$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
방사형 격자 LCPC 변환을 유방암 오가노이드에 적용한 방법
3D 오가노이드와 종양은 다양한 형태를 취할 수 있으며, 그중 일부는 인간의 눈과는 명백히 다르지만, 전통적인 지표는 통계적으로 유의미하지 않은 차이를 보여줍니다. 반면, 오가노이드는 인간의 눈에 이질적으로 보이는 형태를 보일 수 있어, 반복적으로 나타나는 미묘한 형태를 가리며, 이는 서로 다른 하위 유형을 나타낸다. 인간 유방 일차 유방 오가노이드는 환자에서 추출하여 이전에 발표된 프로토콜17, 20, 21에 따라 3D 배양하였습니다. 그림 3A는 시각적 검사를 통해 접근 가능한 세 가지 형태학적 범주를 보여줍니다: 낭포성 표현형, 다낭성 표현형, 그리고 조밀 다낭성 표현형입니다. 그림 3B는 이 오가노이드들의 외부 윤곽선을 수작업으로 분할하고 순수한 형태를 추출하여 크기가 형태에 미치는 영향을 제거했음을 보여줍니다. 윤곽이 원형이었기 때문에, 순수 도형에 반경 격자 LCPC 변환을 적용한 후 PCA를 적용했습니다. 그림 3B에 겹쳐진 윤곽선들은 가장 긴 내부 선이 수직으로 회전되어 원본 이미지와 방향이 다르다는 점에 유의하세요. 그림 3B는 첫 두 주성분(PC)의 점플롯을 보여주며, K-평균 군집화는 0, 1, 2의 세 개의 군집을 식별했다. 실루엣 점수(SS)는 군집 0과 1(SS = 0.68), 군집 1과 2(SS = 0.69) 사이에 두 개의 별도 군집이 존재할 가능성을 확인시켜 주었으며, 군집 0과 2 사이의 분리가 약하다는 것을 나타냈다(SS = 0.27). 클러스터 0과 2 사이의 실루엣 점수가 약함에도 불구하고, 각 데이터 포인트의 순수한 형태로 데이터 포인트를 표시함으로써 클러스터 2가 가장 독특한 표현형을 나타낸다는 것을 정당화합니다: 매우 비대칭적이고 비원형적인 윤곽선(이 경우 윤곽의 두께는 중요하지 않음).
순수 형태는 크기가 형태에 미치는 영향을 제거하는데, 이는 면적과 부피를 측정할 때 불가능한 것이지만, 규모로 오가노이드 윤곽선을 측정하는 것도 흥미로운 통찰을 제공합니다. 그림 3C 는 크기 조정 없이 이미지에서 분할된 등고선에 대해 수행된 방사형 격자 LCPC 변환으로 생성된 첫 세 PC의 3D 도트 플롯을 보여줍니다. 이 방법은 LCPC 변환이 오가노이드의 형태와 크기를 동시에 측정한다는 것을 의미합니다. 그림 3C 는 다낭성 및 조밀 다낭성 오가노이드가 시낭성 오가노이드에 비해 덜 밀집되어 있음을 보여준다. 이 확장을 정량화하기 위해 그림 3D는 각 표현형이 공유하는 PCA 공간에서 산란된 모습을 보여준다. 각 표현형별로 평균 K-최근접 이웃 거리(KNND)가 계산되며, 이는 낭포성 오가노이드(KNND = 1.061)에서 다낭성 오가노이드(KNND = 1.575), 그리고 조밀한 다낭성 오가노이드(KNND = 2.247)로 점들의 밀도가 감소하는 것을 시각적으로 평가하는 것을 뒷받침합니다; 이 점들의 밀도 감소는 외부 윤곽의 형태학적 이질성 증가로도 해석될 수 있습니다. 마지막으로, LCPC 변환을 전통적인 면적 지표와 비교하기 위해, 그림 3E 는 낭포성 오가노이드와 조밀한 다낭성 오가노이드 면적(p = 0.016, Wilcoxon 랭크-합 검정) 사이에 통계적 유의성이 있음을 보여주지만, 면적에 기반한 세 가지 뚜렷한 형태학적 그룹이 순수 형태 LCPC 분석 후 K-평균 군집화로 식별됨을 나타냅니다(그림 3B)) 또는 대규모 LCPC 분석에서 나타나는 형태학적 이질성이 증가하고 있음을 알 수 있습니다(그림 3C–D). 그림 3E 는 세포성 오가노이드에서 다낭성, 그리고 조밀한 다낭성 오가노이드로 이동하는 데이터 점의 산란이 감소하는 모습을 보여주는데, 이는 대규모 LCPC 분석(그림 3C)에서 관찰되는 것과 반대로, LCPC 변환이 포착하는 공간 정보가 포획하는 영역과 다르다는 점을 강조합니다.
