Dimostrazione della trasparenza ottica nel tessuto di petto di pollo ex vivo
Per studiare la propagazione della luce attraverso il tessuto ex vivo , abbiamo utilizzato pezzi affettati di petto di pollo crudo disossato con spessori di 1,5 mm, 2,5 mm e 3,5 mm (Figura 2B). I tessuti sono stati tagliati parallelamente alle fibre di collagene, garantendo un orientamento costante delle fibre muscolari. Le immagini sono state scattate utilizzando sia un modello a griglia a rete che il logo "UT Dallas" sotto il tessuto prima e dopo il trattamento con diverse concentrazioni di soluzione (Figura 2B). Per catturare le immagini, è stata utilizzata una fotocamera CMOS abbinata a un obiettivo con una lunghezza focale di 3,5 mm e un'apertura f/1,4 ed è stata utilizzata una sorgente luminosa a LED per la retroilluminazione del campione. I dati di trasmissione corrispondenti per ciascun tessuto sono stati quindi misurati utilizzando uno spettrometro UV-VIS-NIR (Figura 2C).
La trasparenza ottica del tessuto può essere visualizzata ad occhio nudo e quantificata con misure spettrometriche. Per i tessuti di pollo non trattati, i modelli sottostanti sono completamente invisibili e i valori di trasmissione nella regione visibile sono circa il 2,4%, 1,7% e 1% per spessori di tessuto di 1,5 mm, 2,5 mm e 3,5 mm, rispettivamente. Alla lunghezza d'onda di 1064 nm, i valori di trasmissione sono 8%, 5% e 1,8% per gli stessi spessori. Le soluzioni sono state preparate sciogliendo la polvere di tartrazina in acqua deionizzata. Dopo che i tessuti sono stati immersi in soluzioni di Tartrazina a concentrazioni crescenti, le molecole di colorante si sono diffuse in tutta la matrice extracellulare e nei compartimenti cellulari, alterando l'indice di rifrazione del mezzo interstiziale13. Questa corrispondenza dell'indice di rifrazione riduce sostanzialmente la dispersione della luce all'interno dei tessuti, con conseguente miglioramento dell'imaging dinamico e maggiore trasmissione nelle misurazioni spettroscopiche. All'aumentare della concentrazione di tartrazina da 0 a 0,65 M, l'indice di rifrazione delle soluzioni coloranti è aumentato e la trasparenza del tessuto è migliorata sostanzialmente. Per la soluzione colorante 0,65 M, il motivo a griglia e il logo UT Dallas sotto i tessuti diventano chiaramente visibili e la trasmissione è aumentata al 38,7%, 25% e 21,7% nello spettro visibile per spessori rispettivamente di 1,5 mm, 2,5 mm e 3,5 mm. Alla lunghezza d'onda di 1064 nm, i valori di trasmissione erano del 50%, 36,8% e 37,5% per gli stessi campioni.
Dimostrazione della trasparenza ottica negli animali vivi
Per l'imaging dinamico in animali vivi, è stata preparata una soluzione colorante con una concentrazione di 0,65 M ed è stato aggiunto agarosio a basso punto di fusione allo 0,4% per regolare la viscosità della soluzione e migliorare l'aderenza alla pelle. Durante l'imaging intestinale, l'animale è stato anestetizzato utilizzando l'anestesia per inalazione e la temperatura corporea è stata mantenuta a 37 °C utilizzando un termoforo a controllo digitale. Il pelo addominale è stato rimosso mediante rasatura e applicazione di una crema depilatoria sulla pelle, seguendo il processo mostrato nella Figura 3B, quindi l'applicazione topica di una soluzione colorante 0,65 M. La soluzione di Tartrazina è stata applicata sulla pelle per 2 minuti e poi massaggiata delicatamente. Immediatamente, nel giro di pochi minuti, le molecole di colorante si diffondono nella matrice extracellulare e negli strati dermici superficiali. La diffusione delle molecole del colorante riduce la discrepanza dell'indice di rifrazione tra il liquido interstiziale acquoso a basso indice e le strutture ricche di lipidi ad alto indice, con conseguente riduzione della dispersione della luce incidente alle interfacce tissutali e ai confini cellulari. Di conseguenza, la pelle diventa visibilmente trasparente nello spettro visibile per lunghezze d'onda superiori a 550 nm, rendendo possibile visualizzare gli organi profondi senza rimuovere chirurgicamente la pelle (Figura 3B-E). Per l'imaging ottico dei vasi cerebrali, il topo è stato anestetizzato utilizzando anestesia iniettabile e la pelliccia è stata rimossa prima dell'applicazione della soluzione colorante. I risultati dimostrano la trasparenza del cuoio capelluto e la visualizzazione dei vasi sanguigni cerebrali, convalidando l'efficacia di questa tecnica per l'imaging cerebrale (Figura 3F, G).
