Name: 여러 스케일에서 디지털의 연결 형태론의 자동 숄 분석 (동영상) | JoVE Journal
Uploaded: 2010-11-14T17:30:00.000+00:00
Duration: 11 min 41 s
Description: 학습하세요 뉴라이트 형태학의 반자동 분석 방법을 MATLAB 기반 Bonfire 프로그램을 사용하여. 이 기술은 Sholl 분석을 통해 수상돌기와 축삭돌기의 국소적 형태 변화를 정량화하고 연구 효율성을 크게 향상시킵니다.

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

이 작품은 부시 의생명 그랜트, NSF 그랜트 이븐 - 0548543, NSF 그랜트 이븐 - 0919747, 천 재단 그랜트 1 - FY04 - 107 3 월, 천​​ 재단 그랜트 1 - FY08 - 464 3 월 (BLF로)에 의해 부분적으로 지원되었다. MKK과 CGL은 NIH 생명 교육 그랜트 T32 GM008339 - 20 지원했고, CGL 또한 척수 연구 Predoctoral 원정대 08-2941 - SCR - E - 0에 대한 NJ위원회에 의해 지원되었다.

1. 당신이 시작하기 전에 : 1) E18 쥐 해부 : E18 hippocampal 뉴런의 표준 절개 방법은 이전에 13 설명했습니다. neurites의 형태학의 특성을 분석 모닥불 프로그램을 사용하기 위해서는 개별 뉴런의 8 비트. TIF 이미지를 취득해야합니다. 이것은 당신이 다음하는 실험 프로토콜에 따라 여러 가지 방법으로 수행할 수 있습니다. 하나의 뉴런은 현미경 필드에 표시되도록 뉴런은 낮은 충분한 밀도로 도금 수 있습니다. 또한, 고밀도 문화에 재배 이미지 각각의 뉴런에, 뉴런은 플라스미드 인코딩 형광 단백질로 transfection 다양한 방법을 사용하여 transfected 수 있습니다. 2) 소프트웨어 요구 사항 및 설치 : <ol class="ualpha"><li> NIH와 NeuronStudio에서 ImageJ 소프트웨어 NeuronJ 플러그인은 모두 볼파이어 프로그램을 실행하기 위해 설치되어 있어야합니다. 소프트웨어 팩은는 다음 웹사이트에서 찾을 수 있습니다 : ImageJ - <a href="http://rsbweb.nih.gov/ij/">http://rsbweb.nih.gov/ij/</a> NeuronJ - <a href="http://www.imagescience.org/meijering/software/neuronj/">http://www.imagescience.org/meijering/software/neuronj/</a> NeuronStudio - <a href="http://research.mssm.edu/cnic/tools-ns.html">http://research.mssm.edu/cnic/tools-ns.html</a> </li><li> 모닥불 프로그램은 http://lifesci.rutgers.edu/ ~ firestein에서 찾을 수 있습니다. 볼파이어 사용자 설명서는이 웹사이트에서 사용할 수 있습니다. 또한, 볼파이어의 초기 설명이 Langhammer 외, Cytometry 2010 년 찾을 수 있습니다. 우리의 모든 데이터는 Windows 운영 체제를 사용하여 분석하고 있습니다. </li></ol> 3) 이미지 해상도 조정 : 당신은 분석하고자하는 이미지의 이미지 해상도에 따라 볼파이어 프로그램을 조정해야합니다. 모닥불 프로그램의 bonfire_parameters 부분에서 이미지의 이미지 해상도의 값 (μm의 / 픽셀)로 변수 pix_conv에 대한 현재 가치를 바꿉니다. 2. 파일 구조 : 데이터를 분석하는 볼파이어하기 위해서, 파일은 특정 구조 (그림 2)로 구성해야합니다. 당신이해야합니다 : <ul><li> 마스터 폴더 </li><li> 하위 폴더 (귀하의 여러 조건을 각각 포함) </li><li> 셀 이미지 파일 (filename.tif 파일)은 서로 다른 조건 폴더에 포함된 </li><li> 모닥불 Matlab mfiles을 포함 볼파이어 폴더 (역시 마스터 폴더에 포함된) </li></ul> 3. NeuronJ의 추적 뉴런 : <ol><li> 추적에 대한 이미지를 준비 <ol class="lalpha"><li> NeuronJ 도구 모음에서 '열기'버튼을 선택하고 추적하고자하는 이미지를 선택하여 이미지를 엽니다. </li><li> '최대화'버튼을 선택하여 이미지 크기를 조정할 수 있습니다. </li><li> 당신은 '조정 밝기 / 명암'을 선택 후 NeuronJ 도구 모음에서 '이미지'를 선택하여 neurites의 모든 시각화 수 있도록 이미지의 밝기와 대비를 조정합니다. </li></ol></li><li> NeuronJ의 세포 시체를 추적하고 '타입 06'것으로 흔적을 식별 <ol class="lalpha"><li> NeuronJ 도구 모음에있는 '추가 추적'버튼을 선택합니다. </li><li> 세포 기관의 주위에 추적. </li><li> NeuronJ 도구 모음에서 '레이블 Tracings'버튼을 선택합니다. </li><li> 드롭 다운 메뉴의 'ID 추적'을에서 'N1'을 선택합니다. </li><li> 선택 '유형 06'NeuronJ의 : 속성 창에서하고 '확인'을 선택합니다. </li></ol></li><li> NeuronJ에 neurites 추적 <ol class="lalpha"><li> NeuronJ 도구 모음에있는 '추가 추적'버튼을 선택합니다. </li><li> 각 neurite 지점을 따라 추적을 추가합니다. 