Name: Identificazione automatica dei rami dendritici e loro orientamento (Video) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: Scopri l'analisi automatica dei rami dendritici con il software SOA per immagini 2D in fluorescenza. Questo strumento computazionale estrae dati morfologici e classifica i pattern di crescita paralleli e non paralleli nelle reti neuronali.

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

Gli autori desiderano ringraziare il Dr. Orly Weiss per la preparazione delle immagini della cultura.

NOTA: Il Ministero della Salute israeliano ha approvato l'uso di topi secondo il protocollo IL-218-01-21 per l'uso etico di animali da esperimento. SOA è compatibile solo con Windows 10 e Python 3.9. È disponibile come codice open source: https://github.com/inbar2748/DendriteProject. A questo link, c'è anche un README. DM che contiene le istruzioni per il download del software, un collegamento al sito Web del software e un file dei requisiti contenente informazioni sulle versioni richieste di tutti i pacchetti. Ulteriori esempi di analisi eseguite utilizzando il software sono stati forniti anche lì.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> Figura 1: Flusso di lavoro SOA per la segmentazione e l'analisi della direzione di crescita. Sono mostrate le fasi di elaborazione delle immagini fluorescenti delle reti dendritiche e l'analisi dei dati. L'immagine 2D viene caricata, segmentata (in due passaggi: i rami dendritici vengono rilevati come linee e quindi le linee pertinenti vengono unite) e si ottengono le informazioni spaziali di ciascun ramo dendritico. I dati vengono raccolti per tutti i rami dendritici nell'immagine. Infine, i dati vengono analizzati per fornire i parametri morfologici desiderati. Abbreviazione: SOA = analisi di segmentazione e orientamento. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
1. Aprire l'applicazione SOA.
<ol><li>Apri l'indirizzo URL: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA, trova la cartella compressa SOA.zip e scarica il file ZIP facendo doppio clic.</li>
	<li>Decomprimi la cartella facendo clic con il pulsante destro del mouse su SOA.zip e scegli Estrai file. Osservare la finestra Percorso di estrazione e opzioni visualizzata e la casella di testo Indirizzo di destinazione che visualizza il percorso dei file estratti. Per estrarre in una posizione diversa, fare clic su una delle cartelle nel pannello di destra della finestra per renderla la cartella di destinazione. Fare clic su OK per estrarre i file in tale cartella.</li>
	<li>Aprire il file SOA estratto e fare doppio clic su SOA.exe. Attendi che si apra una finestra nera, dopodiché apparirà l'applicazione.</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> Figura 2: Esempio di flusso di lavoro che utilizza la GUI della SOA. Colonna di sinistra: sezioni GUI del flusso di lavoro. Colonna centrale: immagine di una rete dendritica, elaborata durante il flusso di lavoro (barra di scala: 20 μm). Colonna di destra: ingrandimento dell'area contrassegnata da un rettangolo rosso nelle immagini della colonna centrale (barra della scala: 4 μm). Passo 1: Selezione e caricamento di un'immagine. Fase 2: La prima fase della segmentazione è il rilevamento di linee che rappresentano i rami dendritici identificati. Fase 3: La seconda fase della segmentazione è la fusione basata sulla prossimità del rivestimento del segmento nei singoli rami dendritici. Le impostazioni di tutti i passaggi possono essere modificate. Abbreviazioni: SOA = analisi di segmentazione e orientamento; GUI = interfaccia utente grafica. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
2. Apri un'immagine da analizzare.
<ol><li>Nella barra dei menu Caricamento visualizzatore SOA | seleziona Scegli file | Scegliere un'immagine dai file del computer | cliccaci sopra (solo .png .jpg .tif .bmp file) | Apri | Osservare il percorso del file | Prossimo.
</li>
</ol>3. Ottimizzazione della segmentazione
NOTA: nella barra dei menu Proprietà del visualizzatore SOA , modificare i valori dei parametri selezionati per regolare le impostazioni del processo di segmentazione. Una descrizione dettagliata dei parametri, come la Soglia, è fornita nel Materiale supplementare.
<ol><li>In Bordi,regolate la soglia per la visualizzazione selezionando la soglia e immettendo un numero. NOTA: più basso è il numero per la soglia, più righe vengono rilevate. Soglia è un numero che varia da 0 a 255. Il valore predefinito è stato impostato su 0.</li>
