Name: 樹状枝の自動同定とその向き (動画) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: 学ぶSOAを用いた2D蛍光画像からの樹状枝自動解析法。神経細胞ネットワークの形態データを抽出し、成長パターンを分類することで、樹状突起の動態理解を深める計算生物学的手法です。

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

著者らは、文化イメージの準備のためにオルリー・ワイス博士に感謝したいと思います。

注:イスラエル保健省は、実験動物の倫理的使用のためのプロトコルIL-218-01-21の下でマウスの使用を承認しました。SOA は、Windows 10 および Python 3.9 とのみ互換性があります。これは、オープンソースコードとして利用可能です: https://github.com/inbar2748/DendriteProject。このリンクには README もあります。ソフトウェアをダウンロードするための指示、ソフトウェアのウェブサイトへのリンク、およびすべてのパッケージの必要なバージョンに関する情報を含む要件ファイルを持つDMファイル。ソフトウェアを使用して実行される分析の追加の例も提供されています。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> 図1:セグメンテーションおよび成長方向解析のSOAワークフロー 樹状ネットワークの蛍光画像の処理ステップとデータ解析を示す。2D画像はアップロードされ、セグメント化され(樹状枝は線分として検出され、関連する線がマージされる)、各樹状枝の空間情報が得られます。データは、画像内のすべての樹状枝に対して収集されます。最後に、データを分析して、所望の形態学的パラメータを与える。略語: SOA = セグメンテーションと方向解析 <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">この図の大きなバージョンを表示するには、ここをクリックしてください。</a>
1. SOA アプリケーションを開きます。
<ol><li>URL アドレスを開きます: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA、 SOA .zip zip 形式のフォルダーを見つけて、ZIP ファイルをダブルクリックしてダウンロードします。</li>
	<li>SOA を右クリックしてフォルダを解凍し.zipファイルの展開を選択します。開いた [抽出パスとオプション] ウィンドウと、抽出されたファイルのパスを表示する [宛先アドレス] テキスト ボックスを確認します。別の場所に展開するには、ウィンドウの右側のパネルでいずれかのフォルダをクリックして、コピー先のフォルダにします。[OK] をクリックして、そのフォルダにファイルを展開します。</li>
	<li>抽出した SOA ファイルを開き、 SOA .exe をダブルクリックします。黒いウィンドウが開くのを待ち、その後にアプリケーションが表示されます。</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> 図2:SOAのGUIを使用したワークフローの例 左列: ワークフローの GUI セクション。中央の列: 樹状ネットワークの画像, ワークフロー中に処理(スケールバー: 20 μm)。右の列: 中央の列の画像に赤い長方形でマークされた領域の拡大率(スケールバー:4 μm)。ステップ 1: 画像の選択とアップロード。ステップ2:セグメンテーションの第1段階は、識別された樹状枝を表す線の検出です。ステップ3:セグメンテーションの第2段階は、個々の樹状枝のセグメント裏地の近接ベースの合併です。すべてのステップの設定は変更できます。略語: SOA = セグメンテーションと方向分析;GUI = グラフィカル・ユーザー・インターフェース。 <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">この図の大きなバージョンを表示するには、ここをクリックしてください。</a>
2. 画像を開いて分析します。
<ol><li>SOA ビューアアップロードメニューバー|[ファイルの選択] |コンピュータファイルから画像を選択|クリック (ファイルのみ.png .jpg .tif .bmp) ||を開く ファイルのパスを|次に。
</li>
</ol>3. セグメンテーションの最適化
注: [SOA ビューアのプロパティ] メニュー バーで、選択したパラメータの値を変更してセグメンテーションプロセスの設定を調整します。 しきい値などのパラメータの詳細な説明は、 補足材料に記載されています。