당신은 실험에 따라서만 dendrites 또는 축삭을 선택할 수 있습니다. </li><li> 우리는 각각의 딸 지점 지점이 새로운 추적으로 그 시점에서 시작과 함께, 당신이 그릴 세그먼트는 각 지점의 지점에서 중지하는 것이 좋습니다. </li><li> NeuronJ 도구 모음에서 '저장 Tracings'버튼을 선택합니다. </li><li> 방금 원본 이미지 파일과 같은 폴더에 만들어 추적을 저장합니다. </li></ol></li><li> NeuronJ에서 추적 파일 및 추적 식별자 파일 내보내기 파일의 두 가지 유형이 NeuronJ에서 내보낸 및. TIF 및. ndf 파일과 함께 해당 조건 폴더에 저장해야합니다. <ol class="lalpha"><li> NeuronJ 도구 모음에서 '내보내기 추적'버튼을 선택합니다. </li><li> NeuronJ 각 추적 '에 대한 옵션을'에 대한 별도의 파일 : "탭 - deliminated 텍스트 파일을 선택 내보내기 '대화 상자를 선택하십시오' 'OK. </li><li> NeuronJ는 파일과 저장 위치의 이름을 선택하실 수 있습니다. </li><li> NeuronJ 도구 모음에서 '측정 Tracings'버튼을 선택합니다. </li><li> 'NeuronJ : 측정'에서 '디스플레이 추적 측정'옵션을 선택 창을하고 '실행'을 선택합니다. </li><li> 창 : 'Tracings NeuronJ'에서 '파일'을 선택한. </li><li> 선택 '다른 이름으로 저장'과 filen로 파일을 저장합니다ame_info. '파일 이름'은 정확하게 _info 다음에 원본 이미지 파일 (대소문자 포함)의 이름과 일치해야하고 3 문자 파일 확장명을 포함되어서는 안됩니다. 예를 들어, 원래 이미지 이름 Cell20.tif 들어,이 파일은 'Cell20_info'이라는 것입니다. 컴퓨터가 자동으로. xls 파일 확장명을 추가하지 않는다는 것을 확인하십시오. 그것이 없으면, 파일 확장자는 수동으로 삭제해야합니다. </li></ol></li></ol> 4. . Ne​​uronJ 데이터에서 예선 SWC 파일을 작성하기 위해 모닥불을 사용 <ol><li> 'bonfire_load'을 사용하여 폴더를 재구성 <ol class="lalpha"><li> 더블이 아이콘을 클릭하여 Matlab을 엽니다. </li><li> 명령 창 오른쪽 상단에있는 '버튼을 클릭합니다. </li><li> 창의 '폴더에 대한 찾아보기'에서 마스터 폴더에있는 '볼파이어'폴더를 선택합니다. </li><li> Matlab 명령 창에 입력하고 Enter를 누르십시오 'bonfire_load'을 입력합니다. </li><li> 이 창에서 '폴더에 대한 찾아보기'에서 분석하고 '확인'을 선택하고자하는 조건 폴더를 선택합니다. </li><li> 이것은 세포 각 세포에 대한 모든 데이터를 포함하는 하위 폴더를 생성하여 폴더 구조를 재구성합니다. </li></ol></li><li> 'bonfire_ndf2swc'을 사용 filename_prelim.swc 파일 만들기 <ol class="lalpha"><li> 명령 창에 입력하고 Enter를 누르십시오 'bonfire_ndf2swc'을 입력합니다. </li><li> 방금 윈도우 '폴더에 대한 찾아보기'에서 'bonfire_load'로 개편 동일한 조건 폴더를 선택하고 '확인'을 선택합니다. </li><li> 이것은 선택한 조건에 대한 각 셀에 폴더에. SWC 파일을 생성합니다. 각 셀에 폴더는 이제 5 파일을 포함합니다;. 원본 TIF 이미지, ndf 파일 _info 추적 식별자 파일, txt 파일 및 SWC 파일을.... </li></ol></li></ol> 5. 마무리 NeuronStudio를 사용 SWC 파일. : <ol><li> NeuronStudio의 신경 세포 이미지를 열고 보정 <ol class="lalpha"><li> NeuronStudio 프로그램을 엽니다. </li><li> 파일 선택 → NeuronStudio 도구 모음에서 엽니다. </li><li> 당신이 그것을 편집하고 열고자하는 신경 세포의. TIF 이미지를 찾아보세요. </li><li> 선택 → 설정을 실행하고 Voxel 크기 '창에서'3 각에서 (X, Y, Z) 상자에 ''1를 입력합니다. </li><li> 파일 선택 → 가져오기 SWC합니다. 적절한. SWC 파일을 선택합니다. 이미지 파일은 이제 추적 이미지와 중첩됩​​니다. 셀 소마는 빨간색 동그라미와 중첩되어야합니다. </li></ol></li><li> 링크 neurites에 NeuronStudio를 사용하여 <ol class="lalpha"><li> 제대로 지사 지점과 끝 지점을 식별하는 NeuronStudio의 도구를 사용하여 (우리는 당신이 당신의 데이터를 분석하기 전에 NeuronStudio의 기능과 단축키로 알게되는 것이 좋습니다). </li><li> 특히, 노드 수 있도록 참여하는 'neurite 도구'를 사용 : <ul><li> 각 분기점 (노란색 노드)는 두 지점을 만들 수 있습니다 </li><li> 모든 흔적은 소마 (한 빨간색 노드)와 함께 지속적인 아르 </li></ul></li></ol></li><li> NeuronStudio에서 내보내기 데이터 <ol class="lalpha"><li> 파일 → 저장 Neurites (기본 이름으로 저장)를 선택합니다. </li></ol></li><li> 'bonfire_trace_check'을 사용하여 에러를 확인한다. SWC 파일 <ol class="lalpha"><li> Mathlab 명령 창에 입력하고 Enter를 누르십시오 'bonfire_trace_check'을 입력합니다. </li><li> 방금 