Per dimostrare la riproducibilità del protocollo, i risultati di trasparenza ottenuti per tre diversi topi sono presentati nella Figura 3. Per l'imaging addominale vengono utilizzati giovani topi femmina adulta (3-4 settimane di età, circa 10-12 g), comprese due diverse linee di topi, C57BL/6J (Figura 3C, F) e Chat-Cre x tdTomato (Figura 3E). I risultati ottenuti per tutti e tre i topi mostrano una maggiore trasparenza della pelle e la visualizzazione degli organi interni dopo il trattamento con soluzione colorante, convalidando questo approccio di pulizia dei tessuti. I risultati di mouse-1 vengono visualizzati in dettaglio su più punti temporali e rivelano una trasparenza graduale nel tempo di applicazione della soluzione in gel, evidenziando al contempo la progressione temporale e l'efficacia del metodo (Figura 3B, C). Vale la pena notare che anche per i topi dello stesso sesso e di età simile, le disposizioni e l'aspetto visivo degli organi interni possono variare da individuo a individuo, evidenziando il vantaggio unico dell'imaging cronico dello stesso animale per gli studi sullo sviluppo.
Reversibilità
L'approccio ottico di pulizia dei tessuti utilizzato in questo protocollo è reversibile, il che conferisce a questo approccio un vantaggio significativo per le applicazioni in vivo . La trasparenza ottica del tessuto può essere invertita semplicemente risciacquando e massaggiando delicatamente la pelle con acqua. In questo caso, l'effetto di trasparenza scompare immediatamente e la colorazione gialla del colorante svanisce in pochi minuti. Se il fazzoletto non viene risciacquato, il colore scompare gradualmente nel corso di alcune ore a causa della diffusione passiva. L'immagine mostrata nella Figura 3B, catturata dopo 2 ore di esperimento addominale, indica che la trasparenza è temporanea e può essere completamente invertita. Dopo l'inversione, la pelle mantiene un aspetto normale e i topi mostrano un'attività tipica e i peli sulla pelle trattata ricrescono entro diversi giorni (Figura 3C). Ciò conferma ulteriormente la sicurezza e l'efficacia di questo approccio per l'imaging dinamico in animali vivi, in particolare per potenziali applicazioni di imaging cronico degli stessi animali (Figura 4 e Tabella 2).

Figura 1: Illustrazione schematica della pulizia ottica in vivo (A) ed ex vivo (B) dei tessuti utilizzando soluzioni molecolari assorbenti. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 2: Procedura per la pulizia ottica di tessuti ex vivo. (A) Fotografie dei processi di preparazione e chiarificazione delle soluzioni del tessuto ex vivo. (B) Immagini ottiche del tessuto del petto di pollo con diversi spessori posizionate sopra un modello. (C) Spettri di trasmittanza ottica del tessuto del petto di pollo con diversi spessori. Barre della scala: 5 mm. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 3: Procedura per la pulizia ottica e l'imaging degli animali. (A) Schemi che illustrano l'applicazione delle molecole assorbenti sul ventre del topo. (B) Le serie di immagini temporali illustrano che il tessuto diventa trasparente e ritorna all'opacità dopo l'esperimento. (C) Monitoraggio a lungo termine del tessuto dei topi che illustra il recupero della pancia dei topi. (D,E) L'imaging ottico è il risultato di due animali diversi. (F) Schemi che illustrano l'applicazione delle molecole assorbenti sulla testa del topo. (G) Immagini che mostrano il cambiamento di trasparenza del tessuto per visualizzare i vasi sulla superficie del cervello. Barre della scala: 5 mm. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 4: Elaborazione delle immagini per una migliore visualizzazione degli organi. (A) Flusso di lavoro che mostra le fasi di elaborazione delle immagini da un'immagine grezza a immagini di organi segmentate. (B) Immagini rappresentative che mostrino ogni fase dopo l'elaborazione dell'immagine. Clicca qui per visualizzare una versione più grande di questa figura.
| Massa di tartrazina (mg) disciolta in 1 mL di acqua | Percentuale relativa di tartrazina in soluzione | Concentrazione molecolare calibrata (M) |
| 106.9 | 9.70% | 0.18 |
| 213.7 | 17.60% | 0.37 |
| 320.8 | 24.30% | 0.53 |
| 426.6 | 29.90% | 0.65 |
Tabella 1: Ricetta di preparazione di soluzioni di Tartrazina di diverse concentrazioni.