그림 3의 개별 2D 도형과 보충 그림 1 의 개별 형태에도 동일한 접근법이 적용되며, 2D 세포 배양 내 세포의 윤곽에도 적용됩니다: 단일 세포(예: 적혈구) 또는 세포 군집(예: 자궁경부 자궁경부 세포 검사)입니다. 각 사례에 대한 파일럿 연구는 영상으로 설명됩니다: 외부 윤곽선에서 다양한 정도의 접힘을 보이는 뇌 오가노이드의 형태 분석(22); 폐포의 형태 분석은 2D세포 배양 분석에도 동일한 원리를 적용할 수 있습니다. 자궁경부 세포진 검사에서 자궁경부 조직의 형태 분석으로, 핵과 세포막의 윤곽을 방사형 격자 LCPC 변환24를 통해 동시에 정량화합니다; 말라리아에 감염된 적혈구와 감염된 세포 인접하지만 감염되지 않은 세포의 형태 분석25; 겸상적혈구병에 영향을 받은 적혈구의 형태 분석26.
밀도 또는 질감을 공간 정보의 지수로 측정하는 병렬 격자 시스템
공간 정보는 일반적인 형태 개념, 예를 들어 정사각형, 둥근성, 곡률 이상의 의미를 포함하며, 질감과 밀도와 같은 개념을 포함합니다. 혈관과 같은 복잡한 관 모양 네트워크나 세포골격 필라멘트와 같은 가지형 네트워크는 원이나 다각형과 같은 기하학적 직관과 같은 형태 개념과 같은 의미에서 형태 개념에 맞지 않습니다. 하지만 밀도와 질감은 세포, 오가노이드, 종양의 구조와 기능을 이해하는 데 매우 유용한 공간 정보 개념입니다. 형광 영상에서 복잡한 네트워크를 정량화하는 방법을 다루기 위해 세포 생물학자들은 이미지 내 평균 신호 세기나 전체 면적에서 신호가 포함된 비율과 같은 특징을 측정합니다. 이러한 접근법은 공간 정보가 기하학적 모티프로 설명되는 것 이상의 의미가 있음을 인식합니다.
칩 내 조직, 종양, 장기 내 혈관 네트워크 패턴은 전통적인 기하학적 모티프로는 쉽게 정의되지 않지만, 질감과 밀도로 해석함으로써 이점을 얻을 수 있습니다. 종양 발생과 치료 내성에서의 혈관 재형성은 암의 잘 알려진 특징입니다(27번 검토). 458개의 원발성 신경모세포 종양의 조직병리학적 절편을분석하여 전체 혈관과 혈관 구간의 밀도, 크기, 형태를 특성화하였습니다. 그들은 예후가 좋지 않은 환자의 종양에서 혈관이 더 크고, 풍부하며, 더 불규칙한 형태를 보였다는 것을 발견했습니다. 흥미롭게도, '종양 군집을 포괄하는 혈관'(VETC)29라는 용어가 더 큰 간세포암 내에서 작은 종양 군집을 둘러싼 혈관 패턴을 설명하기 위해 만들어졌으며, 이는 전이와 재발률이 높음을 나타냅니다. 이 용어를 만든 동일한 그룹은 나중에 VET 양성 간세포암이 키나제 억제제 소라페닙30 치료에 대한 양성 반응과 상관관계가 있음을 발견했습니다. 따라서 혈관 패턴을 정량화하는 능력은 예후와 내성 기전 이해에 매우 중요합니다.