윈도우 '폴더에 대한 찾아보기'에서 처리 데이터를 포함하는 조건 폴더를 선택하고 '확인'을 선택합니다. </li><li> 폴더에있는 이미지 중 하나에서 오류가있는 경우에는 프로그램이 오류가 위치 표시 이미지를 출력합니다. </li><li> NeuronStudio에서 오류를 고정 <ol class="lroman"><li> 당신이 수출 단계에서 저장한 이미지 파일을 엽니다. </li><li> 찾아 문제 (들) 이후의 수정 프로그램입니다. </li><li> 파일을 클릭 → Neurites을 저장합니다. </li><li> 고정해야 다른 이미지를 반복합니다. </li><li> 'bonfire_trace_check'(5.4)을 다시 실행합니다. </li></ol></li></ol></li></ol> 6. . SWC 파일에서 형태학의 데이터를 추출하기 위해 '모닥불'을 사용 <ol class="lalpha"><li> 명령 창에 입력하고 Enter를 누르십시오 '모닥불'을 입력합니다. </li><li> 이 창에서 '폴더에 대한 찾아보기'에서 분석하고 '확인'을 선택하려는 데이터가 들어있는 상태 폴더를 선택합니다. </li><li> 모닥불 분석은 분석에 사용된 숄 반지와 함께의 연결 형태를 그래프하는 분석되는 뉴런, 각각의 창문을 생성합니다. 또한, '모닥불'명령은 분석에서 가져온되었습니다 형태학의 모든 정보를 포함. 매트 파일을 생성합니다. </li></ol> 7. 데이터를 보려면 'bonfire_results'을 사용 <ol class="lalpha"><li> Matlab 명령 창에 입력 'bonfire_results. </li><li> 이 창에서 '폴더에 대한보기'에서 확인하고 '확인'을 선택하고자하는 조건에 대한 조건 폴더를 선택합니다. </li><li> 윈도우 '폴더에 대한 찾아보기'를하면 일시적으로 닫고 다시 열고, 당신이 보려는 추가 조건을 선택할 수 있습니다. </li><li> 당신이 상태 폴더를 선택 완료되면, 선택 프로세스를 종료하려면 '취소'를 선택합니다. </li><li> 'Bonfire_results'는 일을 포함하여 요약 차트를 반환합니다조건 폴더에서 전자 데이터를 당신이 선택되었습니다. </li></ol> 8. Excel로 데이터를 내보내기하려면 'bonfire_export'을 사용 <ol class="lalpha"><li> 명령 창에 입력 'bonfire_export. </li><li> 상태 폴더가 윈도우 '폴더에 대한 찾아보기'에서 수출 및 '확인'을 선택하고자하는 데이터를 포함하는 선택합니다. Bonfire_export는 형태학의 데이터를 Excel 파일을 생성하고 선택된 조건 폴더에 배치됩니다. </li></ol> 9. 대표 결과 : 두 가지 조건을 포함하는 데이터 집합에있는 모닥불 프로그램에 의해 생성된 데이터의 예제는 그림 3에 표시됩니다. 이 예제에서는 조건 1 뉴런은 세포 본체에 말초 더 neurites가 포함되어 있습니다. 이러한 현상은 총 돌기 아버 (그림 3A)의 숄 곡선 및 단말 지점 (그림 3C)의 수를 그래프에 나와있는 예제 이미지 (그림 3B)에서뿐만 아니라 볼 수 있습니다. 또한 모닥불 프로그램이 또한 이미지의 subregions에 숄 분석을 수행하기 때문에, 우리는 더 구체적으로 증가 neurites의 신원을 확인할 수 있습니다. 제 3의 순서 이상 neurites (그림 3 층)과 중간 및 단말 neurites 모두의 총 개수의 교차로의 총 수를 모두 (그림 3G) 휴대폰 본체에 말초 증가하고 있습니다. 이러한 경향은 또한 3D 및 3E 통계에서 볼 수 있습니다. <img src="/files/ftp_upload/2354/2354fig1.jpg" alt="그림 1" data-altupdatedat="1787634011000" data-alt="그림 1"> 그림 1 :. 모닥불 프로그램의 플로우 차트 뉴런은 ImageJ를 사용하여 추적됩니다. 데이터는 수출 및 예비. SWC 파일로 볼파이어 프로그램에 의해 변환됩니다. NeuronStudio는 neurites의 연결을 정의하는 데 사용됩니다. 다음 모닥불 오류를 검사하고 숄 곡​​선, 초등, 중등, 고등 주문 neurites의 번호 및 지점 지점과 neurite 도움말의 개수를 계산합니다. 마지막으로, 데이터는 통계 분석을 위해 Excel로 내보낼 수 있습니다. <img src="/files/ftp_upload/2354/2354fig2.jpg" alt="그림 2" data-altupdatedat="1787634011000" data-alt="그림 2"> 그림 2 : 파일 구조 볼파이어 분석에 필요한 파일 구조가 이런 프로그램이 제대로 실행되지 않습니다 일치해야합니다.. 폴더와 파일 및 폴더와 파일의 수량의 이름은 변경할 수 있습니다. <img src="/files/ftp_upload/2354/2354fig3.jpg" alt="그림 3" data-altupdatedat="1787634011000" data-alt="그림 3"> 그림 3 : 볼파이어 프로그램에서 예제 출력 데이터) 총 숄 곡선.. B) 예 모두 조건의 이미지를 반전. 지사 지점과 터미널 지점 / 셀 C) 평균 수. 초등, 중등, 그리고 차 이상 neurites을위한 프로세스 / 조직의 D) 평균 수. 프로세스 / 루트에 대한 세포, 중급, 터미널 neurites의 E) 평균 수. F) 세그먼트 ID를 특정 숄 분석 곡선. 세그먼트는 초등, 중등, 또는 차 이상으로 그룹화됩니다. G) 세그먼트 ID를 특정 숄 분석 곡선. 세그먼트는 루트 세그먼트, 중간 세그먼트, 또는 터미널 세그먼트로 그룹화됩니다.