	<li>In Unisci righe:<ol>
<li>Regolate la distanza minima da unire per la visualizzazione selezionando la distanza minima da unire e immettendo un numero. NOTA: la distanza minima da unire varia da 0 a 30 pixel. Il valore predefinito è impostato su 20.</li>
		<li>Regolate l'angolo minimo da unire per la visualizzazione selezionando l'angolo minimo da unire e immettendo un numero. NOTA: l'angolo minimo di unione varia da 0 a 30°. Il valore predefinito è impostato su 10.</li>
	</ol>
</li>
	<li>Fare clic su Crea immagine di segmentazione di anteprima. NOTA: verrà visualizzata un'immagine di anteprima dei risultati della segmentazione in base ai valori aggiornati. Inoltre, verranno visualizzati il numero di righe prima dell'unione e il numero di righe dopo l'unione.</li>
	<li>Modificare i parametri per ottenere la massima identificazione dei segmenti. Se è necessario modificare le Proprietà, fare clic sul pulsante Chiudi finestra e seguire i passaggi 3.1-3.4.</li>
</ol>4. Creare i file di output.
<ol><li>Premere OK per visualizzare le immagini di segmentazione e i grafici di analisi. Osservare la finestra visualizzata per selezionare una posizione in cui verrà salvato il file .xlsx.</li>
	<li>Inserire un nome file | Scegli Salva | attendere che il file .xlsx con i dati venga creato e salvato. NOTA: oltre al file .xlsx, verranno visualizzati automaticamente i seguenti file: un file che presenta l'immagine originale, l'immagine di riconoscimento delle linee, l'immagine finale della segmentazione e tre grafici di analisi.
</li>
</ol>5. Barra degli strumenti di navigazione
NOTA: una barra degli strumenti di navigazione è inclusa in tutte le finestre delle figure e può essere utilizzata per spostarsi all'interno del set di dati. Ciascuno dei pulsanti nella parte inferiore della barra degli strumenti è descritto di seguito.
<ol><li>Per spostarsi avanti e indietro tra le viste definite in precedenza, utilizzare i pulsanti Avanti e Indietro . NOTA: i pulsanti Home, Avanti e Indietro sono simili ai controlli Home, Avanti e Indietro di un browser Web. Home ritorna alla schermata predefinita, l'immagine originale.</li>
	<li>Utilizzare il pulsante Zoom per eseguire la panoramica e lo zoom. Per attivare la panoramica e lo zoom, premere il pulsante Zoom , quindi spostare il mouse nella posizione desiderata nell'immagine.<ol>
<li>Per eseguire una panoramica della figura, tenere premuto il pulsante sinistro del mouse mentre lo si trascina in una nuova posizione. Rilascia il pulsante del mouse e il punto selezionato nell'immagine apparirà nella nuova posizione. Durante la panoramica, tenete premuti i tasti x o y per limitare il movimento rispettivamente agli assi x o y.</li>
		<li>Per ingrandire, tieni premuto il pulsante destro del mouse e trascinalo in una nuova posizione. Spostarsi a destra per ingrandire l'asse x e spostarsi a sinistra per ridurre lo zoom sull'asse x. Fate lo stesso per i movimenti dell'asse y e su/giù. Quando si esegue lo zoom, si noti che il punto sotto il mouse rimane fermo, consentendo di ingrandire o rimpicciolire quel punto. Utilizzate i tasti modificatori x, y o CTRL per limitare lo zoom rispettivamente alla conservazione delle proporzioni x, y o delle proporzioni.</li>
	</ol>
</li>
	<li>Per attivare la modalità Zoom su rettangolo, fare clic sul pulsante Zoom su rettangolo . Posizionare il cursore sull'immagine e premere il pulsante sinistro del mouse. Trascinare il mouse in una nuova posizione tenendo premuto il pulsante per definire un'area rettangolare. NOTA: i limiti di visualizzazione degli assi verranno ingranditi nell'area definita quando si preme il pulsante sinistro del mouse. I limiti di visualizzazione degli assi verranno ridotti quando si preme il pulsante destro del mouse, posizionando gli assi originali nell'area definita.</li>
	<li>Utilizzare lo strumento di configurazione del sottotrame per configurare l'aspetto della sottotrama. NOTA: i lati sinistro, destro, superiore e inferiore della sottotrama, nonché lo spazio tra righe e colonne, possono essere allungati o compressi.</li>
	<li>Per aprire una finestra di dialogo di salvataggio file, fare clic sul pulsante Salva e salvare il file nei seguenti formati: .png, ps, .eps, .svg o .pdf.</li>
</ol>

