Het kwantificeren van fibrillar collageen organisatie met Curvelet transform-based tools
11 november 2020
Hier presenteren we een protocol om een curvelet transform-gebaseerde, open-source MATLAB-softwaretool te gebruiken voor het kwantificeren van fibrillaire collageenorganisatie in de extracellulaire matrix van zowel normale als zieke weefsels. Deze tool kan worden toegepast op afbeeldingen met collageenvezels of andere soorten lijnachtige structuren.
Deze tool helpt bij het kwantificeren van veranderingen in fibrillaire collageenorganisatie in de extracellulaire matrix gerelateerd aan vele ziekten op een globale regio van belang en op basis van individuele vezels. Deze tool gebruikt de curvelet transformatie, een optimale multi-schaal directionele beeldrepresentatiemethode om beeldruis te verwijderen en vezelranden te verbeteren. Uitgebreide en gebruiksvriendelijke modules maken een efficiënte kwantificering mogelijk.
Voor extractie van individuele vezels, volg het protocol om de CT-FIRE te openen en klik op open bestanden om een of meer beelden van belang te selecteren. In het parameterspaneel, klik op update en pas de achtergronddrempelwaarde en de nucleatie-zoekstraal aan. Wanneer alle parameters zijn ingesteld, klik op uitvoeren.
Nadat de analyse is voltooid, klik op elk element in de uitvoertabel om de resultaten te visualiseren en controleer de ctFIREout submap voor de uitvoerbestanden. Om een regio van belang te analyseren, klik op open bestanden om een of meer afbeeldingen te laden en selecteer het beeld dat moet worden geannoteerd. In het uitvoeroptiespaneel, selecteer regio van belang manager in het vervolgkeuzemenu en klik op uitvoeren om de regio van belang manager module te starten.
Klik vervolgens op het menu Teken regio van belang D in het vervolgkeuzemenu en teken de regio's van belang. Als volledige beeld CT-FIRE analyse is uitgevoerd en de resultaten zijn opgeslagen in de standaardmap, klik dan op een of meer regio's van belang in de regio van belang lijst en klik op CT-FIRE regio van belang analyzer om de post regio van belang analyse module te starten. Als volledige beeld CT-FIRE analyse niet is uitgevoerd, klik dan op een of meer regio's van belang in de regio van belang lijst en klik op Toepassen CT-FIRE op ROI om de CT-FIRE analyse direct toe te passen op de geselecteerde regio's van belang.
Voor geavanceerd nabewerking, vink het vakje adv. uit. en klik op nabewerking om de geavanceerde nabewerking grafische interface te starten. In de analysemodule, klik op selecteer bestand en visualiseer vezels om de vezelnummer in te voeren op basis van de labels in het originele vezeltabblad.
Klik op bevestigen en bijwerken om naar de drempelbewerking te gaan en vink het vakje drempels in om de drempelinstellingen in te schakelen. Selecteer een van de vier drempelinstellingen in het vervolgkeuzemenu en voer de gewenste drempels in het drempels paneel in voor een of meer vezeleigenschappen. Klik vervolgens op nu drempelen om de bovenstaande drempelvoorwaarden toe te passen en bekijk het promptfiguur met de naam eindigend met metricvisualisatie om de geselecteerde vezels te zien die zijn gesuperponeerd op de originele afbeeldingen met de aangepaste kleurenkaarten.
Wanneer de drempel is ingesteld, klik op vezels opslaan om de geselecteerde vezelinformatie op te slaan en klik op statistieken genereren en klik op OK om de samenvattende statistieken te genereren. Om resultaten van meerdere afbeeldingen te combineren, vink de batchmodus aan en selecteer meerdere afbeeldingen om te analyseren voordat de samenvattende statistieken worden gegenereerd zoals gedemonstreerd. Om CT-gebaseerde vezelkenmerken te extraheren, volg het protocol om de CurveAlign software te openen en klik op afbeeldingen ophalen in de hoofdgrafische gebruikersomgeving en selecteer een of meer afbeeldingen of beeldafbeeldingen uit het promptvenster.
Voer de fractie van coeffs om te behouden waarde in, de fractie van de grootste coëfficiënten van CT die zullen worden gebruikt in de vezelanalyse, en klik op uitvoeren. Herhaal om een gewenste drempel in te stellen. Wanneer het proces voltooid is, worden enkele samenvattende statistieken voor elke afbeelding weergegeven in een uitvoertabel en worden alle uitvoerbestanden automatisch opgeslagen in een submap genaamd CA_out in de map van de originele afbeeldingen.
Om CT-FIRE-gebaseerde vezelkenmerken te extraheren, klik op het vervolgkeuzemenu voor vezelanalysemethode en selecteer CT-FIRE vezels om het vezelmiddelpunt en vezelhoek te gebruiken om de vezel te vertegenwoordigen. Voor relatieve uitlijningsanalyse van de tumorrand, selecteer de TIFF grensvoorwaarde. Open de CurveAlign software en klik op afbeeldingen ophalen in de hoofdgrafische gebruikersomgeving en selecteer een of meer afbeeldingen of beeldafbeeldingen uit het promptvenster.