관, 섬, 가지의 밀집된 네트워크를 정량화하기 위해, LCPC 변환의 병렬 격자 시스템은 형태가 아닌 텍스처 밀도라고 부를 수 있는 것을 측정하는 데 유용합니다. 병렬 격자 LCPC 변환이 이를 구현할 수 있는 예로, 그림 4A 는 심장 혈관 연구에서 나온 심장 미세혈관 패턴을 보여줍니다.31: 육안으로는 경각된 부위와 손상 부위에서 멀리 떨어진 부위 간의 패턴을 객관적이고 정량적으로 구분하는 것이 매우 어렵습니다. 혈관의 마스크(그림 4A 1단계)를 추출하고 병렬 격자 LCPC 변환을 적용하면 정량적 차이를 관찰할 수 있습니다. 첫째, 데이터의 청결성을 높이기 위해 각 이미지는 균일한 직경의 원을 자르고, 이 원은 정사각형 이미지 중앙에 위치하게 하여 회전과 관계없이 각 이미지가 동일한 높이와 너비를 갖도록 했습니다(그림 4A 단계 2). 다음으로, 잘린 이미지를 회전시켜 혈관의 주축( 그림 4A 1단계의 빨간 이중 화살표)이 수직으로 정렬되도록 합니다(그림 4A 단계 3). 그 다음, 이미지 둘레에 파란색 선을 그어, 혈관 패턴이 드문드문한 이미지도 파란색 픽셀 직경이 같도록 합니다(그림 4A 4단계 4). 3단계와 4단계는 Fiji/ImageJ 소프트웨어(v2.14.0)를 사용하여 수행되었습니다. 마지막으로 병렬 그리드 LCPC 변환이 적용됩니다(그림 4A 단계 5). PCA를 통해 결과를 분석하고 처음 세 개의 PC를 그래프로 표시하면, 손상된 부위가 먼 지역과 별도로 집결되어 있음을 알 수 있습니다(그림 4B). 편면수 거리(CD) 계산은 그래프가 나타내는 시각적 패턴을 정량화합니다. 손상 후 1일째에 경결 부위는 기저 상태에서 더 멀리 떨어진 혈관 패턴을 보인다(기저 대 1Day_infarct: CD = 83.89), 비손상 부위(기저 대 1Day_remote: CD = 53.95). 부상 후 1일째 시점에 부상하지 않은 원격 부위는 기저 상태보다 부상 부위에 더 가깝습니다(1Day_remote 대 1Day_infarcxt: CD = 34.48). 손상 후 3일째에 손상 부위와 관련 비손상 원격부위의 혈관 패턴이 기저 상태와 서로 크게 다르게 나타납니다(기저 대 3Days_Infarct: CD = 240.63; 기저 3Days_Remote: CD = 67.28; 3Days_Remote 대 3Days_Infarct: CD = 168.35). 매우 흥미롭게도, 부상 후 7일째에 부상 부위와 부상하지 않은 원격 부위의 혈관 패턴은 기저 상태와 거의 직교인 3차원 공간을 차지하며, 부상 1일 후보다 더 가까운 거리에서 정렬되어 있습니다(7일차 CD = 24.76, 1일차 34.48). 데이터는 두 가지를 시사합니다: (1) 치유가 진행됨에 따라 손상 부위와 손상되지 않은 원격부위의 혈관 패턴이 기저 상태와는 구별되는 패턴을 채택한다; (2) 손상 부위에서 활성화된 재건 프로그램은 관련 비손상 원격지에서도 유사한 형태학적 변화를 유발한다.