<ol><li>Ferrante, M., Migliore, M., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+impact+of+dendritic+branch-point+morphology%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Functional impact of dendritic branch-point morphology.</a> Journal of Neuroscience. 33 (5), 2156-2165 (2013).</li>
<li>Spruston, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pyramidal+neurons%3A+dendritic+structure+and+synaptic+integration%5BTitle%5D)+AND+%22Nature+Reviews+Neuroscience%22%5BJournal%5D)">Pyramidal neurons: dendritic structure and synaptic integration.</a> Nature Reviews Neuroscience. 9 (3), 206-221 (2008).</li>
<li>Chklovskii, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synaptic+Connectivity+and+Neuronal+Morphology%3A+Two+Sides+of+the+Same+Coin%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin.</a> Neuron. 43 (5), 609-617 (2004).</li>
<li>Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+dendritic+spine+development+and+plasticity+by+BDNF+and+vesicular+trafficking%3A+fundamental+roles+in+neurodevelopmental+disorders+associated+with+mental+retardation+and+autism%5BTitle%5D)+AND+%22Journal+of+Neurodevelopmental+Disorders%22%5BJournal%5D)">Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism.</a> Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).</li>
<li>Irwin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+Spine+Structural+Anomalies+in+Fragile-X+Mental+Retardation+Syndrome%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome.</a> Cerebral Cortex. 10 (10), 1038-1044 (2000).</li>
<li>Kaufmann, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+anomalies+in+disorders+associated+with+mental+retardation%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic anomalies in disorders associated with mental retardation.</a> Cerebral Cortex. 10 (10), 981-991 (2000).</li>
<li>Pinchas, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+branch+intersections+are+structurally+regulated+targets+for+efficient+axonal+wiring+and+synaptic+clustering%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering.</a> PLoS ONE. 8 (12), 82083(2013).</li>
<li>Cove, J., Blinder, P., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Contacts+among+non-sister+dendritic+branches+at+bifurcations+shape+neighboring+dendritic+branches+and+pattern+their+synaptic+inputs%5BTitle%5D)+AND+%22Brain+Research%22%5BJournal%5D)">Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs.</a> Brain Research. 1251, 30-41 (2009).</li>
<li>Blinder, P., Cove, J., Foox, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convergence+among+non-sister+dendritic+branches%3A+An+activity-controlled+mean+to+strengthen+network+connectivity%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity.</a> PLoS ONE. 3 (11), 3782(2008).</li>
<li>Glaser, J., Glaser, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuron+imaging+with+neurolucida+-+PC-based+system+for+image+combining+microscopy%5BTitle%5D)+AND+%22Computerized+Medical+Imaging+and+Graphics%22%5BJournal%5D)">Neuron imaging with neurolucida - PC-based system for image combining microscopy.</a> Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).</li>
<li>Scorcioni, R., Polavaram, S., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((L-Measure%3A+a+web-accessible+tool+for+the+analysis%2C+comparison+and+search+of+digital+reconstructions+of+neuronal+morphologies%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies.</a> Nature Protocols. 3 (5), 866-876 (2008).</li>
<li>Torben-Nielsen, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+and+extendable+python+library+to+analyze+neuronal+morphologies%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An efficient and extendable python library to analyze neuronal morphologies.</a> Neuroinformatics. 12 (4), 619-622 (2014).</li>
<li>Parekh, R., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+morphology+goes+digital%3A+A+research+hub+for+cellular+and+system+neuroscience%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neuronal morphology goes digital: A research hub for cellular and system neuroscience.</a> Neuron. 78 (1), 206(2013).</li>
<li>heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NeuronIQ%3A+A+novel+computational+approach+for+automatic+dendrite+SPINES+detection+and+analysis%5BTitle%5D)+AND+%222007+IEEE%2FNIH+Life+Science+Systems+and+Applications+Workshop%22%5BJournal%5D)">NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis.</a> 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).</li>
<li>Image processing and analysis in Java. NIH. ImageJ. , Available from: 
 <a target="_blank" href="https://imagej.nih.gov/ij">https://imagej.nih.gov/ij</a> (2021).</li>
<li>Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Superior+survival+and+durability+of+neurons+and+astrocytes+on+3-dimensional+aragonite+biomatrices%5BTitle%5D)+AND+%22Tissue+Engineering%22%5BJournal%5D)">Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices.</a> Tissue Engineering. 13, 461-472 (2007).</li>
<li>Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gliosis+of+astrocytes+cultivated+on+coral+skeleton+is+regulated+by+the+matrix+surface+topography%5BTitle%5D)+AND+%22Biomedical+Materials%22%5BJournal%5D)">Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography.</a> Biomedical Materials. 14 (4), 045005(2019).</li>
</ol>