<ol><li>Elston, G. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pyramidal+cells+of+the+frontal+lobe%3A+all+the+more+spinous+to+think+with%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">Pyramidal cells of the frontal lobe: all the more spinous to think with.</a> J Neurosci. 20, (2000).</li>
<li>Koch, C., Segev, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+single+neurons+in+information+processing%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">The role of single neurons in information processing.</a> Nat Neurosci. , Suppl 3. 1171-1177 (2000).</li>
<li>Poirazi, P., Mel, B. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+active+dendrites+and+structural+plasticity+on+the+memory+capacity+of+neural+tissue%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Impact of active dendrites and structural plasticity on the memory capacity of neural tissue.</a> Neuron. 29, 779-796 (2001).</li>
<li>Schaefer, A. T., Larkum, M. E., Sakmann, B., Roth, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coincidence+detection+in+pyramidal+neurons+is+tuned+by+their+dendritic+branching+pattern%5BTitle%5D)+AND+%22J+Neurophysiol%22%5BJournal%5D)">Coincidence detection in pyramidal neurons is tuned by their dendritic branching pattern.</a> J Neurophysiol. 89, 3143-3154 (2003).</li>
<li>Vetter, P., Roth, A., Hausser, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Propagation+of+action+potentials+in+dendrites+depends+on+dendritic+morphology%5BTitle%5D)+AND+%22J+Neurophysiol%22%5BJournal%5D)">Propagation of action potentials in dendrites depends on dendritic morphology.</a> J Neurophysiol. 85, 926-937 (2001).</li>
<li>Hausser, M., Spruston, N., Stuart, G. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diversity+and+dynamics+of+dendritic+signaling%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Diversity and dynamics of dendritic signaling.</a> Science. 290, 739-744 (2000).</li>
<li>Brette, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simulation+of+networks+of+spiking+neurons%3A+a+review+of+tools+and+strategies%5BTitle%5D)+AND+%22J+Comput+Neurosci%22%5BJournal%5D)">Simulation of networks of spiking neurons: a review of tools and strategies.</a> J Comput Neurosci. 23, 349-398 (2007).</li>
<li>Arendt, T., Zvegintseva, H. G., Leontovich, T. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+changes+in+the+basal+nucleus+of+Meynert+and+in+the+diagonal+band+nucleus+in+Alzheimer%27s+disease--a+quantitative+Golgi+investigation%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Dendritic changes in the basal nucleus of Meynert and in the diagonal band nucleus in Alzheimer's disease--a quantitative Golgi investigation.</a> Neuroscience. 19, 1265-1278 (1986).</li>
<li>Harrison, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+neuropathology+of+schizophrenia.+A+critical+review+of+the+data+and+their+interpretation%5BTitle%5D)+AND+%22Brain%22%5BJournal%5D)">The neuropathology of schizophrenia. A critical review of the data and their interpretation.</a> Brain. 122, 593-624 (1999).</li>
<li>Lewis, D. A., Glantz, L. A., Pierri, J. N., Sweet, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+cortical+glutamate+neurotransmission+in+schizophrenia%3A+evidence+from+morphological+studies+of+pyramidal+neurons%5BTitle%5D)+AND+%22Ann+N+Y+Acad+Sci%22%5BJournal%5D)">Altered cortical glutamate neurotransmission in schizophrenia: evidence from morphological studies of pyramidal neurons.</a> Ann N Y Acad Sci. 1003, 102-112 (2003).</li>
<li>Kaufmann, W. E., Moser, H. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+anomalies+in+disorders+associated+with+mental+retardation%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Dendritic anomalies in disorders associated with mental retardation.</a> Cereb Cortex. 10, 981-991 (2000).</li>
<li>Georges, P. C., Hadzimichalis, N. M., Sweet, E. S., Firestein, B. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+yin-yang+of+dendrite+morphology%3A+unity+of+actin+and+microtubules%5BTitle%5D)+AND+%22Mol+Neurobiol%22%5BJournal%5D)">The yin-yang of dendrite morphology: unity of actin and microtubules.</a> Mol Neurobiol. 38, 270-284 (2008).</li>
<li>Firestein, B. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cypin%3A+a+cytosolic+regulator+of+PSD-95+postsynaptic+targeting%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Cypin: a cytosolic regulator of PSD-95 postsynaptic targeting.</a> Neuron. 24, 659-672 (1999).</li>
</ol>