LCPC 변환의 다재다능성을 평가하기 위해 혈관의 면적(5A)과 총 둘레(그림 5B)라는 전통적인 지표가 계산되었습니다. 면적과 주변은 시간 흐름 내 각 지점 간의 변화를 보여주지만, 선박의 뚜렷한 공간적 배열을 일관되게 정량화하지는 못합니다. 면적과 둘레는 다양한 혈관 배열을 나타내는 추상화로, 치료 조건과 시간 경과에 따라 혈관의 공간적 배열이 어떻게 변하는지에 대한 정보를 제공하지 못합니다. 각 그룹에 대해 n=3일 때, t-검정과 윌콕슨 검정은 신뢰할 수 없다. 클리프의 델타는 비모라미터 방식이며 효과 크기의 변화를 잘 보여줍니다. 혈관 면적을 측정함으로써 드러나는 주요 차이는 기저 상태와 7일 시점 사이이며; 혈관 전체 둘레의 차이는 기저 상태와 1일 상태, 기저 상태 대 7일 상태 간의 차이입니다. 그러나 경계와 경계는 감염된 부지와 부상당한 외딴 부지 간에 차이가 있다는 징후를 제공하지 않는데, 이는 감염된 부위가 고의로 손상된 점을 고려하면 매우 놀라운 일입니다. 여기서 LCPC 변환의 다양성이 전통적인 지표와 비교해 드러납니다. 각 샘플에 대해 LCPC 변환의 일부로서 FFT 결과는 주파수 집합과 연관된 크기 집합을 생성합니다. 각 빈도 빈의 크기는 평균화하여 처리 그룹 간 비교할 수 있습니다(보완 그림 1). 이를 통해 처리 그룹 간 가장 큰 차이를 보이는 빈도 빈을 간단히 평가할 수 있습니다. 그림 5C 는 다양한 치료 그룹 간, 특히 울폐된 부위와 관련 비손상 부위 간 효과 크기 차이가 분명한 6개의 빈을 보여주며, 해당 부위의 지역과 경계는 차이가 없음을 나타냅니다. 이 6개 빈의 독립적인 값들은 처리 조건 간 양적 차이를 보여주는 여러 인덱스를 제공합니다. 흥미롭게도, LCPC 변환 결과의 Bin 1에서 그룹 간 패턴은 전체 둘레 측정 결과와 유사하다. 반면 다른 지수는 면적과 주변 모두에 숨겨진 양적 차이를 드러냅니다. 기저 상태에 고유한 지수: Bin 49, Bin 56, Bin 21. 1일차 그룹 간 고유한 지수는 다음과 같습니다: Bin 1, Bin 6, Bin 49. 3일차 그룹에만 고유한 지수는 다음과 같습니다: Bin 6, Bin 112, Bin 49. 7일차 그룹에만 고유한 지수: Bin 6, Bin 49, Bin 112. 이 데이터는 LCPC 변환이 전통적인 면적과 경계 접근법에 비해 얼마나 다재다능하고 정밀한지를 보여줍니다.
그림 1: LCPC 변환의 방사형 격자 시스템 설명. (A) 1단계: 관심 있는 형태를 분할하여 파란색 마스크로 추출합니다. 2단계: 마스크를 위한 경계 상자(즉, 물체를 네 면에서 감싸고 닿는 가장 작은 직사각형)를 결정합니다. 경계 상자 중심에서 시작된 방사형 격자 선 시스템이 마스크 위에 겹쳐집니다. 원점으로 물체의 중심이 아닌 바운딩 박스의 중심을 선택한 결정은 임의적이었습니다. 3단계: 격자선과 도형 사이의 각 교차점 거리를 원점에 대해 계산합니다. 교차점이 여러 개의 격자선은 그 모든 교차 거리를 하나의 값으로 합산합니다. 4단계: FFT를 적용하여 3단계에서 얻은 데이터를 주파수 그래프로 변환하며, 이는 1단계의 형태를 정적 다차원 표현(5단계)으로 나타냅니다. 6단계: 5단계부터 인덱스를 통해 스칼라 값을 생성할 수 있습니다. 계산할 지수 유형에 대한 논의는 그림 10 을 참조하세요. (B) 방사형 그리드 시스템에 대한 LCPC 변환 단계의 단순화된 설명을 보여주는 플로우차트. (C) 방사형 격자 시스템이 최적의 형태 테마의 예시. 도형들은 마이크로소프트 파워포인트로 그렸습니다. 이 이미지들은 저자가 제작했으며 출판 라이선스나 저작권 허가가 필요하지 않습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 2: LCPC 변환의 병렬 그리드 시스템의 설명. (A) 1단계: 관심 있는 형태를 수동으로 분할하여 이진 마스크로 추출합니다. 