Gli autori dichiarano di non avere interessi finanziari concorrenti.

Sono urgentemente necessarie strategie efficaci per estrarre informazioni morfologiche da immagini 2D per tenere il passo con i dati di imaging biologico. Sebbene i dati di imaging possano essere generati in poche ore, l'analisi approfondita delle immagini richiede molto tempo. Di conseguenza, l'elaborazione delle immagini è chiaramente diventata un grosso ostacolo in molti campi. Ciò è dovuto in parte all'elevata complessità dei dati, soprattutto quando si tratta di campioni biologici. Inoltre, poiché molti utenti non d...

La morfogenesi dendritica è un argomento centrale nelle neuroscienze, poiché la struttura dell'albero dendritico influenza le proprietà computazionali dell'integrazione sinaptica nei neuroni1,2,3. Inoltre, anomalie morfologiche e modificazioni nei rami dendritici sono implicate in disturbi degenerativi e dello sviluppo neurologico4,5,6. Nelle colture neuronali in cui la ramificazione dendritica può essere visualizzata più facilmente, le interazioni tra rami dendritici non fratelli regolano i siti e l'estensione del clustering sinaptico lungo i rami, un comportamento che può influenzare la coattività sinaptica e la plasticità7,8,9. Pertanto, la caratterizzazione dei parametri morfologici dell'albero dendritico utilizzando colture neuronali bidimensionali (2D) è vantaggiosa per comprendere la morfogenesi dendritica e la funzionalità di singoli e reti di neuroni. Tuttavia, questo è un compito impegnativo perché i rami dendritici formano una rete complessa anche in colture neuronali 2D "semplificate".
Sono stati sviluppati diversi strumenti per tracciare e analizzare automaticamente le strutture dendritiche10,11,12,13. Tuttavia, la maggior parte di questi strumenti sono progettati per le reti neuronali 3D e sono naturalmente troppo complessi per essere utilizzati con le reti 2D. Al contrario, gli strumenti di analisi morfologica meno avanzati coinvolgono in genere una componente significativa del lavoro manuale assistito da computer, che richiede molto tempo e suscettibile alla distorsione dell'operatore14. Gli strumenti semi-automatici esistenti, come "ImageJ"15 (un pacchetto di elaborazione delle immagini open source NIH con una vasta collezione di strumenti di analisi delle immagini biologiche sviluppati dalla comunità), riducono in gran parte il lavoro manuale dell'utente. Tuttavia, alcuni interventi manuali sono ancora necessari durante l'elaborazione delle immagini e la qualità della segmentazione può essere inferiore a quella desiderabile.
Questo documento presenta la SOA, un semplice strumento automatizzato che consente la segmentazione diretta e l'analisi dell'orientamento dei rami dendritici all'interno di reti neuronali 2D. La SOA è in grado di rilevare vari oggetti simili a linee in immagini 2D e caratterizzarne le proprietà morfologiche. Qui, abbiamo usato la SOA per segmentare i rami dendritici in immagini di fluorescenza 2D di reti dendritiche in coltura. Il software identifica i rami dendritici ed esegue con successo misurazioni di parametri morfologici come il parallelismo e la distribuzione spaziale. La SOA può essere facilmente adattata per l'analisi di processi cellulari di altri tipi cellulari e per lo studio di reti non biologiche.