저자는 경쟁 이익을 선언하지 않습니다. 자금 조달 기관 볼파이어의 개발에 과학적 역할을 없었다.

모닥불 프로그램은 dendrite와 축삭의 형태의 분석을위한 세미 자동 프로그램입니다. 그것은 크게 수동으로 분석을 수행하는 동안 숄 분석의 효율성 및 정확성을 증가시킵니다. 또한, 볼파이어 프로그램이 가능한 데이터를 감사하고 분석의 정확성을 확인하고, 프로세스의 모든 단계에서 데이터를 저장합니다. 따라서, 데이터 분석의 작업은 손상없이 정확하게 많은 개인에게 배포할 수 있습니다. 마지막으로, 이미지의 subregions에 대한 분석을 수행하여, 프로그램 숄 분석에만 전체 dendrite 또는 축삭 아버에서 실행되는 놓친 아르 분기의 로컬 변경 사항을 식별할 수 있습니다. 저희 프로그램은 neurites의 특정 하위 집합은 셀 본문에 대한 참고 자료를 배열하는 방법 식별할 수 있습니다. 그 결과, 이미지 분기 패턴은 볼파이어 프로그램에 의해 생성되는 데이터에 의해 잘 표현하고 있습니다.

<table><tbody><tr><td>NeuronJ plugin</td><td></td><td></td><td>&lt;a href=&quot;http://www.imagescience.org/meijering/software/neuronj/&quot;&gt;http://www.imagescience.org/meijering/software/neuronj/&lt;/a&gt;</td></tr><tr><td>ImageJ software</td><td></td><td></td><td>&lt;a href=&quot;http://rsbweb.nih.gov/ij/&quot;&gt;http://rsbweb.nih.gov/ij/&lt;/a&gt;</td></tr><tr><td>Bonfire 프로그램</td><td></td><td></td><td>&lt;a href=&quot;http://lifesci.rutgers.edu/%7Efirestein&quot;&gt;http://lifesci.rutgers.edu/~firestein&lt;/a&gt;</td></tr><tr><td>NeuronStudio</td><td></td><td></td><td>&lt;a href=&quot;http://research.mssm.edu/cnic/tools-ns.html&quot;&gt;http://research.mssm.edu/cnic/tools-ns.html&lt;/a&gt;</td></tr><tr><td>MatLab 프로그램</td><td>Mathworks</td><td></td><td></td></tr></tbody></table>

여러 스케일에서 디지털의 연결 형태론의 자동 숄 분석

Automated Sholl Analysis of Digitized Neuronal Morphology at Multiple Scales

의 연결 형태 뉴런은 기능과 1-3 의사 소통 방법을 결정하는 중요한 역할을합니다. 특히, 그것은 다른 세포로부터 입력을받을 수 뉴런의 기능에 영향을 미치는 2 4,5 행동 잠재력의 전파에 기여하고있다. neurites의 형태도 정보가 처리되는 방법에 영향을줍니다. dendrite morphologies의 다양성은 로컬 및 장거리 신호를 촉진하고 신경 개별 뉴런 또는 그룹의 연결을 네트워크 6,7 내에 전문적인 기능을 수행하실 수 있습니다. dendrites과 패턴을 분기의 변화 조각을 포함 dendrite 형태의 변경은, 알츠하이머 병 8, 정신 분열증 9,10, 그리고 정신 지체 11를 포함하여 질병 상태의 숫자에서 관찰되었습니다. 두 dendrite morphologies을 형성하는 요인을 이해하고 dendrite morphologies의 변화를 식별하는 능력은 신경계의 기능과 장애에 대한 이해에 필수적입니다. Neurite의 형태는 종종 숄 분석에 의해 및 neurites 및 지점 팁의 수를 계산하여 분석합니다. 이 분석은 일반적으로 dendrites에 적용하지만, 그것은 axons에도 적용할 수 있습니다. 손으로 이러한 분석을 수행하면 시간이 소요 모두이며 필연적으로 실험자의 선입견과 불일치로 인해 다양성을 소개합니다. 모닥불 프로그램은 dendrite 사용 가능한 오픈 소스 형태학의 분석 도구에 따라 빌드 축삭의 형태의 분석 반 자동 방식입니다. 저희 프로그램은 neuritic 아버의 subregions에 숄 분석을 수행하여 동작을 분기 dendrite와 축삭의 로컬 변경 사항의 검색이 가능합니다. 예를 들어, 숄 분석은 전체적으로 신경 세포뿐만 아니라 프로세스의 각 부분 집합 (초등, 중등, 터미널, 뿌리 등) Dendrite 및 축삭의 patterning이 세포내 및 세포외 요인에 의해 영향을 모두 수행됩니다 많은 로컬 연기. 따라서, 결과 아버 형태는 이러한 지역의 변화 12 관찰하기 위해서는 작은 규모의 형태학의 분석을 수행하는 것이 필요하고, 특정 neurites에 연기 특정 프로세스의 결과입니다. 모닥불 프로그램은 두 오픈 소스 분석 도구 ImageJ 및 NeuronStudio에 NeuronJ 플러그인의 사용을 필요로합니다. 뉴런은 ImageJ에서 추적하고 있으며, NeuronStudio는 neurites 간의 연결을 정의하는 데 사용됩니다. 볼파이어 추가 분석을 위해 적절한 형식으로 데이터를 변환하는 데 사용되는 MATLAB (MathWorks)로 작성된 사용자 정의 스크립트 숫자를 포함하고, 사용자 오류를 확인하고, 궁극적 숄 분석을 수행합니다. 마지막으로, 데이터는 통계 분석을 위해 Excel로 내보낼 수 있습니다. 모닥불 프로그램의 플로우 차트는 그림 1에 표시됩니다.

우리의 연결 형태를 분석하는 컴퓨터 프로그램을 개발했습니다. 두개의 기존 오픈 소스 분석 도구와 함께, 우리의 프로그램은 숄 분석을 수행하고 neurites, 지사 지점 및 neurite 팁의 수를 결정합니다. 분석은 neurite 형태의 지역 변화가 관찰 수 있도록 수행됩니다.

뉴런의 형태는 뉴런의 기능과 소통 방식을 결정하는 데 중요한 역할을 합니다1-3. 구체적으로, 이는 뉴런의 ... 능력에 영향을 미칩니다.

