Name: Automatische identificatie van dendritische takken en hun oriëntatie (Video) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: Leer de SOA-tool voor automatische analyse van neurale dendrietstructuren uit 2D-fluorescentiebeelden. Deze methode extraheert morfologische gegevens en classificeert groeipatronen efficiënt.

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

De auteurs willen Dr. Orly Weiss bedanken voor het opstellen van de cultuurbeelden.

OPMERKING: Het Israëlische ministerie van Volksgezondheid heeft het gebruik van muizen goedgekeurd onder protocol IL-218-01-21 voor het ethisch gebruik van proefdieren. SOA is alleen compatibel met Windows 10 en Python 3.9. Het is beschikbaar als een open-source code: https://github.com/inbar2748/DendriteProject. Op deze link is er ook een README. DM-bestand met aanwijzingen voor het downloaden van de software, een koppeling naar de website van de software en een vereistenbestand met informatie over de vereiste versies van alle pakketten. Aanvullende voorbeelden van analyses die met behulp van de software zijn uitgevoerd, zijn daar ook verstrekt.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> Figuur 1: SOA-workflow voor segmentatie en groeirichtinganalyse. Getoond worden de verwerkingsstappen van fluorescerende beelden van dendritische netwerken en data-analyse getoond. Het 2D-beeld wordt geüpload, gesegmenteerd (in twee stappen: dendritische takken worden gedetecteerd als lijnen en vervolgens worden de relevante lijnen samengevoegd) en de ruimtelijke informatie van elke dendritische tak wordt verkregen. De gegevens worden verzameld voor alle dendritische takken in het beeld. Ten slotte worden de gegevens geanalyseerd om de gewenste morfologische parameters te geven. Afkorting: SOA = segmentatie en oriëntatie analyse. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">Klik hier om een grotere versie van deze figuur te bekijken.</a>
1. Open de SOA-applicatie.
<ol><li>Open het URL-adres: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA, zoek de map SOA.zip zip en download het ZIP-bestand door te dubbelklikken.</li>
	<li>Pak de map uit door met de rechtermuisknop op SOA.zip te klikken en bestanden uitpakken te kiezen. Bekijk het venster Extractiepad en opties dat wordt geopend en het tekstvak Doeladres waarin het pad voor de uitgepakte bestanden wordt weergegeven. Om uit te pakken naar een andere locatie, klikt u op een van de mappen in het rechterdeelvenster van het venster om er de doelmap van te maken. Klik op OK om de bestanden uit te pakken naar die map.</li>
	<li>Open het uitgepakte SOA-bestand en dubbelklik op SOA.exe. Wacht tot er een zwart venster wordt geopend, waarna de toepassing verschijnt.</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> Afbeelding 2: Voorbeeld van een workflow met de GUI van de SOA. Linkerkolom: GUI-secties van de workflow. Middelste kolom: afbeelding van een dendritisch netwerk, verwerkt tijdens de workflow (schaalbalk: 20 μm). Rechterkolom: vergroting van het gebied gemarkeerd door een rode rechthoek in de afbeeldingen van de middelste kolom (schaalbalk: 4 μm). Stap 1: Selectie en uploaden van een afbeelding. Stap 2: De eerste fase van segmentatie is de detectie van lijnen die de geïdentificeerde dendritische takken vertegenwoordigen. Stap 3: De tweede fase van segmentatie is de op nabijheid gebaseerde fusie van segmentvoering in individuele dendritische takken. De instellingen van alle stappen kunnen worden gewijzigd. Afkortingen: SOA = segmentatie en oriëntatie analyse; GUI = grafische gebruikersinterface. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">Klik hier om een grotere versie van deze figuur te bekijken.</a>
2. Open een afbeelding om te analyseren.
<ol><li>In de menubalk uploaden van SOA Viewer | selecteer Bestand kiezen | kies een afbeelding uit de computerbestanden | klik erop (alleen .png .jpg .tif .bmp bestanden) | | openen observeer het pad van het bestand | Volgend.
</li>
</ol>3. Segmentatie optimalisatie
OPMERKING: Wijzig in de menubalk Eigenschappen van de SOA-viewer de waarden van de geselecteerde parameters om de instellingen van het segmentatieproces aan te passen. Een gedetailleerde beschrijving van de parameters, zoals de drempel, wordt gegeven in het aanvullend materiaal.
<ol><li>Pas in Randen de drempel voor de weergave aan door de drempelwaarde te selecteren en een getal in te voeren. OPMERKING: Hoe lager het getal voor de drempel, hoe meer lijnen worden gedetecteerd. Drempel is een getal dat varieert van 0 tot 255. De standaardwaarde is ingesteld op 0.</li>