2단계: 평행 격자 시스템을 도형에 겹쳐 놓고, 도형은 회전하여 베이스가 수평이 됩니다. 3단계: 격자선과 도형 사이의 각 교차점 거리를 기준선에 대해 계산합니다. 교차점이 여러 개의 격자선은 그 모든 교차 거리를 하나의 값으로 합산합니다. 4단계: FFT를 적용하여 3단계에서 얻은 데이터를 주파수 그래프, 즉 1단계의 도형을 정적으로 다차원으로 표현하는 그래프로 변환합니다. 6단계: 5단계부터 인덱스를 통해 스칼라 값을 생성할 수 있습니다. 계산할 지수 유형에 대한 논의는 그림 10 을 참조하세요. (B) 병렬 그리드 시스템의 LCPC 변환 단계를 단순화한 설명을 제공하는 플로우차트. (C) 예시는 평행 격자 시스템이 최적의 주제를 형성한다. 도형들은 마이크로소프트 파워포인트로 그렸습니다. 이 이미지들은 저자가 제작했으며 출판 라이선스나 저작권 허가가 필요하지 않습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 3: LCPC 변환은 유방암 오가노이드의 형태학적 아형을 객관적으로 식별합니다. (A) 1차 인간 유방 오가노이드는 이전에 보고된17, 20, 21및 보충 파일 1에 설명된 대로 유도되었다. 시각적 검사를 통해 세 가지 표현형이 관찰되고 분류될 수 있습니다: 낭포성, 다낭성, 그리고 조밀 다낭성. 스케일 바 = 50 μm. (B) 오가노이드의 외부 윤곽선을 수동으로 분할하여 (보충 그림 2; 보충 파일 1에 설명된 기준), 이 윤곽선들의 순수한 형태가 얻어졌습니다. 도표 내 윤곽선들은 모두 회전되어 가장 긴 내부 선이 수직임을 유의하세요; 따라서 원래 방향과 일치하지 않습니다. 그 후 방사형 격자 LCPC 변환을 적용했고, 결과를 PCA를 통해 분석되었습니다. K-평균 군집화는 세 개의 군집(0, 1, 2)을 확인했으며, 실루엣 점수(SS)를 계산하여 그 존재를 확인했습니다. 클러스터 0 대 1, SS: 0.68; 클러스터 0 대 2, SS: 0.27; 클러스터 1 대 클러스터 2, SS: 0.69. (C) 오가노이드의 외곽 윤곽선도 크기 조절 없이 크기 도형, 즉 서로 상대적으로 나타나는 도형에 대해 방사형 격자 LCPC 변환을 사용하여 측정되었습니다. 삽입 부분은 낭포성 오가노이드와 조밀한 다낭성 오가노이드의 느슨한 패킹을 보여주기 위해 확대되었습니다. B와 C의 경우: 초록색 = 낭포성, 보라색 = 다낭성 성, 노란색 = 조밀 다낭성 혈통. (D) 처음 세 개의 PC 값은 각 표현형별로 별도로 그래프로 표시되며, 평균 KNND는 낭포성 표현형이 가장 밀집되어 있는 반면, 다낭성 및 조밀 다낭성 표현형은 밀도가 낮음(즉, 더 이질성)을 보인다는 것을 나타냅니다. 각각 따로 그래프를 그리지만, 세 표현형 모두 동일한 PCA 공간을 공유합니다. 낭포성 표현형의 경우, 평균 KNND는 삽입 지점에서 계산되었는데, 이 표현형에만 존재하는 이상치가 계산에 영향을 미치기 때문입니다. 평균 KNNDs: 낭포성 1.061; 다낭성 1.575; 조밀 다낭성 2.247. (E) 오르가노이드 면적의 박스 플롯은 시포성 오가노이드에서 다포성 오가노이드, 그리고 조밀한 다낭성 오가노이드로 데이터 점이 점차 분산되고 있음을 보여주는데, 이는 대규모 LCPC 분석에서 관찰되는 것과 반대입니다(그림 3C). 이는 LCPC 변환이 포착한 공간 정보가 해당 영역이 포착하는 것과 다르다는 점을 강조합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 4: 평행 격자 LCPC 변환을 이용한 텍스처-밀도 측정. (A) 심장 조직의 미세혈관 사진은 이전에 다른 연구에서 얻은31,32. 