Glaucoom wordt gekenmerkt door de progressieve dood van ganglioncellen, wat een aanzienlijke uitdaging vormt voor het herstel van het gezichtsvermogen 1,2. Deze ziekte is een belangrijk aandachtspunt van oogheelkundig onderzoek vanwege de prevalentie en impact op het gezichtsvermogen3. Muismodellen zijn onmisbaar bij glaucoom
onderzoek vanwege hun homogene genetische achtergrond, hoge voortplantingsvermogen en de gelijkenis van hun ganglionceleigenschappen met die van mensen4. Het primaire doel van deze methode is het nauwkeurig kwantificeren van retinale ganglioncellen (RGC's) in muismodellen, wat essentieel is voor het begrijpen van de pathogenese van glaucoom en het ontwikkelen van relevante behandelingen.
De grondgedachte achter de ontwikkeling van deze techniek komt voort uit de behoefte aan een betrouwbare en efficiënte methode om RGC-degeneratie in muismodellen te beoordelen. Traditionele methoden, zoals het labelen van RGC's in retinale secties, leveren vaak onbetrouwbare resultaten op vanwege de niet-uniforme verdeling van RGC's in het netvlies5. Het kwantificeren van RGC's over het hele netvlies weerspiegelt beter veranderingen in hun aantallen en is cruciaal voor het evalueren van ziekteprogressie en therapeutische interventies.
Deze methode biedt verschillende voordelen ten opzichte van alternatieve technieken. Het handmatig tellen van retinale ganglioncellen (RGC's) in een normaal volwassen muizennetvlies, dat 40.000 tot 60.000 RGC's bevat, kan bijvoorbeeld tijdrovend en foutgevoelig zijn 6,7,8. De software voor automatische RGC-telling die we hebben ontwikkeld, maakt nauwkeurige tellingen mogelijk in minder dan 3 minuten, wat onderzoekers mogelijk een aanzienlijke hoeveelheid tijd bespaart. Bovendien minimaliseert de op AI gebaseerde software die wordt gebruikt voor automatisch tellen vertekening en verbetert het de reproduceerbaarheid.
Bovendien biedt deze techniek een gestandaardiseerde benadering om RGC-degeneratie te beoordelen in verschillende muismodellen en experimentele omstandigheden, wat waardevolle gegevens bijdraagt aan het onderzoek naar glaucoom. De methode sluit aan bij andere onderzoeken die het belang van netvliesanalyse van het hele vat benadrukken voor het begrijpen van netvliesveranderingen bij ziekten9.
Om lezers te helpen bepalen of deze methode geschikt is voor hun toepassing, is het belangrijk op te merken dat deze techniek bijzonder voordelig is voor onderzoekers die degeneratie van retinale ganglioncellen (RGC) bestuderen in muismodellen van glaucoom of andere netvliesaandoeningen. De methode is aanpasbaar aan verschillende experimentele opstellingen en biedt een hoge mate van nauwkeurigheid en efficiëntie bij RGC-tellingen, waardoor het ideaal is voor zowel kleinschalige als grootschalige studies. Bovendien maken het eenvoudige ontwerp van het protocol en de beschikbaarheid van gebruiksvriendelijke software het toegankelijk voor onderzoekers met verschillende niveaus van expertise op het gebied van netvliesanalyse.