	<li>In Regels samenvoegen:<ol>
<li>Pas de minimale afstand aan om samen te voegen voor het display door de minafstand te selecteren die u wilt samenvoegen en een getal in te voeren. OPMERKING: De minimale afstand tot samenvoegen varieert van 0 tot 30 pixels. De standaardwaarde is ingesteld op 20.</li>
		<li>Pas de minimale samenvoeghoek voor het scherm aan door de minhoek te selecteren die u wilt samenvoegen en een getal in te voeren. OPMERKING: De minhoek om samen te voegen varieert van 0 tot 30°. De standaardwaarde is ingesteld op 10.</li>
	</ol>
</li>
	<li>Klik op Voorbeeldsegmentatieafbeelding maken. OPMERKING: Een voorbeeldafbeelding van de segmentatieresultaten wordt weergegeven op basis van de bijgewerkte waarden. Bovendien wordt het aantal regels vóór het samenvoegen en het aantal regels na het samenvoegen weergegeven.</li>
	<li>Wijzig de parameters om maximale identificatie van segmenten te bereiken. Als het nodig is om de eigenschappen te wijzigen, klikt u op de knop Venster sluiten en volgt u de stappen 3.1-3.4.</li>
</ol>4. Maak de uitvoerbestanden.
<ol><li>Druk op OK om de segmentatieafbeeldingen en de analysegrafieken te visualiseren. Observeer het venster dat verschijnt voor het selecteren van een locatie waar het .xlsx bestand wordt opgeslagen.</li>
	<li>een | voor een bestandsnaam invoegen Kies Opslaan | wacht tot het .xlsx bestand met gegevens is gemaakt en opgeslagen. OPMERKING: Naast het .xlsx bestand worden de volgende bestanden automatisch weergegeven: een bestand met de oorspronkelijke afbeelding, de lijnherkenningsafbeelding, de uiteindelijke afbeelding van de segmentatie en drie analysegrafieken.
</li>
</ol>5. Navigatie werkbalk
OPMERKING: Een navigatiewerkbalk is opgenomen in alle figuurvensters en kan worden gebruikt om door de gegevensset te navigeren. Elk van de knoppen onder aan de werkbalk wordt hieronder beschreven.
<ol><li>Als u heen en weer wilt navigeren tussen eerder gedefinieerde weergaven, gebruikt u de knoppen Vooruit en Vorige . OPMERKING: De knoppen Start, Vooruit en Vorige zijn vergelijkbaar met de besturingselementen Start, Vooruit en Terug in een webbrowser. Home keert terug naar het standaardscherm, de oorspronkelijke afbeelding.</li>
	<li>Gebruik de zoomknop om te pannen en zoomen. Als u pannen en zoomen wilt activeren, drukt u op de zoomknop en beweegt u de muis naar een gewenste locatie in de afbeelding.<ol>
<li>Als u de figuur wilt pannen, houdt u de linkermuisknop ingedrukt terwijl u deze naar een nieuwe positie sleept. Laat de muisknop los en het geselecteerde punt in de afbeelding verschijnt in de nieuwe positie. Houd tijdens het pannen de x - of y-toetsen ingedrukt om de beweging te beperken tot respectievelijk de x - of y-as .</li>
		<li>Als u wilt zoomen, houdt u de rechtermuisknop ingedrukt en sleept u deze naar een nieuwe locatie. Ga naar rechts om in te zoomen op de x-as en ga naar links om uit te zoomen op de x-as. Doe hetzelfde voor de y-as en de bewegingen omhoog/omlaag. Houd er bij het zoomen rekening mee dat het punt onder de muis stil blijft staan, waardoor u rond dat punt kunt in- of uitzoomen. Gebruik de speciale toetsen x, y of CONTROL om de zoom te beperken tot respectievelijk de x-, y- of beeldverhouding.</li>
	</ol>
</li>
	<li>Als u de modus Zoomen op rechthoek wilt activeren, klikt u op de knop Zoomen op rechthoek . Plaats de cursor over de afbeelding en druk op de linkermuisknop. Sleep de muis naar een nieuwe locatie terwijl u de knop ingedrukt houdt om een rechthoekig gebied te definiëren. OPMERKING: De weergavelimieten van de assen worden ingezoomd op het gedefinieerde gebied wanneer de linkermuisknop wordt ingedrukt. De weergavelimieten van de assen worden uitgezoomd wanneer de rechtermuisknop wordt ingedrukt, waardoor de oorspronkelijke assen in het gedefinieerde gebied worden geplaatst.</li>
	<li>Gebruik het hulpprogramma Subplotconfiguratie om het uiterlijk van de subplot te configureren. OPMERKING: De linker-, rechter-, boven- en onderkant van de subplot, evenals de ruimte tussen rijen en kolommen, kunnen worden uitgerekt of gecomprimeerd.</li>
	<li>Als u een dialoogvenster voor het opslaan van bestanden wilt openen, klikt u op de knop Opslaan en slaat u het bestand op in de volgende indelingen: .png, .ps, .eps, .svg of .pdf.</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>