이 영상에서는 국소적 변화를 관찰하기 위해 반자동 프로그램을 사용하여 수상돌기와 축삭(총칭하여 신경돌기)의 형태를 분석하는 절차를 보여줍니다. 먼저, Neuron J 소프트웨어를 사용하여 뉴런의 8비트 TIFF 이미지를 추적하고 신경돌기 세그먼트의 위치를 식별합니다. 그 다음, Neuron Studio 소프트웨어를 사용하여 신경돌기 간의 연결성에 대한 구조적 정보를 정의합니다.마지막으로, bonfire MATLAB 프로그램을 실행하여 shoal 분석을 포함한 세포의 형태학적 데이터와 뉴라이트 분지점 및 뉴라이트 말단 수를 추출합니다. 결과는 뉴라이트 수지상 구조의 하위 영역에 대한 shoal 분석 수행을 바탕으로 뉴라이트 형태의 국소적 변화를 보여줍니다. 수동 shoal 분석과 같은 기존 방법 대비 이 기술의 주요 장점은 프로그램이 반자동화되어 분석 효율성을 크게 높이며, 데이터 감사가 가능하여 분석의 정확성을 검증할 수 있다는 점입니다.실험 절차는 여름 동안 Firestein 연구실에서 근무하는 Hirsch AWA 학부생이 시연할 예정입니다. Bonfire 프로그램을 사용하여 Neurites 8비트 TIFF의 형태학적 특성을 분석하려면, 먼저 Bonfire 프로그램을 다운로드한 후 개별 뉴런의 이미지를 얻어야 합니다. Bonfire 프로그램의 파라미터 설정 부분에서 분석하고자 하는 이미지의 해상도에 따라 프로그램 설정을 조정해야 하며, picks conversion 변수의 현재 값을 사용 중인 이미지의 해상도 값으로 변경하십시오.bonfire가 데이터를 분석하려면 마스터 폴더, bonfire MATLAB M 파일이 포함된 bonfire 폴더, 각 서로 다른 조건을 포함하는 하위 폴더, 그리고 각 조건 폴더 내의 세포 이미지 파일로 구성된 특정 구조로 파일이 정리되어야 합니다. 먼저 트레이싱을 위해 이미지를 준비하십시오. 본 실험에서는 수지상 돌기의 형태 변화를 분석하기 위해 수지상 돌기만을 트레이싱합니다. 트레이싱을 위한 이미지 준비부터 시작하십시오.neuron J 툴바에서 open 버튼을 선택하여 이미지를 열고, 추적하려는 이미지를 선택하십시오. 이제 maximize 버튼을 선택하여 이미지 크기를 조절한 다음, 모든 신경돌기(Neurites)를 시각화할 수 있도록 이미지의 밝기와 대비를 조정하십시오. neuron J 툴바에서 image를 선택한 후, adjust brightness contrast를 선택하십시오. 추적을 시작하려면 neuron J 툴바에서 add traces 버튼을 선택하십시오. 세포체의 외곽선을 따라 추적하십시오.그런 다음 NeuronJ 툴바에서 label tracings 버튼을 선택하고 tracing ID 드롭다운 메뉴에서 N 1을 선택한 후, NeuronJ 속성 창에서 type 06을 선택하고 Okay를 누릅니다. 뉴라이트를 추적하기 시작하려면 NeuronJ 툴바에서 add traces 버튼을 선택하고 관심 있는 각 뉴라이트 분지를 따라 추적선을 추가합니다. 그리고 그리는 세그먼트가 각 분기점에서 멈추게 하고, 각 딸 분기점부터 새로운 추적선으로 시작하는 것이 가장 좋습니다.Neuron J 툴바에서 save tracings 버튼을 선택하고, 방금 생성한 트레이싱을 원본 이미지 파일과 동일한 폴더에 저장하십시오. 다음으로, Neuron J에서 트레이스 파일과 트레이스 식별자 파일을 내보냅니다. Neuron J 툴바에서 export trace 버튼을 선택하십시오. 이제 Neuron J 내보내기 대화 상자에서 tab delimited text files separate file for each tracings 옵션을 선택하고 okay를 클릭하여 Neuron J가 파일 이름과 저장 위치를 지정하도록 합니다.Neuron J 툴바에서 measure tracings 버튼을 선택한 다음, Neuron J measurements 창에서 display tracings measurements 옵션을 선택하고 run을 클릭하십시오. Neuron J tracings 창에서 Select file을 선택한 다음, save as를 선택하여 파일을 저장하십시오. 파일 이름은 원본 이미지 파일의 이름과 정확히 일치해야 하며, 뒤에 _info를 붙여야 하고 세 글자의 파일 확장자가 포함되어서는 안 됩니다. 컴퓨터가 자동으로 XLS 파일 확장자를 추가하지 않는지 확인하십시오.만약 그렇다면, 파일 확장자를 수동으로 삭제해야 합니다. 먼저, MATLAB을 열고 명령 창의 오른쪽 상단에 있는 점 세 개 버튼을 클릭하여 bonfire load를 사용하여 폴더를 재구성하십시오. 폴더 찾아보기 창에서 마스터 폴더 내의 bonfire 폴더를 선택한 다음, 명령 창에 bonfire load를 입력하고 엔터를 누르십시오.폴더 찾아보기 창에서 분석하려는 조건 폴더를 선택하고 확인을 누르십시오. 이렇게 하면 각 개별 세포의 모든 데이터를 포함하는 세포 하위 폴더가 생성되어 폴더 구조가 재구성됩니다. 이제 파일명_premium.swc 파일을 생성하려면 명령 창에 bonfire_NDF2sWC를 입력하고 Enter 키를 누르십시오.폴더 찾아보기 창에서 bonfire load를 통해 방금 재정리한 동일한 조건 폴더를 선택하고 확인을 누릅니다. 