In het primaire parameterpaneel, voer de afstand van de dichtstbijzijnde grens in om alleen de vezels binnen dit afstandbereik te evalueren. In het uitvoeroptiespaneel, vink het vakje grensassociatie aan om visualisatie van het punt op de grens mogelijk te maken dat is geassocieerd met een vezel, vezelsegment of curvelet en klik op uitvoeren, klik vervolgens op de uitvoertabel om de resultaten te visualiseren. Als een volledige beeld CurveAlign analyse is uitgevoerd en de resultaten zijn opgeslagen in de standaardmap, klik dan op een of meer regio's van belang in de regio van belang lijst en klik op CurveAlign regio van belang analyzer om een post regio van belang analyse uit te voeren.
Als een volledige beeld CurveAlign analyse niet is uitgevoerd, klik dan op een of meer regio's van belang in de regio van belang lijst en klik op Toepassen CurveAlign op regio van belang om de CurveAlign analyse direct toe te passen op de geselecteerde regio's van belang. In deze afbeelding kan een overlayafbeelding van een weefselmicroarray kern worden waargenomen. In de vergroting kunnen de vezels parallel en loodrecht op de tumorrand binnen de regio van belang worden waargenomen.
De CurveAlign uitvoeroverlayafbeelding toont de tumorgrenzen en de representatieve vezellocaties en -oriëntaties. Deze methode kan worden gebruikt om niet alleen collageenvezels te kwantificeren, maar ook andere lijnachtige structuren zoals elastine en kan mogelijk een vroege diagnose en prognostische analyse van kanker vergemakkelijken.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Dit artikel presenteert een protocol voor het kwantificeren van de organisatie van fibrillair collageen in de extracellulaire matrix met behulp van een MATLAB-tool op basis van de curvelet-transformatie. De tool is toepasbaar op zowel normaal als pathologisch weefsel, waardoor de analyse van collageenvezels wordt verbeterd.
Belangrijkste studiecomponenten
Wetenschappelijk vakgebied
- Neurowetenschappen
- Biologie
- Analyse van de Extracellulaire Matrix
Achtergrond
- Fibrillair collageen is essentieel voor de structuur en functie van weefsels.
- Veranderingen in de organisatie van collageen zijn geassocieerd met diverse ziekten.
- Het kwantificeren van de collageenorganisatie helpt bij het begrijpen van ziektemechanismen.
- De curvelet-transformatie is een effectieve methode voor beeldrepresentatie.
Doel van de studie
- Om een gebruiksvriendelijke tool te bieden voor het kwantificeren van de collageenorganisatie.
- Om de analyse van collageen in verschillende weefseltoestanden te vergemakkelijken.
- Om het begrip van de rol van collageen bij ziekten te verbeteren.
Gebruikte methoden
- Gebruik van de curvelet-transformatie voor beeldverwerking.
- Protocol voor extractie van individuele vezels met behulp van CT-FIRE-software.
- Aanpassing van parameters voor optimale beeldanalyse.
- Methoden voor globale en individuele vezelkwantificering.
Belangrijkste resultaten
- Het instrument kwantificeert de organisatie van collageen op effectieve wijze.
- Het verbetert de detectie van vezelranden en vermindert ruis.
- Uitgebreide modules ondersteunen een efficiënte analyse.
- Toepasbaar op verschillende typen lijnvormige structuren in afbeeldingen.
Conclusies
- De curvelet-transformatietool is waardevol voor onderzoek naar collageen.
- Het biedt inzicht in de extracellulaire matrix bij gezonde weefsels en ziekten.
- Toekomstige toepassingen kunnen worden uitgebreid naar andere structurele analyses.
Veelgestelde vragen
Relevantie voor de Industrie
Het kwantificeren van de organisatie van fibrillair collageen biedt cruciale inzichten in de remodellering van de extracellulaire matrix, een kenmerk van kankerprogressie en andere fibrotische aandoeningen. Het platform op basis van de curvelet-transformatie maakt reproduceerbare analyse met een hoog informatiegehalte van vezelmorfologie en uitlijning mogelijk, wat bijdraagt aan targetvalidatie en mechanistische risicoreductie in preklinisch onderzoek naar oncologie en fibrose. Door kwantitatieve, locatiespecifieke vezelkenmerken te leveren, vergroot de tool het voorspellend vertrouwen in ziekterelevante systemen en biedt het een basis voor go/no-go-beslissingen in vroege discovery-pipelines.
Strategische toepassingen in biofarmaceutische R&D
Vroege ontdekking & targetvalidering
- Wetenschappelijke waarde: Maakt onderzoek naar de architectuur van collageenvezels mogelijk als functionele readout van stromaal-tumorinteracties in kankermodellen.