<table><tbody><tr><td>Matplotlib</td><td>&nbsp; 2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom e il team di sviluppo di Matplotlib; 2012 - 2021 Il team di sviluppo di Matplotlib.</td><td>3.4.2</td><td>una libreria di tracciato Python 2D</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>artista per matplotlib per visualizzare una barra di scala</td></tr><tr><td>NumPy</td><td>La comunità NumPy.</td><td>1.20.3</td><td>pacchetto fondamentale per la libreria di calcolo scientifico</td></tr><tr><td>OpenCV OpenCV</td><td>team</td><td>4.5.2.54</td><td>Libreria di visione artificiale open source</td></tr><tr><td>PyCharm</td><td>JetBrains</td><td>2020.3.1 (Community Edition) versione</td><td>Build #PC-203.6682.86, costruita il 18 dicembre 2020. Versione runtime: 11.0.9.1+11-b1145.37 amd64. VM: VM server OpenJDK a 64 bit di JetBrains s.r.o. finestre 10 10.0. Memoria: 978M, Core: 4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>gestire la GUI</td></tr><tr><td>python</td><td>Python Software Foundation License</td><td>3.9 versione</td><td></td></tr><tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>5.11.1 versione</td><td></td></tr><tr><td>scipy</td><td>Progetto libreria comunitaria</td><td>1.6.3</td><td>Ecosistema basato su Python di software open source per la matematica, la scienza e l'ingegneria</td></tr><tr><td>Seaborn</td><td>Michael Waskom.</td><td>0.11.1</td><td>Libreria di visualizzazione dei dati statistici di Python.</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td><td>1.4.3</td><td>Modulo Python per la creazione di file Excel XLSX</td></tr></tbody></table>

identificazione automatica dei rami dendritici e loro orientamento

Automatic Identification of Dendritic Branches and their Orientation

La struttura degli alberi dendritici neuronali svolge un ruolo chiave nell'integrazione degli input sinaptici nei neuroni. Pertanto, la caratterizzazione della morfologia dei dendriti è essenziale per una migliore comprensione della funzione neuronale. Tuttavia, la complessità degli alberi dendritici, sia quando isolati che soprattutto quando si trovano all'interno di reti neuronali, non è stata completamente compresa. Abbiamo sviluppato un nuovo strumento computazionale, SOA (Segmentation and Orientation Analysis), che consente la misurazione automatica dell'orientamento dei rami dendritici da immagini a fluorescenza di colture neuronali 2D. SOA, scritto in Python, utilizza la segmentazione per distinguere i rami dendritici dallo sfondo dell'immagine e accumula un database sulla direzione spaziale di ciascun ramo. Il database viene quindi utilizzato per calcolare parametri morfologici come la distribuzione direzionale dei rami dendritici in una rete e la prevalenza della crescita parallela dei rami dendritici. I dati ottenuti possono essere utilizzati per rilevare cambiamenti strutturali nei dendriti in risposta all'attività neuronale e agli stimoli biologici e farmacologici.