De auteurs verklaren dat zij geen concurrerende financiële belangen hebben.

Effectieve strategieën voor het extraheren van morfologische informatie uit 2D-beelden zijn dringend nodig om biologische beeldvormingsgegevens bij te houden. Hoewel beeldgegevens in uren kunnen worden gegenereerd, duurt een diepgaande analyse van de beelden lang. Hierdoor is beeldverwerking op veel terreinen duidelijk een groot obstakel geworden. Dit is deels te wijten aan de hoge complexiteit van de gegevens, vooral bij het omgaan met biologische monsters. Bovendien, omdat veel gebruikers geen gespecialiseerde programm...

Dendritische morfogenese is een centraal onderwerp in de neurowetenschappen, omdat de structuur van de dendritische boom de computationele eigenschappen van synaptische integratie in neuronen beïnvloedt1,2,3. Bovendien zijn morfologische afwijkingen en modificaties in dendritische takken betrokken bij degeneratieve en neuro-ontwikkelingsstoornissen4,5,6. In neuronale culturen waar dendritische vertakking gemakkelijker kan worden gevisualiseerd, reguleren de interacties tussen niet-zuster dendritische takken de plaatsen en mate van synaptische clustering langs de takken, een gedrag dat synaptische coactiviteit en plasticiteit kan beïnvloeden7,8,9. Daarom is karakterisering van de morfologische parameters van de dendritische boom met behulp van tweedimensionale (2D) neuronale culturen voordelig voor het begrijpen van dendritische morfogenese en functionaliteit van enkele en netwerken van neuronen. Toch is dit een uitdagende taak omdat dendritische takken een complex gaas vormen, zelfs in "vereenvoudigde" 2D-neuronale culturen.
Er zijn verschillende tools ontwikkeld om dendritische structuren automatisch te traceren en te analyseren10,11,12,13. De meeste van deze tools zijn echter ontworpen voor 3D-neuronale netwerken en zijn van nature te complex om te gebruiken met 2D-netwerken. Daarentegen omvatten minder geavanceerde morfologische analysetools meestal een aanzienlijk onderdeel van computerondersteunde handmatige arbeid, die zeer tijdrovend is en vatbaar voor operatorbias14. Bestaande semi-automatische tools, zoals 'ImageJ'15 (een NIH open-source beeldverwerkingspakket met een uitgebreide verzameling door de gemeenschap ontwikkelde biologische beeldanalysetools), verminderen grotendeels de handmatige arbeid van gebruikers. Tijdens de beeldverwerking zijn echter nog enkele handmatige ingrepen nodig en kan de kwaliteit van de segmentatie minder dan wenselijk zijn.
Dit artikel presenteert de SOA, een eenvoudige geautomatiseerde tool die directe segmentatie en oriëntatieanalyse van dendritische takken binnen 2D-neuronale netwerken mogelijk maakt. De SOA kan verschillende lijnachtige objecten in 2D-afbeeldingen detecteren en hun morfologische eigenschappen karakteriseren. Hier gebruikten we de SOA voor het segmenteren van dendritische takken in 2D-fluorescentiebeelden van dendritische netwerken in cultuur. De software identificeert de dendritische takken en voert met succes metingen uit van morfologische parameters zoals parallellisme en ruimtelijke verdeling. De SOA kan eenvoudig worden aangepast voor de analyse van cellulaire processen van andere celtypen en voor het bestuderen van niet-biologische netwerken.