- Operationele waarde: Levert kwantitatieve vezelmetrieken zoals lengte, hoek, breedte en rechtlijnigheid om hypothesetesten van stromale targets te ondersteunen.
- Translationele waarde: Faciliteert biologische risicovermindering door ECM-veranderingen te koppelen aan ziektefenotypes in de context van borst-, eierstok-, nier- en pancreaskanker.
Screening & Assayontwikkeling
- Klaarheid van de assay: Genereert gestandaardiseerde, ruisbestendige gegevens over vezelranddetectie en oriëntatie voor reproduceerbare collageenkwantificering in grote imagedatasets.
- Schaalbaarheid: Ondersteunt batchverwerking van honderden of duizenden afbeeldingen, wat high-throughput screening van ECM-modulerende verbindingen mogelijk maakt.
- Kwantitatieve output: Levert tot dertig vezelkenmerken, waaronder dichtheid, uitlijning en grensgerelateerde oriëntatie voor assaynormalisatie en hitselectie.
Translationeel & Preklinisch Onderzoek
- Relevantie voor ziektebeeld: Meet direct de reorganisatie van collageen die geassocieerd is met invasie van de tumorgrens in tissue microarray cores.
- Preklinische continuïteit: Maakt longitudinale tracking van vezelrechtheid en uitlijning mogelijk als farmacodynamische biomarkers in studies naar therapeutische interventies.
- Risicogestuurde voortgang: Ondersteunt go/no-go-beslissingen door de effecten van antifibrotische of matrix-modulerende middelen op de integriteit van het collageennetwerk te kwantificeren.
Integratie van Pipeline & Workflow
Het platform is geïntegreerd in discovery-workflows, van vroege hypothesetesten van targets tot preklinische validatie, en biedt een herbruikbare capaciteit voor ECM-fenotypering bij oncologische en fibrotische indicaties.
- Discovery Biology: Ondersteunt mechanistische risicoreductie door de organisatie van collageenvezels te kwantificeren als functionele output van stromaal padmodulatie.
- Screening: Maakt assay-ontwikkeling mogelijk met geautomatiseerde vezelextractie en drempelwaarde-bepaling voor compound-screening in 3D-culturen of weefselcoupes.
- Analytics: Levert statistische outputs, zoals de vezelhoek ten opzichte van tumorgrenzen en rechtlijnigheidsmetrieken voor vergelijkende conditionele analyse.
- Translationeel onderzoek: Verbindt ECM-veranderingen in de ontdekkingsfase met preklinische validatie via ROI-specifieke tracking van vezelkenmerken.
- Enterprise Reuse: Biedt een gestandaardiseerd, gebruiksvriendelijk platform dat over teams heen kan worden ingezet voor consistente collageenkwantificatie in diverse ziektemodellen.
Operationele en bedrijfsmatige impact
- Wetenschappelijke waarde: Vermindert mechanistische ambiguïteit bij stroma-targeting door directe, kwantitatieve read-outs van de organisatie van collageenvezels te bieden.
- Operationele waarde: Garandeert reproduceerbaarheid door geautomatiseerde ruisonderdrukking en randversterking via curvelet-transformatie, waardoor gebruiker-afhankelijke variabiliteit wordt geminimaliseerd.
- Strategische waarde: Verbetert de kapitaalefficiëntie door vroege identificatie van ineffectieve matrix-modulerende middelen mogelijk te maken via kwantitatieve ECM-fenotypering.
- Impact op portfolio: Informeert risico-gecorrigeerde prioritering door veranderingen in de collageenuitlijning te koppelen aan de therapeutische respons in preklinische modellen.
Overwegingen voor implementatie
- Vereist bekendheid met op beelden gebaseerde fibrose- of oncologiemodellen en basisformaten voor microscopiebeelden.
- Afhankelijk van de MATLAB-runtime-omgeving voor de uitvoering van de CT-FIRE- en CurveAlign-modules.
- Vereist standaardisatie van parameters voor beeldacquisitie (resolutie, kleuring, contrast) voor vergelijkbaarheid tussen studies.
- Omvat overwegingen voor aanpassing bij toepassing op niet-collageenachtige lijnstructuren, zoals elastine of neurale vezels.
- Beperkt door de noodzaak voor handmatige ROI-definitie bij analyses geassocieerd met grenzen, hoewel automatiseringsopties beschikbaar zijn via de region of interest manager.
Veelgestelde vragen over biofarmaceutica
Chapters in this video
0:04
Introduction
0:43
CT-FIRE Fiber Extraction and Region of Interest (ROI) Analysis
2:34
Advanced CT-FIRE Post-Processing
4:09
CurveAlign Fiber Analysis: CT Mode Without Boundary
5:03
CurveAlign Fiber Analysis: CT-FIRE Mode with Boundary
6:14
CurveAlign Region of Interest (ROI) Analysis
6:56
Results: Representative Tumor-Associated Human Breast Cancer Tissue Microarray (TMA) Collagen Signatures
7:26
Conclusion
