Mapping Microglial Parameters Software (MMPS): Een open-source, gebruiksvriendelijke tool voor kwantitatieve microglia-morfologieanalyse
July 24th, 2026
Mapping Microglial Parameters Software (MMPS) is een gebruiksvriendelijke analysepijplijn die geen codeerexpertise vereist en semi-automatiseert single-cel microgliale morfologieanalyse op basis van immunofluorescentiebeelden. Gevalideerd in een door knaagdieren geïnduceerd neuro-inflammatiemodel, detecteert MMPS reproductief activatie-geassocieerde morfologische veranderingen en maakt gestandaardiseerde, schaalbare microgliale fenotypering mogelijk.
Mapping microglial parameter software, oftewel MMPS, stelt ons in staat om te onderzoeken hoe ferroptosis microgliale subpopulaties verandert na een ischemische beroerte. MMPS lost belangrijke knelpunten op binnen het veld van microgliale analyse, door omslachtige softwarevereisten en de vereiste codeerkennis te omzeilen. Om te beginnen, opent u de GitHub-repository op de computer en downloadt u het standalone-pakket Mapping Microglial Parameters Software of MMPS.
In de downloadmap dubbelklikt u om het archiefhulpprogramma te openen en automatisch de gecomprimeerde map te extraheren. Dubbelklik op het geëxtraheerde MMPS-applicatiepictogram om het MMPS-pakket te verifiëren en te openen. Klik op de optie map met afbeeldingen selecteren en navigeer door de directory van de computer om de projectbestanden te lokaliseren.
Verleen maptoegangsrechten en kies de map voor het opslaan van afbeeldingen. Klik vervolgens op uitvoermap selecteren en kies de uitvoermap. Selecteer de afbeelding die moet worden verwerkt en kies vervolgens afbeeldingslabeling.
Ken dieridentificatoren en behandelingsgroepen toe aan de afbeelding en sla de invoer op. Om de pixelgrootte van de afbeelding te berekenen, selecteert u kalibreren vanaf schaalbalk. Selecteer de begin- en eindpunten van de schaalbalk en voer de bekende afstand van de schaalbalk in micrometers in en klik op toepassen.
Selecteer het fluorescentiekanaal dat het microgliale signaal bevat. Selecteer afbeeldingen voor verwerking door het vakje naast elke afbeeldingsnaam aan te vinken en verwerk ze afzonderlijk als de achtergrondfluorescentie tussen afbeeldingen verschilt. Bekijk de tabbladen origineel, voorbeeld, verwerkt en maskers om de stadia van afbeeldingsverwerking te vergelijken.
Selecteer voorbeeld van de huidige afbeelding om aanvullende verwerkingsinstellingen aan te passen. Voor achtergrondsubtraktie, stel de rolling ball-waarde in tussen vijf en 150 pixels. Om verlichtingsartefacten te verminderen, gebruik een denoisering-waarde van drie en stel de verscherpingswaarden in tussen één en twee om de randdefinitie te verbeteren.
Na optimalisatie van de afbeeldingsverwerkingsinstellingen, klikt u op geselecteerde afbeeldingen verwerken. Selecteer vervolgens soma's kiezen, alle afbeeldingen. Klik op toon kleur C voor RGB-samengestelde weergave.
Selecteer kanalen en deselecteer eventueel ongebruikte kanalen als de afbeelding vervormd in kleur lijkt. Klik op weergave-instellingen aanpassen om de kanaalhelderheid in de RGB-weergave aan te passen. Selecteer microglia-soma's die DAPI en geïoniseerde calciumbindende adaptermolecuul een, of IBA1-colocalisatie tonen.
Verwijder onjuist geselecteerde soma met de backspace- of delete-toets. Druk op enter of return om door te gaan naar de volgende afbeelding. Selecteer soma's omlijnen, allemaal nadat de soma-selectie is voltooid.