이 이미지들은 이 연구들에서 직접 복제된 것이 아닙니다; 오히려 Gkontra가 제공한31개의 원래 3D 영상 데이터셋에서 생성된 새로운 뷰를 나타냅니다. 비록 이 데이터셋은 이전에 공개된 바 있지만, 여기 표시된 특정 이미지들은 처음으로 공개된 것입니다. 각 시점에서 부상하지 않은 원격 현장의 이미지는 공개되지 않습니다. 1단계: 2D 마스크를 생성하고, 혈관의 일반적인 정렬 축(빨간색 이중 화살표)을 결정합니다. 2단계: 이미지 중앙을 중심으로 원형 영역을 얻어 다음 단계에서 이미지가 다양한 정도로 회전된 후 각 이미지가 같은 높이를 가지도록 강제합니다(회전 정도에 따라 이미지의 높이가 변합니다). 3단계: 각 이미지를 1단계에서 결정한 정렬 축이 수직으로 회전되도록 합니다. 4단계: 각 이미지 주위에 균일한 파란색 테두리를 적용하여 이미지의 직경이 같은지 확인합니다. 밀도가 희박한 이미지는 더 짧을 수 있기 때문입니다(예: 3단계의 "심근경색 후 7일" 참조). 5단계: 병렬 그리드 LCPC 변환을 적용합니다. (B) 평행 격자 LCPC 변환 출력의 첫 세 PC의 점플롯 (보라색: 기저 상태, 초록색: 울색 부위, 노란색: 경색 부위에서 멀리 떨어진 부위). 세 조건 사이의 각 시점에서의 챔퍼 거리 계산에 관한 결과 섹션을 참조하세요. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 5: LCPC 변환은 영역과 경계에 숨겨진 특징을 측정합니다. 전통적인 형태 지표와 비교하기 위해 (A) 혈관 네트워크의 면적백분율과 (B) 전체 둘레를 측정하였다. (C)LCPC 변환 결과에서 얻을 수 있는 정밀도 를 보여주기 위해, FFT로 생성된 개별 주파수 빈의 값을 비교했습니다(보충 그림 1). 치료 그룹 간 차이를 객관적으로 정량화하기 위한 지수로 여섯 개의 빈도가 선택되었습니다. 모든 패널에서 각 그룹의 표본 크기가 제한적(n = 3) 때문에, 효과 크기에 대한 비모수 클리프스 델타가 윌콕슨 랭크-합 검정의 p값 대신 계산되었습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 6: 깨끗한 데이터를 추출하기 위해 도형을 체계적으로 배치하는 것의 중요성. (A) 서로 거울상인 동일한 도형의 예시와 평행 격자 시스템이 이들의 뚜렷한 방향을 어떻게 결정하여 서로 다른 결과를 내는지. (B) 도형 2를 수평으로 뒤집어 방향이 도형 1과 일치하도록 하여 도형 1과 더 공정하게 비교할 수 있게 하는 예시. 이 구성에서 병렬 격자 LCPC 변환은 형태 1과 형태 2 모두에서 동일한 결과를 제공합니다. 이 방향 변경은 Shape 2를 수정하지 말아야 한다는 공간적 맥락이 없을 때만 이루어져야 합니다. (C) 숫자 "3"과 비슷하게 생긴 네 가지 변형 물체의 예시로, 일부는 잘못된 방향을 향하고 있습니다. (D) 병렬 그리드 LCPC 변환으로 얻을 데이터의 청결성을 극대화하기 위해 각 객체를 어떻게 방향화할 수 있는지에 대한 예시입니다. (E) 패널 D와 동일한 방향 규칙에 따라 패널 C의 물건들의 넓은 돌출부를 측정한 예시. (F) 패널 C의 물건들의 큰 전구를 측정하되 그 정렬 맥락을 유지한 예시. 패널 D에 정렬 규칙을 유지하는 동기는 넓은 돌출부의 공간 정보 기여도와 좁은 돌출부의 기여도를 분석하기 위함이다. C–F와 관련된 FFT 스펙트럼은 보충 그림 3 을 참조하십시오. A–B의 이미지는 Microsoft PowerPoint에서 가져온 아이콘입니다. C-F의 도형들은 Microsoft PowerPoint에서 그렸습니다. 이 이미지들은 저자가 제작했으며 출판 라이선스나 저작권 허가가 필요하지 않습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 7: 전통적인 형태 지표가 명확한 맥락을 인식하지 못하는 문제. (A) 체크 표시의 일련은 같은 모양이지만 왼쪽에서 오른쪽으로 크기가 커집니다. 