<table><tbody><tr><td>Matplotlib</td><td>&nbsp;2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom en het Matplotlib ontwikkelingsteam; 2012 - 2021 Het Matplotlib ontwikkelingsteam.</td><td>3.4.2</td><td>een Python 2D plotting bibliotheek</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>artiest voor matplotlib om een schaalbalk weer te geven</td></tr><tr><td>NumPy</td><td>De NumPy community.</td><td>1.20.3</td><td>fundamenteel pakket voor wetenschappelijke computing bibliotheek</td></tr><tr><td>OpenCV</td><td>OpenCV team</td><td>4.5.2.54</td><td>Open Source Computer Vision Library</td></tr><tr><td>PyCharm</td><td>JetBrains</td><td>2020.3.1 (Community Edition) versie</td><td>Build #PC-203.6682.86, gebouwd op december 18, 2020. Runtime versie: 11.0.9.1+11-b1145.37 amd64. VM: OpenJDK 64-Bit Server VM door JetBrains s.r.o. Windows 10 10.0. Geheugen: 978M, Kernen: 4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>de GUI beheren</td></tr><tr><td>python</td><td>Python Software Foundation Licentie</td><td>3.9 versie</td><td></td></tr><tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>5.11.1 versie</td><td></td></tr><tr><td>scipy</td><td>Community bibliotheek project</td><td>1.6.3</td><td>Python-gebaseerd ecosysteem van open-source software voor wiskunde, wetenschap en techniek</td></tr><tr><td>Seaborn</td><td>Michael Waskom.</td><td>0.11.1</td><td>Python's Statistische Gegevensvisualisatie Bibliotheek.</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td><td>1.4.3</td><td>Python module voor het maken van Excel XLSX bestanden</td></tr></tbody></table>

automatische identificatie van dendritische takken en hun oriëntatie

Automatic Identification of Dendritic Branches and their Orientation

De structuur van neuronale dendritische bomen speelt een sleutelrol bij de integratie van synaptische inputs in neuronen. Daarom is karakterisering van de morfologie van dendrieten essentieel voor een beter begrip van de neuronale functie. De complexiteit van dendritische bomen, zowel geïsoleerd als vooral wanneer ze zich binnen neuronale netwerken bevinden, is echter niet volledig begrepen. We ontwikkelden een nieuwe computationele tool, SOA (Segmentation and Orientation Analysis), waarmee automatisch de oriëntatie van dendritische takken kan worden gemeten op basis van fluorescentiebeelden van 2D-neuronale culturen. SOA, geschreven in Python, gebruikt segmentatie om dendritische takken te onderscheiden van de achtergrond van de afbeelding en verzamelt een database over de ruimtelijke richting van elke tak. De database wordt vervolgens gebruikt om morfologische parameters te berekenen, zoals de directionele verdeling van dendritische takken in een netwerk en de prevalentie van parallelle dendritische takgroei. De verkregen gegevens kunnen worden gebruikt om structurele veranderingen in dendrieten te detecteren als reactie op neuronale activiteit en op biologische en farmacologische stimuli.