이렇게 하면 선택한 조건의 각 셀 폴더에 WC 파일이 생성됩니다. 각 셀 폴더에는 5개의 파일이 포함됩니다.원본 TIF 이미지, NDF 파일, 언더스코어 정보, trace identifier 파일, TXT 파일 및 swc 파일입니다. Neuron Studio를 사용하기 전에 프로그램의 기능과 단축키를 익히는 것을 권장합니다. 매우 훌륭한 온라인 사용자 매뉴얼이 제공되며, 키보드 단축키를 익히면 작업 시간을 크게 단축할 수 있습니다.먼저 Neuron Studio 프로그램을 실행하고, Neuron Studio 툴바에서 'File Open'을 선택하여 편집할 뉴런의 TIF 이미지를 찾아 엽니다. 'Run Settings'를 선택하고 세 개의 상자에 각각 1을 입력합니다.voxel size 창에서 file import s wc를 선택하십시오. 작업하려는 파일과 일치하는 적절한 s WC 파일을 선택하십시오. 그러면 이미지 파일 위에 트레이스 이미지가 겹쳐져 표시됩니다.세포체는 뉴라이트를 연결하기 위해 빨간색 원으로 덮여 있어야 합니다. 뉴라이트 도구를 사용하여 노드들을 연결함으로써, 노란색 노드로 표시된 각 분지점에서 두 개의 분지만 생성되도록 합니다. 모든 트레이스는 세포체와 연속적으로 연결되어야 합니다.이제 Neuron Studio에서 데이터를 내보내려면, 파일(file)을 선택하고 neurites를 저장한 뒤 기본 이름으로 저장하여 swc 파일의 오류를 확인하기 위해 bonfire trace를 입력하십시오. 커맨드 창을 확인하고 엔터를 누르십시오. 폴더 찾아보기(browse for folder) 창에서 방금 처리된 데이터가 포함된 조건 폴더를 선택하고, 폴더 내의 이미지에 오류가 있는 경우 확인(okay)을 선택하십시오.프로그램은 dot S WC 파일에서 형태학적 데이터를 추출하기 위해 오류가 발생한 위치를 보여주는 이미지를 출력합니다. 명령 창에 bonfire를 입력하고 enter 키를 누르십시오. 폴더 찾아보기 창에서 분석하려는 조건 폴더를 선택하고, 관심 대상인 각 뉴런에 대해 okay를 선택하십시오.bonfire 분석을 수행하면 신경세포 형태 그래프와 분석에 사용된 shoulder ring이 생성됩니다. 또한, bonfire 명령을 통해 분석에서 추출된 모든 형태학적 정보가 포함된 MAT 파일이 생성됩니다. 데이터 유형의 예비 그래프를 확인하려면 MATLAB 명령 창에 bonfire 결과값을 입력하고, '폴더 찾아보기' 창에서 확인하려는 조건의 조건 폴더를 선택한 후 '확인'을 클릭하십시오.폴더 찾아보기 창이 일시적으로 닫혔다가 다시 열리며, 여기서 추가 조건을 선택할 수 있습니다. 조건을 모두 선택한 후에는 취소를 선택하여 선택 과정을 종료하십시오. Bonfire 결과로 선택한 조건 폴더의 데이터가 포함된 요약 차트가 반환되며, 형태학적 데이터를 Excel로 내보내려면 bonfire Export를 MATLAB 명령 창에 입력하십시오.폴더 찾아보기 창에서 내보내고자 하는 데이터가 포함된 조건 폴더를 선택하고 확인을 누르십시오. Bonfire export가 형태학적 데이터의 Excel 파일을 생성하여 선택한 조건 폴더에 저장합니다. 이제 두 가지 조건이 포함된 데이터 세트를 통해 Bonfire 프로그램에 의해 생성된 데이터의 예시를 보여드리겠습니다.두 조건에 대한 반전 이미지 예시입니다. 이 이미지들을 통해 조건 1이 조건 2보다 더 많은 수지상 돌기를 포함하고 있음을 확인할 수 있습니다. 이러한 현상은 bonfire 프로그램으로 생성된 다양한 그래프에서도 관찰할 수 있습니다.bonfire 프로그램은 수상돌기의 하위 영역에서 분석을 수행하므로, 조건 1에서의 수상돌기 증가를 쉽게 확인할 수 있습니다. 전체 수상돌기 수관의 shoal 곡선을 도식화하면, 조건 1의 뉴런이 세포체에서 더 먼 쪽에 더 많은 수상돌기를 가지고 있음을 보여줍니다. 세포당 평균 분지점(branch point)과 말단점(terminal point)의 수를 도식화한 결과, 조건 1이 조건 2보다 분지점과 말단점 모두 더 많은 것으로 나타났습니다. 1차, 2차, 3차 또는 그 이상의 고차 수상돌기에 대한 세포당 평균 돌기 수가 표시되어 있습니다. 조건 1에서 3차 및 고차 수상돌기가 더 많이 관찰되었습니다. 뿌리(root), 중간(intermediate) 및 말단(terminal) 수상돌기에 대한 세포당 평균 돌기 수를 도식화하면, 조건 1이 조건 2보다 중간 또는 말단 돌기를 더 많이 가지고 있음을 알 수 있습니다.여기에 세그먼트 정체성 특이적 shoal 분석 곡선이 제시되어 있으며, 여기서 세그먼트는 1차, 2차, 또는 3차 이상으로 그룹화되었습니다. 조건 1 뉴런의 경우, 3차 수지상 돌기의 증가는 세포체에서 먼 쪽에서 발생합니다. 세그먼트를 뿌리 세그먼트, 중간 세그먼트 또는 말단 세그먼트로 그룹화한 세그먼트 정체성 특이적 shoal 분석 곡선이 제시되어 있습니다.조건 1에서 중간 및 말단 수지상 돌기의 증가는 세포체에서 먼 쪽에서 발생합니다. 이 영상을 시청한 후, 여러분은 신경 형태의 국소적 변화를 관찰하기 위해 bonfire 프로그램을 사용하여 shoal 분석을 수행하는 방법에 대해 충분히 이해하게 될 것입니다.