Un'analisi rappresentativa è stata eseguita su immagini di reti dendritiche in coltura. Le cellule sono state estratte come descritto da Baranes et al. 16,17. In breve, le cellule dell'ippocampo sono state estratte dal cervello dei ratti postnatali e coltivate su coperture di vetro 2D per 1-2 settimane. Le colture sono state poi fissate e colorate attraverso immunofluorescenza indiretta utilizzando un anticorpo contro il marcatore proteico dendritico, la...

Presentato è uno strumento computazionale che consente la misurazione automatica semplice e diretta degli orientamenti dei rami dendritici neuronali da immagini di fluorescenza 2D.

Identificazione automatica dei rami dendritici e loro orientamento

The structure of neuronal dendritic trees plays a key role in the integration of synaptic inputs in neurons. Therefore, characterization of the morphology ...

La SOA è uno strumento automatizzato che ha un'interfaccia user-friendly, per l'identificazione, la segmentazione e l'estrazione di importanti informazioni morfologiche da immagini di complesse reti di linee 2D. Il processo di lavoro è semplice e intuitivo e i dati si ottengono immediatamente e facilmente. Inoltre, poiché SOA è adattabile e flessibile, la sua capacità analitica può essere ampliata per altre applicazioni.La SOA può essere utilizzata per l'analisi di altri tipi di reti 2D, come reti di cellule non neurali, strutture complesse generate dal citoscheletro e reti non biologiche, come i nanotubi. Apri la pagina web, trova la SOA. zip cartella compressa e scaricare il file zip facendo doppio clic.Decomprimi la cartella facendo clic con il pulsante destro del mouse e selezionando estrai file. Osservare il percorso di estrazione nella finestra delle opzioni visualizzata nella casella di testo dell'indirizzo di destinazione che visualizza il percorso dei file estratti. Quindi, apri il file SOA estratto e fai doppio clic su SOA.exe.Attendi che si apra una finestra nera, dopodiché apparirà l'applicazione. Nella barra dei menu di caricamento del visualizzatore SOA, selezionare S

automatic-identification-of-dendritic-branches-and-their-orientation

Research

Ricerca

JoVE Journal

Neuroscience

Neuroscienze

Fonte: Pekarek, B. T., et. al., Imaging e quantificazione di dendriti neuronali intatti tramite CLARITY Tissue Clearing. (2021)In questo video, dimostriamo la preparazione, l'imaging e l'analisi di un cervello di topo ripulito per esaminare gli arbori dendritici, la morfologia della colonna vertebrale e la distribuzione neuronale utilizzando la microscopia confocale e le tecniche di ricostruzione 3D.

Imaging al microscopio confocale di pergole dendritiche intatte e morfologia della colonna vertebrale in un cervello di topo pulito

Fonte: Ting, C., et al., Analisi della morfologia dendritica in colonne e strati. J. Vis. Exp. (2017)Questo video mostra la procedura di preparazione di un cervello di Drosophila, l'acquisizione di pile di immagini orizzontali e frontali di dendriti midollari marcati con GFP sotto un microscopio confocale e la creazione di una ricostruzione 3D per analizzare la loro morfologia attraverso strati e colonne.

Analisi della morfologia dendritica negli strati e nelle colonne di Drosophila medulla

Fonte: Gouder, et. al. Quantificazione tridimensionale di spine dendritiche da neuroni piramidali derivati da cellule staminali pluripotenti indotte umane. J. Vis. Exp. (2015).Questo video mostra l'imaging e l'analisi delle spine dendritiche in neuroni piramidali trasdotti e immunomarcati utilizzando la microscopia confocale. Il rumore di fondo è ridotto e i dendriti vengono tracciati stimandone il diametro e la lunghezza. La segmentazione automatizzata della colonna vertebrale comporta...