<ol><li>[エッジ] で、[しきい値] を選択して数値を入力して、表示のしきい値を調整します。 注: しきい値の数が小さいほど、検出される行数が多くなります。しきい値は、0 から 255 の範囲の数値です。既定値は 0 に設定されています。</li>
	<li>マージ行で:<ol>
<li>合成する最小距離を選択して数値を入力し、ディスプレイの 最小距離 を調整します。 注: マージする最小距離 は、0 ~ 30 ピクセルの範囲です。デフォルト値は 20 に設定されています。</li>
		<li>合成する最小角度を選択して数値を入力して、ディスプレイにマージ する最小角度 を調整します。 注: マージする最小角度 の範囲は 0 ~ 30° です。デフォルト値は 10 に設定されています。</li>
	</ol>
</li>
	<li>[ プレビュー セグメンテーション イメージの作成] をクリックします。 注: セグメンテーション結果のプレビュー イメージは、更新された値に従って表示されます。また、マージ前の行数とマージ後の行数も表示されます。</li>
	<li>パラメータを変更して、セグメントの識別を最大限に引き出します。プロパティを変更する必要がある場合は、 ウィンドウを閉じる ボタンをクリックして、手順3.1-3.4に従います。</li>
</ol>4. 出力ファイルを作成します。
<ol><li>[OK] を押して、セグメンテーション 画像と分析グラフを視覚化します。.xlsx ファイルを保存する場所を選択するためのウィンドウが表示されることを確認します。</li>
	<li>ファイル名を挿入|[ 保存] |の 選択データを含む.xlsxファイルが作成され、保存されるまで待ちます。 注: .xlsx ファイルに加えて、元の画像を表示するファイル、線の認識イメージ、セグメンテーションの最終イメージ、3 つの解析グラフが自動的に表示されます。
</li>
</ol>5. ナビゲーションツールバー
注: ナビゲーション ツールバーはすべての図ウィンドウに含まれており、データ セット内を移動するために使用できます。ツールバーの下部にある各ボタンについて、以下に説明します。
<ol><li>以前に定義したビュー間を移動するには、[ 進む ] ボタンと [戻る ] ボタンを使用します。 注: ホーム、 進む、および 戻る ボタンは、Web ブラウザーの ホーム、 進む、および 戻る の各コントロールに似ています。 ホーム はデフォルトの画面、元の画像に戻ります。</li>
	<li>[ズーム] ボタンを使用して、画面移動とズームを行います。パンとズームをアクティブにするには、[ズーム]ボタンを押してから、画像内の目的の場所にマウスを移動します。<ol>
<li>図をパンするには、マウスの左ボタンを押したまま、新しい位置にドラッグします。マウス ボタンを放すと、イメージ内の選択したポイントが新しい位置に表示されます。パン中に 、x キーまたは y キーを押したままにして、モーションを x 軸または y 軸に制限します。</li>
		<li>ズームするには、マウスの右ボタンを押したまま、新しい場所にドラッグします。右に移動して X 軸を拡大表示し、左に移動して X 軸を縮小します。Y 軸と上下の動きに対して同じ操作を行います。ズームする場合、マウスの下の点は静止したままで、そのポイントの周囲を拡大または縮小できます。修飾子キー x、 y、または CONTROL を使用して、それぞれ x、 y、またはアスペクト比の保持にズームを制限します。</li>
	</ol>
</li>
	<li>四角形にズーム モードをアクティブにするには、[ 四角形にズーム ] ボタンをクリックします。イメージの上にカーソルを置き、マウスの左ボタンを押します。ボタンを押したまま新しい位置にマウスをドラッグして、矩形領域を定義します。 注: 軸ビューの制限は、マウスの左ボタンを押すと、定義された領域にズームされます。軸ビューの制限は、マウスの右ボタンを押すと縮小され、定義された領域に元の軸が配置されます。</li>
	<li>サブプロット設定ツールを使用して、サブプロットの外観を設定します。 注: サブプロットの左、右、上、下の辺、行と列の間のスペースは、ストレッチまたは圧縮できます。</li>
	<li>ファイル保存ダイアログを開くには、[ 保存 ] ボタンをクリックし、.png、.ps、.eps、.svg、または.pdf形式でファイルを保存します。</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>