Omlijn het soma-perimeter van elke geselecteerde microglia-cel met ten minste acht omlijningspunten, met uitzondering van de cellulaire processen. Verwijder onjuist geplaatste omlijningspunten met behulp van laatste punt ongedaan maken, verwijderen of backspace. Druk op enter, return, dubbelklik of klik met de rechtermuisknop om elke soma-omlijning te finaliseren.
Klik op alle maskers genereren na voltooiing van het omlijnen van de soma. In de instellingen voor maskergeneratie, pas de minimale intensiteit aan om achtergrondpixels te verminderen en balanceer achtergrondonderdrukking en takbehoud. Selecteer QA alle maskers om de kwaliteitsborging van maskers te starten en bekijk alle gepresenteerde maskers van grootste naar kleinste gebieden.
Vergelijk elk masker met de corresponderende microglia met behulp van de tabbladen verwerkt en masker. Gebruik de sneltoets A op het toetsenbord om maskers te accepteren. Gebruik de sneltoets R op het toetsenbord om maskers af te wijzen.
Om een acceptatie of afwijzing ongedaan te maken, drukt u op B. Gebruik de pijltjestoetsen op het toetsenbord om door maskergroottes te navigeren. Selecteer het grootste acceptabele masker dat nauwkeurig microgliale vertakking vastlegt zonder buurcellen, overmatig achtergrond, beeldranden of schaalbalken op te nemen. Als de meeste niet nauwkeurig zijn, gebruik dan de optie alle maskers wissen om de maskers opnieuw te genereren met een andere drempelwaarde.
Selecteer vervolgens eenvoudige kenmerken berekenen om verschillende parameters voor geaccepteerde maskers te berekenen en klik vervolgens op OK. Voor aanvullende analyse, download fractalanalysisimagej. py, sholl.
py en skeletonanalysisimagej. py plug-ins. Voor fractal en omhullingsanalyses, open en voer fractalanalysisimagej.
py uit als een Fiji-plug-in. Voer vervolgens de locatie van de uitvoermap in. Voer de pixelgrootte in en selecteer de optie grootste masker alleen om het grootste geaccepteerde masker per cel te analyseren.
Voor sholl-analyse, open sholl. py als een Fiji-plug-in. Voer de locatie van de uitvoermap in, gewenste pixelgrootte, stapgrootte.
Selecteer soma-radius als startradius gebruiken of voer een vaste soma-radiuswaarde in als MMPS-afgeleide soma-radii niet worden gebruikt. Open skeletonanalysisimagej. py als een Fiji-plug-in voor skeletanalyse.
Blader en voer de paden in voor de maskermap, uitvoermap en pixelgrootte wanneer daarom wordt gevraagd. Exporteer alle gegenereerde resultaten van de plug-ins bij voltooiing als bestanden met komma's gescheiden waarden naar de specifieke uitvoermap. Validatiestudie van MMPS met behulp van een lipopolysaccharide of LPS-geïnduceerde neuro-inflammatiemodel bij knaagdieren toonde aan dat LPS-toediening de gemiddelde centroidafstand en celomtrek significant verminderde in vergelijking met voertuig-behandelde controles.
Er werden geen significante verschillen waargenomen in maskeroppervlakte, rondheid of excentriciteit tussen de behandelingsgroepen. De soma-oppervlakte was significant verhoogd bij LPS-behandelde dieren in vergelijking met voertuigcontroles, wat consistent was met activeringsgerelateerde morfologische hermodellering van gliacellen. Verderopstroom toonde geavanceerde morfologische analyses slechts een zwakke correlatie aan tussen microgliale rondheid en omtrek bij voertuig-behandelde ratten, en een sterke correlatie bij LPS
Overview
This article introduces the Mapping Microglial Parameters Software (MMPS), an open-source platform designed for quantitative analysis of microglial morphology. MMPS addresses accessibility and usability challenges in current analysis tools by providing a user-friendly, Python-based solution compatible with immunofluorescence workflows. The software is validated using a rodent model of neuroinflammation, demonstrating its effectiveness in detecting morphological changes associated with microglial activation.
Key Study Components
Area of Science
- Neuroscience
- Immunology
- Image analysis
Background
- Microglia are central nervous system immune cells involved in tissue degradation and remodeling after neurological injury.