Een representatieve analyse werd uitgevoerd op beelden van dendritische netwerken in cultuur. Cellen werden geëxtraheerd zoals beschreven door Baranes et al. 16,17. Kortom, hippocampuscellen werden geëxtraheerd uit de hersenen van postnatale ratten en gekweekt op 2D-glazen coverslips gedurende 1-2 weken. De culturen werden vervolgens gefixeerd en gekleurd door middel van indirecte immunofluorescentie met behulp van een antilichaam tegen de dendritische e...

Gepresenteerd is een computationele tool die eenvoudige en directe automatische meting van oriëntaties van neuronale dendritische takken van 2D-fluorescentiebeelden mogelijk maakt.

Automatische identificatie van dendritische takken en hun oriëntatie

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

De SOA is een geautomatiseerde tool met een gebruiksvriendelijke interface voor identificatie, segmentatie en extractie van belangrijke morfologische informatie uit afbeeldingen van complexe 2D-lijnnetwerken. Het werkproces is eenvoudig en intuïtief en de gegevens worden onmiddellijk en gemakkelijk verkregen. Omdat SOA aanpasbaar en flexibel is, kan de analytische capaciteit bovendien worden uitgebreid voor andere toepassingen.SOA kan worden gebruikt voor de analyse van andere soorten 2D-netwerken, zoals netwerken van niet-neurale cellen, complexe structuren gegenereerd door het cytoskelet en niet-biologische netwerken, zoals nanobuizen. Open de webpagina, zoek de SOA. zip zip-map en download het zip-bestand door te dubbelklikken.Pak de map uit door met de rechtermuisknop te klikken en bestanden uit te pakken. Observeer het extractiepad in het optievenster dat wordt geopend in het tekstvak doeladres waarin het pad voor de uitgepakte bestanden wordt weergegeven. Open vervolgens het uitgepakte SOA-bestand en dubbelklik op SOA.exe.Wacht tot er een zwart venster wordt geopend, waarna de toepassing verschijnt. Selecteer in de uploadmenubalk van de SOA-viewer kies bestand, kies vervolgens een afbeelding uit de computerbestanden en klik erop. Klik op Openen, observeer het pad van het bestand en klik op Volgende.Voor segmentatie-optimalisatie in randen past u de drempel voor de weergave aan door drempel te selecteren en een getal in te voeren. Pas bij samenvoeglijnen de minimumafstand aan die u wilt samenvoegen voor het beeldscherm door de minafstand te selecteren die moet worden samengevoegd en een getal in te voeren, en de minimale samenvoeghoek voor het beeldscherm door de minhoek te selecteren die moet worden samengevoegd en een getal in te voeren. Klik vervolgens op voorbeeldsegmentatieafbeelding maken en wijzig de parameters om maximale identificatie van segmenten te bereiken.Als eigenschappen moeten worden gewijzigd, klikt u op de knop Venster sluiten en past u de drempel in de minimale afstand en hoek aan om samen te voegen. Als u de uitvoerbestanden wilt maken, drukt u op OK om de segmentatieafbeeldingen in de analysegrafieken te visualiseren. Selecteer in het venster dat verschijnt een locatie waar het xlsx-bestand wordt opgeslagen.Voer een bestandsnaam in, kies opslaan en wacht tot het xlsx-bestand met gegevens is gemaakt en opgeslagen. Als u heen en weer wilt navigeren tussen eerder gedefinieerde weergaven, gebruikt u de knoppen Vooruit en Terug. Activeer pannen en zoomen door op de zoomknop te drukken en verplaats de muis naar de gewenste locatie.Pan vervolgens de figuur door de linkermuisknop ingedrukt te houden terwijl u deze naar een nieuwe positie sleept. Laat de muisknop los en het geselecteerde punt in de afbeelding verschijnt in de nieuwe positie. Houd de X- of Y-toetsen ingedrukt om de beweging van de assen te beperken.Als u wilt zoomen, houdt u de rechtermuisknop ingedrukt en sleept u deze naar een nieuwe locatie. Ga naar rechts om in te zoomen op de x-as en ga naar links om uit te zoomen op de x-as. Doe hetzelfde voor de y-as in op- en neergaande bewegingen.Houd er bij het zoomen rekening mee dat het punt onder de muis stil blijft staan, waardoor het mogelijk is om rond dat punt in of uit te zoomen. Gebruik de speciale toetsen X, Y of Control om de zoom te beperken tot respectievelijk de X-, Y- of beeldverhouding. Als u de modus Zoomen naar rechthoek wilt activeren, klikt u op de knop Zoomen naar rechthoek.Plaats de cursor over de afbeelding en druk op de linkermuisknop. Sleep de muis naar een nieuwe locatie terwijl u de knop ingedrukt houdt om een rechthoekig gebied te definiëren. Gebruik het hulpprogramma voor subplotconfiguratie om het uiterlijk van de subplot te configureren.Als u een dialoogvenster voor het opslaan van bestanden wilt openen, klikt u op de knop Opslaan en slaat u het bestand op in de juiste indelingen. Een typische SOA-workflow wordt toegepast op een representatief 2D-beeld van een dendritisch netwerk gelabeld met een fluorescerend anti-MAP2-antilichaam. De GUI van de SOA maakt het mogelijk om de originele afbeelding te vergelijken met de gesegmenteerde afbeelding en biedt realtime monitoring van het effect van eventuele wijzigingen in de segmentatie-instellingen.De dendritische takken worden geclassificeerd als groeiend parallel en niet-parallel. Zodra de analyse is voltooid, wordt het aantal parallelle takken binnen het geteste bereik geëxtraheerd en uitgezet in een frequentiegrafiek. Om te begrijpen of de mate van parallelle groei tussen de dendritische takken willekeurig of gericht is, worden de resultaten van deze grafiek vergeleken met die geëxtraheerd uit simulatie van willekeurige groei van lijnen van hetzelfde aantal als die van de dendritische takken in de culturen.De SOA meet vervolgens de afstanden tussen de parallelle takken, evenals de lengtes van de parallelle en niet-parallelle dendritische takken en hun gemiddelde lengtes. Om te bepalen of er preferentiële groeirichtingen bestaan, toont de SOA een verdelingsistogram van de groeihoeken van de dendritische takken, waardoor snelle identificatie van voorkeursgroeirichtingen en specifieke dendritische takken in elke groep mogelijk is. De SOA-output kan worden gebruikt als een database voor tools die meer diepgaande en complexe analyses uitvoeren.