이 시리즈에서는 각 체크마크의 면적이 다르지만 모양 개념은 동일합니다: 즉, 체크마크 스타일은 동일합니다. (B) 정사각형은 중심을 중심으로 45도 회전하여 그 형태 개념이 인간이 말하는 다이아몬드가 됩니다. 정사각형의 형태 개념은 다이아몬드와 매우 다르지만, 그 사이의 회전은 주관적으로 '기울어진 사각형' 또는 '기울어진 다이아몬드'로 해석됩니다. LCPC 변환은 이 급수의 각 단계별 차이를 객관적이고 정확하게 측정할 수 있습니다. 도형들은 마이크로소프트 파워포인트로 그렸습니다. 이 이미지들은 저자가 제작했으며 출판 라이선스나 저작권 허가가 필요하지 않습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 8: 순수 형태와 실제 축척 형태의 설명. "스케일"이라는 것은 물체의 원래 크기에 따라 서로 상대적으로 형태를 측정하는 것을 의미합니다. 반면 '순수 형태'는 크기가 형태에 미치는 영향을 제거하여 서로 다른 물체의 형태를 비슷한 규모로 측정하는 것을 의미합니다. 비교하는 객체들을 객관적으로 크기 조정하는 방법을 찾는 것이 중요합니다. 가장 긴 내부 선이 종종 최적의 선택입니다(Step 1). 두 물체 모두 가장 긴 내부 선이 수평이 되도록 회전시킵니다(Step 2). 이 경우 두 물체도 회전하여 움푹 들어간 면이 아래를 향하게 됩니다. 다음으로, 각 객체의 폭은 이제 각 객체의 가장 긴 내부 선과 같은 크기가 되며, 크기를 400픽셀로 재조정하고, 객체가 왜곡되지 않도록 종횡비를 제한합니다(3단계). 마지막으로, LCPC 변환을 적용하기 전에 크기 변경된 객체를 90도(4단계) 회전시키는 것이 선택 사항입니다(이 경우 반시계 방향). 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 9: 암 연구를 위한 공간 마커 예시. (A) 2D 배양에서 세포가 이동 방향으로 라멜리포디아를 확장하여 이동하는 가상의 예시. 상피세포의 이동 형태학 맥락에서는, 각 세포의 윤곽선을 이동 축과 일치하는 가장 긴 내부 선이 수직으로 정렬되도록 배치하는 것이 공간적 맥락을 포착하는 데 가장 합리적입니다. (B) 형태가 변하지 않는 외피 내에서 자라는 종양 또는 전암성 병변의 가상적 예시. 병변은 중심 지지 구조인 줄기에서 자랍니다. 병변이 성장하거나 시들면서 윤곽은 인피 내부 벽 쪽으로 또는 멀어지며 이동합니다. 점선은 인케이스의 얼마나 많은 부분을 따라 나가야 하는지(주황색 선)를 합리적이고 객관적으로 정의하는 방식을 나타내며, 너무 적거나 너무 많은 추가 정보가 추가되지 않도록 합니다. (C) 옵션 1은 병변의 윤곽선에 적용된 평행 격자 LCPC 변환을 보여준다. 옵션 2도 동일하게 보여주지만, 인케이스먼트가 위치한 공간적 맥락을 포함합니다. 예를 들어, 빨간 점은 격자선(검은 화살표, 초록 선)과 윤곽선의 교차점을 나타냅니다. 옵션 2는 각 격자선이 옵션 1에 없는 네 번째 교차점을 만들어내며, 이는 옵션 2의 결과에 정량적으로 공간적 맥락을 더하지만, 옵션 1에는 전혀 없는 맥락이 됩니다. 도형들은 마이크로소프트 파워포인트로 그렸습니다. 이 이미지들은 저자가 제작했으며 출판 라이선스나 저작권 허가가 필요하지 않습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 10: 가상의 FFT 결과 및 이로부터 도출할 수 있는 일반적인 지수들. (A) 두 가상의 도형에 대한 FFT에서 도출된 빈도 그래프가 표시된다. Bin 3과 Bin 4의 크기는 반대 경향을 보이므로, 이 두 빈 간의 비율은 두 형태 간의 차이를 나타내는 좋은 지수가 됩니다. 