- Quantitative morphology analysis can distinguish microglial subpopulations and preserve in situ information.
- Existing analysis platforms often require specialized expertise or are not publicly accessible.
- There is a need for standardized, accessible tools for microglial morphology analysis.
Purpose of Study
- To develop an open-source, user-friendly software for microglial morphology analysis.
- To enable semi-automated, single-cell analysis without coding expertise.
- To validate the software using a rodent neuroinflammation model.
Methods Used
- Development of MMPS using Python 3.11.
- Integration with immunofluorescence-based imaging workflows.
- Implementation of a graphical user interface for accessible operation.
- Validation using a rodent lipopolysaccharide (LPS)-induced neuroinflammation model.
Main Results
- MMPS enables semi-automated, quantitative analysis of microglial morphology at the single-cell level.
- Microglia from LPS-treated animals showed significantly increased soma area (p < 0.01).
- Microglia from LPS-treated animals exhibited reduced cell perimeter (p < 0.05) compared to controls.
- These morphological changes are consistent with microglial activation and neuroinflammation.
Conclusions
- MMPS provides a standardized and reproducible platform for microglial morphology analysis.
- The software is accessible to users without coding expertise.
- MMPS facilitates cross-laboratory comparison and reproducibility in microglial research.
Frequently Asked Questions
Executive Industry Relevance
Quantitative microglial morphology analysis is critical for de-risking neuroinflammation targets and advancing CNS drug discovery. The Mapping Microglial Parameters Software (MMPS) enables standardized, reproducible measurement of microglial activation states, supporting predictive confidence in early discovery and translational research. Its accessibility and cross-laboratory compatibility address key bottlenecks in neuroimmune target validation and portfolio triage.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of microglial activation in disease-relevant models.
- Supports functional target validation by distinguishing subtle morphological phenotypes.
- Facilitates mechanistic de-risking of neuroimmune pathways in CNS disorders.
- Improves predictive confidence for advancing neuroinflammation targets.
Screening & Assay Development
- Standardizes image-based microglial morphology assays for reproducible outputs.
- Prepares validated biological systems for compound screening and phenotypic profiling.
- Enables scalable, semi-automated analysis compatible with immunofluorescence workflows.
- Supports reliable quantitative evaluation of compound effects on microglial states.
Translational & Preclinical Research
- Aligns morphological readouts with translational biomarkers of neuroinflammation.
- Ensures continuity from discovery through preclinical validation in rodent models.
- Reduces risk in advancing neuroimmune assets by providing robust, quantitative endpoints.
- Supports cross-study and cross-laboratory reproducibility for regulatory submissions.
Pipeline & Workflow Integration
MMPS integrates into the discovery-to-preclinical continuum by enabling standardized, quantitative analysis of microglial morphology in immunofluorescence-based workflows.
- Discovery Biology: Provides hypothesis-driven quantification of microglial activation and morphological phenotypes.
- Screening: Delivers reproducible, quantitative outputs for assay development and compound evaluation.
- Analytics: Generates statistical measurements (e.g., soma area, cell perimeter) for condition comparison and decision-making.
- Translational Research: Aligns with preclinical neuroinflammation models for biomarker continuity.
- Enterprise Reuse: Offers an open-source, user-friendly platform adaptable across CNS research programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neuroimmune target validation.
- Operational Value: Standardizes and semi-automates morphology analysis, improving reproducibility and scalability.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient advancement of CNS assets.
- Portfolio Impact: Supports risk-adjusted prioritization of neuroinflammation programs with robust quantitative endpoints.
Implementation Considerations
- Requires expertise in immunofluorescence imaging and neurobiology for optimal use.
- Needs compatible imaging instrumentation and computational infrastructure for image processing.
- Demands cross-team standardization of imaging and analysis protocols for reproducibility.
- Adaptable to various rodent neuroinflammation models and potentially other CNS disease systems.
- Dependent on image quality and parameter selection for accurate morphological quantification.