著者らは、競合する財政的利益はないと宣言している。

生物学的画像データに追いつくためには、2D画像から形態学的情報を抽出するための効果的な戦略が緊急に必要とされています。画像データは数時間で生成できますが、画像の詳細な分析には長い時間がかかります。その結果、画像処理は明らかに多くの分野で大きな障害となっています。これは、特に生物学的サンプルを扱う場合、データの複雑度が高いためです。また、多くのユーザーが専門的なプログラミングや画像処理のスキルを欠いているため、画像処理を容易かつユーザーフレンドリーに行える自動化ツールが必要です。SOAが役に立つと期待されているのはそのためです。代表的な結果は、樹状ネットワークの複雑さにもかかわらず、いくつかの簡単な手順で画像内の樹状枝の識別を可能にする自動セグメンテーションを示しています。作業プロセスはシンプルで直感的で、多様な空間情報をすぐに、努力することなく取得します。蛍光画像内の個々の樹状枝を検出し、その結果について複数の分析を行うために、いくつかのアルゴリズムが採用されました。アルゴリズムの詳細な説明は、 補足資料 とシステム要件に関する情報を参照してください。本稿では、ソフトウェアにおけるアルゴリズムとその役割...

樹状形態形成は神経科学の中心的な主題であり、樹状樹木の構造はニューロンのシナプス統合の計算特性に影響を及ぼす1,2,3。また、樹状枝の形態異常や変形性は、変性・神経発達障害の4,5,6に関係しています。樹状の影響がより容易に可視化できる神経培養において、非姉妹樹状枝間の相互作用は、分岐に沿ったシナプスクラスタリングの部位および程度を調節し、シナプス共活動および可塑性に影響を及ぼす可能性のある行動7,8,9である。したがって、二次元(2D)ニューロン培養を用いた樹状樹木の形態学的パラメータの特徴づけは、樹状形態形成およびニューロンの単一およびネットワークの機能性を理解するために有利である。しかし、樹状枝は「単純化された」2Dニューロン培養においても複雑なメッシュを形成するため、これは困難な作業です。
樹状構造10,11,12,13を自動的にトレースし解析するツールがいくつか開発されています。しかし、これらのツールのほとんどは3Dニューロンネットワーク用に設計されており、2Dネットワークでは使用するには複雑すぎます。対照的に、あまり高度でない形態学的解析ツールは、通常、非常に時間がかかり、オペレータbias14の影響を受けやすいコンピュータ支援手作業の重要なコンポーネントを含みます。「ImageJ'15(コミュニティ開発の生物学的画像解析ツールの膨大なコレクションを持つNIHオープンソース画像処理パッケージ)」などの既存の半自動ツールは、ユーザーの手作業を大幅に削減します。ただし、画像処理中に手動で介入する必要がある場合があり、セグメンテーションの品質が望ましいものよりも低くなる可能性があります。
本論文では、2Dニューロンネットワーク内の樹状枝を直接セグメンテーション・オリエンテーション解析できるシンプルな自動化ツール「SOA」を紹介する。SOA は、2D 画像内のさまざまな線状オブジェクトを検出し、その形態学的特性を特徴付けることができます。ここでは、培養中の樹状ネットワークの2D蛍光画像で樹状枝をセグメント化するためのSOAを用いた。ソフトウェアは樹状枝を識別し、並列処理や空間分布などの形態学的パラメータの測定を正常に行います。SOAは、他の細胞タイプの細胞プロセスの解析や非生物学的ネットワークの研究に容易に適応することができます。

