17 september 2021
Gepresenteerd is een computationele tool die eenvoudige en directe automatische meting van oriëntaties van neuronale dendritische takken van 2D-fluorescentiebeelden mogelijk maakt.
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.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Dit artikel presenteert SOA, een geautomatiseerde computationele tool voor het analyseren van neuronale dendritische vertakkingen vanuit 2D-fluorescentiebeelden. De software biedt een gebruiksvriendelijke interface voor segmentatie en extractie van morfologische gegevens, waardoor parallelle en niet-parallelle groeipatronen in dendriten snel geïdentificeerd kunnen worden.
Geautomatiseerde analyse van de oriëntatie van dendritische vertakkingen biedt kwantitatieve inzichten in de architectuur van neurale netwerken, wat doelwitvalidatie in de neurofarmacologie ondersteunt door structurele veranderingen te koppelen aan functionele uitkomsten. De tool maakt mechanische risicoreductie van verbindingen die de neurietenmorfologie beïnvloeden mogelijk via reproduceerbare, high-content morfologische profilering. Deze mogelijkheid verhoogt het voorspellende vertrouwen in de vroege ontdekkingsfase door structurele biomarkers van pathway-modulatie te identificeren.
Het instrument past binnen het ontdekkingscontinuüm, van vroege toetsing van doelwit-hypotheses tot lead-optimalisatie, en levert morfologische gegevens die inzicht geven in de biologische activiteit en padmodulatie.