Quantificazione delle spine dendritiche mediante imaging al microscopio confocale

Descriviamo due metodi per la visualizzazione e la quantificazione dell'arborizzazione dendritica nell'ippocampo di modelli murini: imaging in tempo reale e con profondità di campo estesa. Mentre il primo metodo consente un sofisticato tracciamento topografico e la quantificazione dell'estensione della ramificazione, il secondo consente una rapida visualizzazione dell'albero dendritico.

Valutazione della dendritiche arborizzazione nel giro dentato della Regione ippocampale nei topi

Spine dendritiche di neuroni piramidali sono i siti di maggior sinapsi eccitatorie in mammiferi corteccia cerebrale. Il metodo descrive un'analisi quantitativa 3D di morfologie della colonna vertebrale nei neuroni piramidali glutamatergici corticali umane derivate da cellule staminali pluripotenti indotte.

Quantificazione tridimensionale di spine dendritiche da piramidale neuroni derivate da cellule staminali umane pluripotenti indotte

Qui mostriamo come analizzare dendritica instradamento dei neuroni midollo Drosophila in colonne e strati. Il flusso di lavoro comprende una tecnica di imaging dual-view per migliorare la qualità delle immagini e strumenti computazionali per tracciare, registrare mandrini dendritiche alla matrice di colonna di riferimento e per analizzare le strutture dendritiche nello spazio 3D.

Analizzando dendritiche Morfologia in colonne e strati

Questo protocollo è centrato sull'analisi quantitativa della complessità di un neurone arborization dentritico (NDAC) in Drosophila, che può essere utilizzato per gli studi della morfogenesi dendritica.

Analisi quantitativa di un neurone Arborization dentritico complessità in Drosophila

Qui, descriviamo il metodo che abbiamo impiegato per immaginare la filopodia dendritica altamente motile in una preparazione dal vivo del cervello larvale della Drosophila, e il protocollo che abbiamo sviluppato per quantificare i set di dati di imaging 3D time-lapse per le valutazioni quantitative dei dendriti dinamica nello sviluppo dei neuroni.

Time-lapse Live Imaging e quantificazione delle dinamiche del ramo dendritico veloce nello sviluppo di neuroni della Drosophila

Vi presentiamo un protocollo per etichettare e analizzare i neuroni piramidali, che è fondamentale per valutare potenziali alterazioni morfologiche nei neuroni e nelle spine dendritiche che possono essere alla base di anomalie neurochimiche e comportamentali.

Etichettatura balistica dei neuroni piramidali nelle sezioni cerebrali e nella cultura cellulare primaria

La morfologia dendritica neuronale è spesso alla base della funzione. In effetti, molti processi patologici che influenzano lo sviluppo dei neuroni si manifestano con un fenotipo morfologico. Questo protocollo descrive un metodo semplice e potente per analizzare i pergole dendritiche intatte e le loro spine associate.

Imaging e quantificazione di dendriti neuronali intatti tramite CLARITY Tissue Clearing

Le spine dendritiche sono compartimenti post-sinaptici della maggior parte delle sinapsi eccitatorie. Le alterazioni della morfologia della colonna vertebrale dendritica si verificano durante lo sviluppo neurologico, l'invecchiamento, l'apprendimento e molti disturbi neurologici e psichiatrici, sottolineando l'importanza di un'analisi affidabile della colonna vertebrale dendritica. Questo protocollo descrive la quantificazione della morfologia della spina dendritica in modo accurato e...

Quantificazione della spina dendritica utilizzando un software di ricostruzione automatica dei neuroni tridimensionali

Scopri l'analisi automatica dei rami dendritici con il software SOA per immagini 2D in fluorescenza. Questo strumento computazionale estrae dati morfologici e classifica i pattern di crescita paralleli e non paralleli nelle reti neuronali.

Identificazione automatica dei rami dendritici e loro orientamento

Esplora altri video