<table><tbody><tr><td>matplotlib</td><td>&nbsp;2002 - 2012 ジョン・ハンター、ダレン・デール、エリック・ファイリング、マイケル・ドロートブーム、Matplotlib開発チーム。2012 - 2021 Matplotlib開発チーム。</td><td>3.4.2</td><td>Python 2D プロット ライブラリ</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>アーティスト matplotlib がスケール バー</td></tr><tr><td>NumPy</td><td>を表示する NumPy コミュニティ。</td><td>1.20.3</td><td>科学計算ライブラリの基本パッケージ</td></tr><tr><td>OpenCV</td><td>OpenCV チーム</td><td>4.5.2.54</td><td>オープンソース コンピューター ビジョン ライブラリ</td></tr><tr><td>PyCharm</td><td>JetBrains</td><td>2020.3.1 (Community Edition) バージョン</td><td>ビルド #PC-203.6682.86、2020 年 12 月 18 日にビルド。ランタイムバージョン:11.0.9.1 + 11-b1145.37 amd64。VM: JetBrains s.r.o. による OpenJDK 64 ビット サーバー VMWindows 10 10.0の。メモリ:978M、コア:4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>GUI python</td></tr><tr><td></td><td>Python Software Foundation License</td><td>3.9バージョン</td><td></td></tr><tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>5.11.1バージョン</td><td></td></tr><tr><td>scipy</td><td>コミュニティライブラリプロジェクト</td><td>1.6.3</td><td>数学、科学、工学Seaborn Michael WaskomのためのオープンソースソフトウェアのPythonベースのエコシステム</td></tr><tr><td></td><td>。</td><td>0.11.1</td><td>Pythonの統計データ視覚化ライブラリ。</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td> Excel <td>XLSXファイルを作成するためのPythonモジュール</td><td>1.4.3</td></tr></tbody></table>

樹状枝の自動同定とその向き

Automatic Identification of Dendritic Branches and their Orientation

神経樹状樹木の構造は、ニューロンのシナプス入力の統合において重要な役割を果たしています。したがって、樹状突起の形態の特徴付けは、神経機能のより良い理解のために不可欠である。しかし、樹状樹木の複雑さは、孤立した場合、特に神経ネットワーク内に位置する場合の両方で、完全には理解されていません。2D神経細胞培養物の蛍光画像から樹状枝の向きを自動測定できる新しい計算ツール 「SOA (セグメンテーション・オリエンテーション分析)」を開発しました。Python で書かれた SOA は、樹状の枝と画像の背景を区別するためにセグメンテーションを使用し、各ブランチの空間方向にデータベースを蓄積します。次に、ネットワーク内の樹状枝の方向分布や、並列樹状枝成長の有病率などの形態学的パラメータを計算するために使用されます。得られたデータは、神経活性に応答して樹状突起の構造変化を検出し、生物学的および薬理学的刺激に使用することができる。

培養中の樹状ネットワークの画像に対して代表的な分析を行った。Baranesらで説明したように細胞を抽出した。16,17.簡単に言えば、海馬細胞を出生後ラットの脳から抽出し、2Dガラスのカバーリップで1〜2週間培養した。培養物を次に固定し、樹状タンパク質マーカー、微小管関連タンパク質2(MAP2)に対する抗体を用いて間接的な免疫蛍光を介して染色した。樹状ネットワークの画像を蛍光顕微鏡を用いて収集し、10枚の画像をSOAを用いて処理した。
図 1 は、樹状ネットワークの解析に使用する一般的な SOA ワークフローを示しています。入力は2D蛍光顕微鏡画像です。画像のセグメンテーションは2つの段階で行われます:第1段階は樹状枝を線として識別し、第2段階はユーザーが決定した距離と方向の基準に従って関連する線をマージする。セグメンテーション後、識別された樹状枝ごとに空間情報が収集されます。次に、画像内...