| Fase di elaborazione delle immagini | Biblioteca | Funzione (codice) |
| Importazione di librerie | OpenCV, numpy, matplotlib, PyWavelets | Importa CV2 Importa numpy come NP Importa Matplotlib.pyplot come PLT Importa pywt Importa sistema operativo |
| Caricamento dell'originale . Immagine TIF | CV2 | color_image = cv2.imread(image_path, cv2. IMREAD_UNCHANGED) |
| Normalizzazione se i valori dei pixel superano 255 | Numpy e CV2 | se color_image.max() > 255: color_image = (color_image / color_image.max()) * 255 color_image = color_image.astype(np.uint8) |
| Visualizza immagine a colori | matplotlib.pyplot & cv2 | plt.imshow(cv2.cvtColor(color_image, cv2. COLOR_BGR2RGB)) plt.axis("disattivato") plt.show() |
| Ritaglio (selezione interattiva del ROI) | CV2 | roi = cv2.selectROI("Seleziona regione", color_image, fromCenter=False, showCrosshair=True) x, y, w, h = ROI cropped_color = color_image[y:y+h, x:x+w] cv2.destroyAllWindows() |
| Dividi i canali LAB | CV2 | lab_color = cv2.cvtColor(cropped_color, cv2. COLOR_BGR2LAB) l_channel, a_channel, b_channel = cv2.split(lab_color) |
| Analisi della distribuzione dei pixel (istogramma delle intensità) | matplotlib.pyplot | plt.figure(figsize=(8,6)) plt.hist(l_channel.ravel(), bins=256, range=[0,255], color='black', alpha=0.7) plt.title("Distribuzione dell'intensità dei pixel") plt.xlabel("Valore di intensità") plt.ylabel("Conteggio pixel") plt.grid() plt.show() |
| Applicazione di CLAHE per diffondere l'intensità dei pixel | CV2 | clahe = cv2.createCLAHE(clipLimit=5.0, tileGridSize=(16,16)) l_channel_clahe = clahe.apply(l_channel) lab_clahe = cv2.merge((l_channel_clahe, a_channel, b_channel)) cropped_color_clahe = cv2.cvtColor(lab_clahe, cv2. COLOR_LAB2RGB) |
| Traccia l'immagine e l'istogramma migliorati da CLHE | matplotlib.pyplot | plt.figure(figsize=(15,5)) plt.sottotrama(1,2,1) plt.title("Immagine migliorata CLAHE") plt.imshow(cropped_color_clahe) plt.axis("disattivato") plt.sottotrama(1,2,2) plt.hist(l_channel_clahe.ravel(), bins=256, range=[0,255], color='black', alpha=0.7) plt.title("Distribuzione dei pixel dopo CLAHE") plt.xlabel("Valore di intensità") plt.ylabel("Conteggio pixel") plt.grid() plt.show() |
| Applicazione del denoising wavelet all'immagine | PYWT, Numpy e CV2 | Coeffs = pywt.wavedec2(np.float32(l_channel_clahe)/255.0, 'db1', livello=2) coeffs_thresh = list(coeffs) per i in range(1, len(coeffs_thresh)): coeffs_thresh[i] = tuple(pywt.threshold(sottobanda, 0.1, mode='soft') per sottobanda in coeffs_thresh[i]) l_wavelet = np.uint8(pywt.waverec2(coeffs_thresh, 'db1') * 255) lab_wavelet_denoised = cv2.merge((l_wavelet, a_channel, b_channel)) color_wavelet_denoised = cv2.cvtColor(lab_wavelet_denoised, cv2. COLOR_LAB2RGB) |
| Visualizza l'immagine originale e l'immagine con rumore wavelet | matplotlib.pyplot & cv2 | plt.figure(figsize=(12,6)) plt.sottotrama(1,2,1) plt.imshow(cv2.cvtColor(cropped_color, cv2. COLOR_BGR2RGB)) plt.title("Immagine originale a colori") plt.axis("disattivato") plt.sottotrama(1,2,2) plt.imshow(color_wavelet_denoised) plt.title("Immagine denoised wavelet") plt.axis("disattivato") plt.show() |
| Soglia per la segmentazione degli organi (metodo di Otsu) | CV2 | otsu_val, _ = cv2.threshold(l_wavelet, 0, 255, cv2. THRESH_BINARY_INV + cv2. THRESH_OTSU) bias_val = otsu_val - 15 _, otsu_adjusted = cv2.threshold(l_wavelet, bias_val, 255, cv2. THRESH_BINARY) otsu_segmented = cv2.cvtColor(cv2.merge((otsu_adjusted, a_channel, b_channel)), cv2. COLOR_LAB2RGB) plt.imshow(otsu_segmented) plt.axis("disattivato") plt.show() |
Tabella 2: Fasi di elaborazione delle immagini, librerie e script.