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

Research

JoVE Journal

Neuroscience

Neurowetenschap

Source: Pekarek, B. T., et. al., Imaging and Quantification of Intact Neuronal Dendrites via CLARITY Tissue Clearing. J. Vis. Exp. (2021)In this video, we demonstrate the preparation, imaging, and analysis of a cleared mouse brain to examine dendritic arbors, spine morphology, and neuronal distribution using confocal microscopy and 3D reconstruction techniques.

Confocal Microscopy Imaging of Intact Dendritic Arbors and Spine Morphology in a Cleared Mouse Brain

Source: Ting, C., et al., Analyzing Dendritic Morphology in Columns and Layers. J. Vis. Exp. (2017)This video demonstrates the procedure of preparing a Drosophila brain, capturing horizontal and frontal image stacks of GFP-labeled medulla dendrites under a confocal microscope, and creating a 3D reconstruction to analyze their morphology across layers and columns.

Analyzing Dendritic Morphology Across Drosophila Medulla Layers and Columns

Source: Gouder, et. al. Three-dimensional Quantification of Dendritic Spines from Pyramidal Neurons Derived from Human Induced Pluripotent Stem Cells. J. Vis. Exp. (2015).This video demonstrates the imaging and analysis of dendritic spines in transduced, immunolabeled pyramidal neurons using confocal microscopy. Background noise is reduced, and dendrites are traced by estimating their diameter and length. Automated spine segmentation involves setting parameters for dendrite and spine dimensions...