提示は2D蛍光画像からの神経樹状枝の向きを簡単かつ直接自動で測定できる計算ツールです。

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

SOAは、複雑な2Dラインネットワークの画像から重要な形態情報の識別、セグメンテーション、抽出を行うための、ユーザーフレンドリーなインターフェースを備えた自動化ツールです。作業プロセスはシンプルで直感的で、データはすぐに簡単に取得されます。また、SOAは適応性と柔軟性があるため、他のアプリケーションに対応して分析能力を拡張することができます。SOAは、非神経細胞のネットワーク、細胞骨格によって生成される複雑な構造、ナノチューブのような非生物学的ネットワークなど、他のタイプの2Dネットワークの分析に使用できます。Web ページを開き、SOA を見つけます。zip zipzipフォルダー、ダブルクリックでzipファイルをダウンロードします。右クリックして、抽出ファイルを選択して、フォルダーを解凍します。抽出されたファイルのパスを表示する宛先アドレステキストボックスに表示されるオプションウィンドウで、抽出パスを確認します。次に、抽出したSOAファイルを開き、SOA.exeをダブルクリックします。黒いウィンドウが開くのを待ち、その後にアプリケーションが表示されます。SOA ビューアのアップロード メニュー バーで、[ファイルを選択] を選択し、コンピュータ ファイルからイメージを選択してクリックします。[開く] をクリックしてファイルのパスを確認し、[次へ] をクリックします。エッジのセグメンテーション最適化の場合は、しきい値を選択して数値を入力して、表示のしきい値を調整します。マージ ラインで、マージする最小距離を選択して数値を入力し、マージする最小角度を選択して、表示の最小角度を選択して、表示の最小角度を調整します。次に、プレビューセグメンテーションイメージを作成し、パラメータを変更してセグメントを最大限に識別します。プロパティを変更する必要がある場合は、[ウィンドウを閉じる] ボタンをクリックし、マージする最小距離と角度でしきい値を調整します。出力ファイルを作成するには、[大丈夫]を押して、分析グラフのセグメンテーション画像を視覚化します。表示されるウィンドウで、xlsx ファイルを保存する場所を選択します。ファイル名を挿入し、[保存] を選択して、データが含まれる xlsx ファイルが作成されて保存されるのを待ちます。前に定義したビュー間を移動するには、進むボタンと戻るボタンを使用します。ズームボタンを押してパンとズームを有効にし、マウスを目的の位置に移動します。次に、マウスの左ボタンを押したまま新しい位置にドラッグして図形をパンします。マウス ボタンを離すと、イメージ内の選択したポイントが新しい位置に表示されます。X キーまたは Y キーを押したままにして、軸の動きを制限します。ズームするには、マウスの右ボタンを押したまま、新しい場所にドラッグします。右に移動して X 軸を拡大表示し、左に移動して X 軸を縮小します。上下の動きで y 軸に対して同じことを行います。ズームする場合、マウスの下の点は静止したままで、そのポイントの周囲を拡大または縮小できます。モディファイヤ キー(X、Y、コントロール)を使用して、ズームをそれぞれ X、Y、またはアスペクト比に制限します。長方形にズームモードを有効にするには、長方形にズームボタンをクリックします。イメージの上にカーソルを置き、マウスの左ボタンを押します。ボタンを押したまま新しい位置にマウスをドラッグして、矩形領域を定義します。サブプロット構成ツールを使用して、サブプロットの外観を設定します。ファイル保存ダイアログを開くには、保存ボタンをクリックして、ファイルを適切な形式で保存します。典型的なSOAワークフローは、蛍光抗MAP2抗体で標識された樹状ネットワークの代表的な2D画像に適用されます。SOAのGUIは、セグメント化された画像に対する元の画像の比較を可能にし、セグメンテーション設定の変更の影響をリアルタイムで監視します。樹状枝は、平行で非平行に成長すると分類されます。分析が完了すると、テストされた範囲内の平行分岐の数が抽出され、周波数グラフにプロットされます。樹状枝間の平行成長の程度がランダムか方向のどちらであるかを理解するために、このグラフの結果は、培養中の樹状枝のそれと同じ数の線のランダム成長のシミュレーションから抽出されたものと比較される。SOA は、平行分岐間の距離、平行分岐と非平行樹状枝の長さ、およびそれらの平均長さを測定します。優先的な成長方向が存在するかどうかを判断するために、SOAは樹状枝の成長角の分布ヒストグラムを表示し、各群の好ましい成長方向および特定の樹状枝を迅速に同定することを可能にする。SOA出力は、より詳細で複雑な解析を実行するツールのデータベースとして使用できます。

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

Research

JoVE Journal

Neuroscience

神経科学

出典:Pekarek, B. T., et.al., CLARITY Tissue Clearingによる無傷のニューロン樹状突起のイメージングと定量化。J. Vis. Exp.

透明化マウス脳における無傷の樹状突起アーバーとスパイン形態の共焦点顕微鏡イメージング

出典:Ting, C., et al., Analyzing Dendritic morphology in Columns and Layers.J. Vis.