automated-sholl-analysis-digitized-neuronal-morphology-at-multiple

Research

연구

JoVE Journal

Neuroscience

신경과학

급성 뇌 절편에서 시냅스로 결합된 뉴런의 패치 클램프 기록 및 동시 세포 내 바이오사이틴 충전을 통해 구조적 및 기능적 특성의 상관 분석을 수행할 수 있습니다. 이 프로토콜의 목적은 뉴런 미세 회로에서 전기생리학적 기록의 필수 기술 단계와 후속 형태학적 분석을 설명하는 것입니다.

급성 뇌 조각에서 신경 세포의 미세 회로의 전기 생리 및 형태 학적 특성은 페어 패치 클램프 녹음을 사용하여

이 프로토콜은 수정 된 광견병 바이러스가 형광 마커를 표현, 독립, 편견 클러스터가 서로 다른 신경 세포의 서브 클래스 간의 형태 학적 통계의 종합적인 특성을 사용하는 것이 분석과 역 행성 감염 다음 레이블이 선택적 신경 인구의 대규모 복원에 대해 설명합니다.

형태 학적 지표를 바탕으로 대규모 재건과 독립, 편견 클러스터링은 선택적 인구에서 뉴런을 분류하기

여기, 우리는 열 및 레이어 초파리 수질 신경 세포의 수지상 라우팅을 분석하는 방법을 보여줍니다. 워크 플로우는 추적 기준 열 배열 수지상 아버를 등록하기위한 3 차원 공간에서 수지상 구조를 분석하기위한 이미지 품질과 연산 툴을 개선하기 위해 이중 - 뷰 영상 법을 포함한다.

열 및 레이어에 수지상 형태학 분석

설명된 파이프라인은 기가바이트보다 큰 전자 현미경 데이터 세트를 세분화하여 전체 세포 형태를 추출하도록 설계되었습니다. 셀을 3D로 재구성하면 개별 요구를 중심으로 설계된 맞춤형 소프트웨어를 사용하여 3D로 직접 정성적 및 정량적 분석을 수행할 수 있으며 가상 현실을 사용하여 뷰 오클루전을 극복할 수도 있습니다.

신경교 세포와 신경 세포의 3D 재건 및 가상 현실 분석을위한 방법

여기서 우리는 쥐 실질니그라 파스 콤팩트카에서 도파민성 뉴런 수의 반정적 측정을 위한 자동화된 방법을 제시한다.

자동 이미지 분석을 사용하여 설치류 모델의 실질적인 Nigra에서 도파민성 뉴런 밀도의 반정량 측정

제시된 것은 2D 형광 심상에서 신경 수지상 분기의 방향을 간단하고 직접 자동적으로 측정할 수 있는 계산 도구입니다.

수지상 가지 및 방향자동 식별

이 프로토콜은 iDISCO+를 사용하여 온전한 마우스 뇌의 자기 공명 영상, 제거 및 면역 표지를 수행하는 방법을 설명한 다음, 라이트 시트 현미경을 사용한 이미징 및 NuMorph를 사용한 다운스트림 분석에 대한 자세한 설명을 설명합니다.

MRI, 조직 투명화 및 라이트 시트 현미경을 사용한 온전한 신생아 마우스 뇌의 전뇌 단일 세포 이미징 및 분석

여기서는 HD-MEA를 사용하여 대규모 신경 앙상블, 특히 해마, 후각 전구 회로 및 인간 신경 네트워크의 계산 역학을 탐구합니다. 계산 도구와 결합된 시공간 활동을 캡처하면 신경 앙상블 복잡성에 대한 통찰력을 얻을 수 있습니다. 이 방법은 뇌 기능에 대한 이해를 높여 잠재적으로 신경 장애에 대한 바이오마커 및 치료법을 식별합니다.

CMOS 통합 고밀도 미세전극 어레이에서 Multimodal Large-Scale Neuronal Ensemble Dynamics 기록 및 분석

수지상 가시는 대부분의 흥분성 시냅스의 시냅스 후 구획입니다. 수지상 척추 형태의 변화는 신경 발달, 노화, 학습 및 많은 신경 및 정신 장애 중에 발생하며, 이는 신뢰할 수 있는 수지상 척추 분석의 중요성을 강조합니다. 이 프로토콜은 자동 3차원 뉴런 재구성 소프트웨어를 사용하여 수상돌기 척추 형태를 정확하고 재현성 있게 정량화하는 방법을 설명합니다.

자동 3차원 뉴런 재구성 소프트웨어를 사용한 수지상 척추 정량화

Neurite outgrowth assay는 재생 신경 세포 과정에 대한 정량적 가치를 제공합니다. 이 반자동 소프트웨어의 장점은 마스크를 생성하여 세포체와 신경돌기를 별도로 분할하고 신경돌기 길이, 분지점 수, 세포체 클러스터 면적 및 세포 클러스터 수와 같은 다양한 파라미터를 측정한다는 것입니다.

Neurite Outgrowth 측정을 위한 새로운 반자동 소프트웨어의 표준화 

학습하세요 뉴라이트 형태학의 반자동 분석 방법을 MATLAB 기반 Bonfire 프로그램을 사용하여. 이 기술은 Sholl 분석을 통해 수상돌기와 축삭돌기의 국소적 형태 변화를 정량화하고 연구 효율성을 크게 향상시킵니다.

여러 스케일에서 디지털의 연결 형태론의 자동 숄 분석

더 많은 동영상 탐색