cells in 3d time lapse images. Elife. 10, e59187(2021).
- Yushkevich, P. A., et al. User-guided 3D active contour segmentation of anatomical structures: significantly improved efficiency and reliability. Neuroimage. 31 (3), 1116-1128 (2006).
- Fedorov, A., et al. 3D Slicer as an image computing platform for the quantitative imaging network. Magn. Reson. Imaging. 30 (9), 1323-1341 (2012).
- Naderi, A. M., et al. Deep learning-based framework for cardiac function assessment in embryonic zebrafish from heart beating videos. Comput. Biol. Med. 135, 104565(2021).
- Mickoleit, M., et al. High-resolution reconstruction of the beating zebrafish heart. Nat. Methods. 11 (9), 919-922 (2014).
- Lee, J., et al. 4-Dimensional light-sheet microscopy to elucidate shear stress modulation of cardiac trabeculation. J. Clin. Invest. 126 (5), 1679-1690 (2016).
- Ding, Y., et al. Multiscale light-sheet for rapid imaging of cardiopulmonary system. JCI Insight. 3 (16), e121396(2018).
- Choe, C. P., et al. Transgenic fluorescent zebrafish lines that have revolutionized biomedical research. Lab. Anim. Res. 37 (1), 1-29 (2021).
- Coelho-Filho, O. R., et al. Quantification of cardiomyocyte hypertrophy by cardiac magnetic resonance: implications on early cardiac remodeling. Circulation. 128 (11), 1225(2013).
- Zhang, B., et al. Automatic segmentation and cardiac mechanics analysis of evolving zebrafish using deep learning. Front. Cardiovasc. Med. 8, 675291(2021).
- Ding, Y., et al. Integrating light-sheet imaging with virtual reality to recapitulate developmental cardiac mechanics. JCI Insight. 2 (22), e97180(2017).
- Koger, C. R., Hassan, S. S., Yuan, J., Ding, Y. Virtual reality for interactive medical analysis. Front. Virtual Real. 3, 782854(2022).
- Yuan, J., et al. Extended reality for biomedicine. Nat. Rev. Methods Prim. 3 (1), 1-1 (2023).
Ristampe e permessi