ショウジョウバエの髄質層と柱にまたがる樹状突起形態の解析

出典: Gouder, et. al.ヒト人工多能性幹細胞由来の錐体ニューロンからの樹状突起棘の三次元定量化J. Vis. 経験。(2015)。このビデオでは、共焦点顕微鏡を使用した形質導入された免疫標識錐体ニューロンにおける樹状突起棘のイメージングと分析を示します。バックグラウンドノイズが低減され、樹状突起の直径と長さを推定することで樹状突起がトレースされます。自動スパインセグメンテーションには、樹状突起とスパインの寸法のパラメータの設定とスパインの分類が含まれます。3D...

共焦点顕微鏡イメージングを用いた樹状突起棘の定量化

私たちは、マウスモデルの海馬における樹状突起形成の可視化と定量化のための2つの方法、すなわちリアルタイムイメージングと拡張被写界深度イメージングについて説明します。前者の手法では、高度な地形トレースや分岐範囲の定量化が可能になるのに対し、後者では樹状突起樹のスピーディーな可視化が可能です。...

マウスの海馬領域の歯状回における樹状樹枝状分岐の評価

錐体ニューロンの樹状突起棘は、哺乳類の脳皮質の中で最も興奮性シナプスのサイトです。この方法は、人工多能性幹細胞由来のヒト皮質錐体グルタミン酸作動性ニューロンにおける脊椎形態の3次元定量分析を記載します。...

ヒト人工多能性幹細胞由来の錐体ニューロンからの樹状突起棘の三次元定量

ここでは、列およびレイヤーにショウジョウバエ延髄ニューロンの樹状突起のルーティングを分析する方法を示しています。ワークフローは、トレース基準列配列の樹状アーバーを登録すると、3次元空間内の樹枝状構造を分析するための画像品質と計算ツールを改善するためのデュアルビューイメージング技術を含みます。...

列およびレイヤーで樹状形態を分析します

このプロトコルは当てて神経細胞樹状パターン形成の複雑さ (NDAC)...

ショウジョウバエのニューロン樹状分枝複雑さの定量解析

ここでは、ショウジョウバエ幼虫脳の生体調における高刺激性樹状フィロポディアの画像化に用いた方法と、デンドライトの定量的評価のためのタイムラプス3Dイメージングデータセットを定量化するために開発したプロトコルについて説明します。ニューロンの発達におけるダイナミクス。...

ショウジョウバエニューロンの開発における高速樹状分岐ダイナミクスのタイムラプスライブイメージングと定量化

神経化学的および行動異常の根本にある可能性のあるニューロンおよび樹状脊椎の形態変化の可能性を評価するために重要な錐体ニューロンを標識し、分析するプロトコルを提示する。...

脳スライスと一次細胞培養における錐体ニューロンの弾道標識

神経樹状形態は、しばしば機能の根底にある。実際、ニューロンの発達に影響を与える多くの疾患プロセスは、形態表現型で現れる。このプロトコルは、無傷の樹状樹状の樹状樹状の樹状樹状の、および関連する脊椎を分析するための簡単で強力な方法を記述します。...

CLARITY組織クリアリングによるインタクトニューロンデンドライトのイメージングと定量化

樹状突起棘は、ほとんどの興奮性シナプスのシナプス後コンパートメントです。樹状突起スパインの形態の変化は、神経発達、老化、学習、および多くの神経学的および精神医学的障害の間に起こり、信頼性の高い樹状突起スパイン解析の重要性が強調されています。このプロトコルでは、自動 3 次元ニューロン再構成ソフトウェアを使用して、樹状突起スパインの形態を正確かつ再現性よく定量化する方法について説明します。...

自動三次元ニューロン再構成ソフトウェアによる樹状突起スパインの定量化

学ぶSOAを用いた2D蛍光画像からの樹状枝自動解析法。神経細胞ネットワークの形態データを抽出し、成長パターンを分類することで、樹状突起の動態理解を深める計算生物学的手法です。

樹状枝の自動同定とその向き

さらに動画を探す