Quantification of Dendritic Spines Using Confocal Microscopy Imaging

We beschrijven twee methoden voor visualisatie en kwantificering van dendritische arborisatie in de hippocampus van muizenmodellen: real-time en extended depth of field beeldvorming. Terwijl de eerste methode geavanceerd topografisch traceren en kwantificering van de mate van vertakking toelaat, biedt de laatste snelle visualisatie van de dendritische boom.

Beoordeling van Dendritische arborization in de gyrus dentatus van de hippocampus regio in Muizen

Dendritische stekels van piramidale neuronen zijn de sites van de meest prikkelende synapsen in de hersenen van zoogdieren cortex. Deze methode beschrijft een 3D-kwantitatieve analyse van de wervelkolom morfologie in menselijke corticale piramidale glutamaat neuronen afgeleid van geïnduceerde pluripotente stamcellen.

Driedimensionale Kwantificering van Dendritische stekels van Piramidale Neuronen afgeleid van menselijk geïnduceerde pluripotente stamcellen

Hier laten we zien hoe dendritische routering van Drosophila merg neuronen in de kolommen en lagen te analyseren. De werkstroom een ​​dual-beeldvorming techniek om de beeldkwaliteit en computerhulpmiddelen voor opsporing, registratie dendritische assen aan de hand kolommatrix en voor de analyse van dendritische structuren in 3D te verbeteren.

Het analyseren van dendrietmorfologie in Kolommen en Lagen

Dit protocol is gericht op kwantitatieve analyse van complexiteit van de neuronale dendritische arborization (NDAC) in Drosophila, die kan worden gebruikt voor studies van dendritische morfogenese.

Kwantitatieve analyse van neuronale dendritische Arborization complexiteit in Drosophila

Hier beschrijven we de methode die we hebben gebruikt voorbeeld zeer beweeglijke dendritische filopodia in een live voorbereiding van de hersenen Drosophila larvale, en het protocol dat we hebben ontwikkeld om time-lapse 3D-beeldverwerkings sets voor kwantitatieve beoordelingen van dendriet te kwantificeren dynamiek in het ontwikkelen van neuronen.

Time-lapse Live beeldvorming en kwantificering van snelle dendritische tak dynamiek bij de ontwikkeling van Drosophila neuronen

We presenteren een protocol voor het etiketteren en analyseren van piramidale neuronen, wat essentieel is voor het evalueren van potentiële morfologische veranderingen in neuronen en dendritische stekels die ten grondslag kunnen liggen aan neurochemische en gedragsafwijkingen.

Ballistische etikettering van piramidale neuronen in hersenschijfjes en in de primaire celcultuur

Neuronale dendritische morfologie ligt vaak ten grondslag aan functie. Inderdaad, veel ziekteprocessen die de ontwikkeling van neuronen beïnvloeden, manifesteren zich met een morfologisch fenotype. Dit protocol beschrijft een eenvoudige en krachtige methode voor het analyseren van intacte dendritische priëlen en hun bijbehorende stekels.

Beeldvorming en kwantificering van intacte neuronale dendrieten via CLARITY Tissue Clearing

Dendritische stekels zijn postsynaptische compartimenten van de meeste excitatoire synapsen. Veranderingen in de morfologie van de dendritische wervelkolom treden op tijdens neurologische ontwikkeling, veroudering, leren en vele neurologische en psychiatrische aandoeningen, wat het belang van betrouwbare analyse van de dendritische wervelkolom onderstreept. Dit protocol beschrijft het nauwkeurig en reproduceerbaar kwantificeren van de morfologie van de dendritische wervelkolom met behulp van...

Kwantificering van de dendritische wervelkolom met behulp van automatische driedimensionale neuronreconstructiesoftware

Leer de SOA-tool voor automatische analyse van neurale dendrietstructuren uit 2D-fluorescentiebeelden. Deze methode extraheert morfologische gegevens en classificeert groeipatronen efficiënt.

Automatische identificatie van dendritische takken en hun oriëntatie

Meer video's verkennen