빨간색과 초록색 점선은 좋은 지수를 도출하는 데 사용할 수 있는 다른 주파수 빈을 나타냅니다. (B) 두 가상의 형태 형태의 차이를 나타내는 FFT 프로필이 단계적으로 감소하는 추세를 보이는 히스토그램. (C) 주파수 빈 구간의 중앙 영역에서 FFT 프로필이 가장 크게 다르게 나타나는 두 가상의 도형의 히스토그램. (D) 그 존재와 상관관계가 있는 지수를 생성할 수 있는 가상의 형태학적 특징의 예시. 도형들은 마이크로소프트 파워포인트로 그렸습니다. 이 이미지들은 저자가 제작했으며 출판 라이선스나 저작권 허가가 필요하지 않습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
보조 그림 1: 혈관 네트워크의 LCPC 변환 결과 전반에 걸쳐 다양한 주파수 빈의 크기를 비교한 박스-위스커 플롯. 그림 4와 5에 나타난 혈관 네트워크의 LCPC 변환은 각 이미지를 나타내는 주파수 빈과 그 크기들을 제공합니다. 각 빈의 크기의 박스-위스커 플롯을 사용하여 모든 처리 그룹을 비교하며, LCPC 변환을 통해 측정된 질감-밀도 층화의 지표로 가장 적합한 빈을 식별합니다. 각 박스-위스커 플롯은 n = 3개의 독립적인 이미지로 구성됩니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.
보충 그림 2: 분절형 유방 종양 오가노이드 예시. 오르가노이드는 전문가가 수동으로 분절하여 정기적으로 배양하고 현미경으로 관찰했습니다. 이 그림은 분절된 오가노이드 등고선의 예시를 보여준다. 모든 현미경 이미지의 스케일 바는 50 μm입니다. 이 연구에 사용된 1차 인간 세포는 윤리 승인과 사전 동의 절차에 따라 채취 및 배양되었으며,21명이 보고되었습니다. 여기에 제시된 이미지들은 승인된 세포 배양에서 가져온 것이며, 이번이 처음으로 공개되었습니다. 추가적인 인간 표본 채취는 이루어지지 않았습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.
보조 그림 3: 그림 6의 도형에 대한 FFT 스펙트럼. 그림 6의 도형에 대한 FFT 결과는 독자들이 도형 방향 변화가 공간 정보에 미치는 영향을 이해할 수 있도록 제공한다. 그래프의 왼쪽 열은 변경되지 않은 y축을 가지며, 오른쪽 열은 축이 잘려 있어 작은 빈 값을 시각화할 수 있습니다. (A) 그림 6C에 표시된 네 가지 도형의 평행 격자 LCPC 변환 스펙트럼으로, 재방향 조정이 없음을 의미합니다. (B) 그림 6D의 형태를 평행 격자 LCPC 변환에서 얻은 스펙트럼으로, 텍스트에 설명된 대로 재배치되었습니다. (C) 그림 6E에 나오는 형태의 병렬 격자 LCPC 변환 스펙트럼. (민주당) 그림 6F의 도형과 비교하기 위해 평행 그리드 LCPC 변환의 스펙트럼을 사용합니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.
보조 파일 1: LCPC 변환의 모범 사례에 대한 광범위한 세부 정보. 이 보조 파일은 모범 사례와 추가 방법론적 노트에 대한 광범위한 논의를 제공합니다. 문서의 개요는 다음과 같습니다: 1절 - 면적, 부피, 둘레, 거칠기가 포착할 수 없는 공간적 맥락. 섹션 2 - LCPC 변환 사용 및 결과 해석에 대한 모범 사례. 3절 - 자연의 고유한 극성을 이해하여 LCPC 변환을 극대화합니다. 4장 - LCPC 변환으로 생성된 FFT 스펙트럼 해석. 5장 - LCPC 변환으로 측정하기 전에 도형의 방향을 맞추는 방법. 섹션 6 - "순수 형태"와 "규모 형태"는 무엇인가요? 섹션 7 - 통계 방법에 관한 방법론적 노트. 8장 - 세포 배양 및 오가노이드의 분절에 관한 방법론적 노트. 섹션 9 - 자신만의 LCPC 변환을 코딩하는 사람들을 위한 FFT 매개변수. 이 파일을 다운로드하려면 여기를 클릭해 주세요.
