Ca2+ jest wszechobecną cząsteczką sygnalizacyjną drugiego posłańca, a poziomy cytozolowego Ca2+ są wysoce regulowane. Wewnątrzkomórkowe sygnały Ca2 + są złożone i obejmują izolowane stany nieustalone, oscylacje i rozchodzące się fale1-4. Uważa się, że przestrzenna i czasowa kontrola Ca2 + leży u podstaw fizjologicznej specyficzności sygnału, a zatem analiza wzorców sygnałów Ca2 + jest bardzo interesująca dla badaczy w wielu dziedzinach5.
Ca2+ barwniki wskaźnikowe, takie jak Fluo-4 i Fura-2, są powszechnie stosowane do pomiaru wewnątrzkomórkowych sygnałów Ca2+ za pomocą mikroskopii fluorescencyjnej5-12. Zazwyczaj czasowe sygnały Ca2 + są oceniane jako zależne od czasu zmiany średniej fluorescencji w zdefiniowanym przez użytkownika obszarze lub regionie zainteresowania (ROI)5,6,13-16. Obecnie ręczna analiza ROI jest zarówno czasochłonna, jak i pracochłonna, ponieważ wymaga od użytkowników identyfikowania wielu ROI i wykonywania powtarzalnych obliczeń17-19. Techniki te mogą być również obarczone znacznym błędem użytkownika, w tym wprowadzeniem sztucznych modów sygnału i wykluczeniem sygnałów o niskiej amplitudzie lub sygnałów rozproszonych18,20.
Algorytmy automatycznego wykrywania ROI były wcześniej implementowane przy użyciu różnych podejść statystycznych do określania optymalnego rozmieszczenia ROI, ale generalnie ograniczały się do analizy obrazów skanowania linii lub pseudolinii, co ogranicza analizę do jednego wymiaru przestrzennego w czasie17,19-22. Ponadto wiele istniejących algorytmów nie jest wystarczających do uwzględnienia różnorodności zdarzeń uwalniania Ca2+, które wahają się od okresowych, zlokalizowanych stanów nieustalonych do rozchodzących się fal23,24. Kompleksowa ocena fizjologicznych sygnałów Ca2+ jest często dodatkowo skomplikowana ze względu na obecność znaczącego artefaktu obrazu, który zakłóca dyskryminację sygnału z szumem w wielu systemach eksperymentalnych.
Poprzednio, zautomatyzowany algorytm wykrywania ROI do wykrywania stanów przejściowych sygnału Ca2+, zaimplementowany jako wtyczka do oprogramowania NIH ImageJ (National Institutes of Health, Bethesda, MD), został opracowany i zatwierdzony25,26. Algorytm ten, nazwany LC_Pro, został zaprojektowany do identyfikacji i analizy ROI obejmujących stany przejściowe sygnału Ca2+ w dwuwymiarowych sekwencjach obrazów poklatkowych. W tym miejscu przedstawiono praktyczny protokół eksperymentalny i reprezentatywną demonstrację zastosowania algorytmu w śródbłonku tętnic wieńcowych świń, z dodatkowym przetwarzaniem końcowym przy użyciu oprogramowania do przetwarzania statystycznego R o otwartym kodzie źródłowym w celu wygenerowania użytecznych wyników graficznych.