Artykuł metodologiczny

Zautomatyzowana kwantyfikacja interakcji komórek krwiotwórczych – komórek zrębu w obrazach histologicznych kości nieodwapnionej

DOI:

10.3791/52544

8 kwietnia 2015

W tym artykule

Podsumowanie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Przedstawiono strategię ilościowej analizy danych histologicznych w szpiku kostnym. Mikroskopia konfokalna znakowanych fluorescencyjnie komórek w skrawkach tkanek daje 2-wymiarowe obrazy, które są automatycznie analizowane. Analizy kolokalizacyjne różnych typów komórek są porównywane z danymi z symulowanych obrazów, dostarczając ilościowych informacji o interakcjach komórkowych.

Streszczenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Mikroskopia konfokalna jest metodą z wyboru do analizy lokalizacji wielu typów komórek w złożonych tkankach, takich jak szpik kostny. Jednak analiza i kwantyfikacja lokalizacji komórkowej jest trudna, ponieważ w wielu przypadkach opiera się na ręcznym liczeniu, co wiąże się z ryzykiem wprowadzenia błędu systematycznego zależnego od oceniającego i zmniejszenia wiarygodności między oceniającymi. Co więcej, często trudno jest ocenić, czy kolokalizacja między dwiema komórkami wynika z losowego pozycjonowania, zwłaszcza gdy typy komórek różnią się znacznie częstotliwością ich występowania. W tym miejscu przedstawiono metodę bezstronnej kwantyfikacji kolokalizacji komórkowej w szpiku kostnym. Protokół opisuje przygotowanie próbki stosowanej w celu uzyskania wycinków histologicznych całych mysich kości długich, w tym szpiku kostnego, a także protokół barwienia i pozyskiwanie obrazów o wysokiej rozdzielczości. Przedstawiono przebieg analizy obejmujący proces od rozpoznawania typów komórek krwiotwórczych i niekrwiotwórczych w dwuwymiarowych (2D) obrazach szpiku kostnego do kwantyfikacji bezpośrednich kontaktów między tymi komórkami. Obejmuje to również analizę sąsiedztwa w celu uzyskania informacji o mikrośrodowisku komórkowym otaczającym określony typ komórki. Aby ocenić, czy kolokalizacja dwóch typów komórek jest jedynie wynikiem losowego rozmieszczenia komórek, czy też odzwierciedla preferencyjne powiązania między komórkami, stosuje się narzędzie symulacyjne, które jest odpowiednie do testowania tej hipotezy w przypadku komórek krwiotwórczych i zrębowych. Podejście to nie ogranicza się do szpiku kostnego i może zostać rozszerzone na inne tkanki, aby umożliwić odtwarzalną, ilościową analizę danych histologicznych.

Wprowadzenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ze względu na niedawny szybki rozwój technologiczny w mikroskopii, w tym obrazowanie optyczne, analiza komórek w kontekście całej tkanki staje się coraz bardziej dostępna dla immunologów. Charakterystyka pojedynczych komórek w zawiesinie stanowi cenną i niezbędną metodę zrozumienia funkcji komórkowych i molekularnych. Jednak analiza komórek w ich (mikro)anatomicznym środowisku jest niezbędna do zrozumienia interakcji między różnymi typami komórek, które współpracują w złożonych procesach, takich jak rozwój odpowiedzi immunologicznej.

Chociaż stosunkowo łatwo jest uzyskać informacje jakościowe z obrazów, ilościowe określenie tych danych pozostaje wyzwaniem, częściowo ze względu na fakt, że metody analizy w tej dziedzinie są opóźnione w porównaniu do tego, co jest możliwe w pozyskiwaniu obrazów. Wielu badaczy nadal polega na czasochłonnym ręcznym zliczaniu komórek w swoich obrazach histologicznych, wprowadzając w ten sposób stronniczość między różnymi oceniającymi i utrudniając replikację przez inne grupy. Często wybiera się jeden reprezentatywny obraz, aby podkreślić stwierdzenie dotyczące pozycji sieci komórkowej lub kolokalizacji w publikacji, co utrudnia czytelnikowi ocenę statystycznego znaczenia takiego zdarzenia.

Razem z faktem, że pełna zawartość informacji zawartych w danych obrazowych jest rzadko wykorzystywana, podkreśla to potrzebę bardziej bezstronnego, szybszego i wszechstronnego podejścia do analizy obrazów histologicznych.

Szpik kostny to złożona tkanka, która pełni ważne funkcje życiowe jako organ hematopoezy u dorosłych kręgowców. Oprócztego, że jest miejscem narodzin komórek krwiotwórczych1,2 i odgrywa ważną rolę w rozwoju limfocytów B3, działa również jako miejsce, w którym inicjowane są reakcje immunologiczne4 i wspiera dojrzałe, recyrkulacyjne limfocyty B5. Ponadto jego rola w utrzymaniu pamięci immunologicznej stała się coraz bardziej doceniana w ostatniej dekadzie, ponieważ stwierdzono, że rezyduje tam kilka typów komórek składających się na pamięć immunologiczną6-9.

Związek między złożoną architekturą tkankową szpiku kostnego a jego funkcjami nadal pozostaje nieuchwytny. W przeciwieństwie do wtórnych narządów limfatycznych, które są zorganizowane w makroprzedziały, takie jak strefy komórek T i B, szpik kostny nie ma wyraźnego podziału na makroprzedziały. Do tej pory odrębne przedziały w szpiku kostnym są definiowane przez ich bliskość do kory kostnej lub do układu naczyniowego. Znaczenie różnych rezydujących populacji komórek zrębowych w szpiku kostnym dla wielu procesów, takich jak wspieranie komórek macierzystych, rozwój komórek B lub utrzymanie populacji komórek pamięci immunologicznej (takich jak długowieczne komórki plazmatyczne (PC), limfocyty T pamięci CD4 + i CD8 +) wyraźnie wskazuje, że w szpiku kostnym istnieje pewien stopień mikrokompartmentalizacji.

Te obserwacje doprowadziły do koncepcji odrębnych nisz mikroanatomicznych, które specjalizują się w określonych funkcjach (utrzymanie komórek macierzystych, rozwój komórek B na różnych etapach i utrzymanie pamięci immunologicznej) w szpiku kostnym. Chociaż wydaje się, że istnieje pewien stopień niejednorodności wśród nisz, które pełnią różne funkcje, niektóre czynniki wytwarzane przez komórki zrębu, takie jak ligand 12 chemokiny CXC (CXCL12) lub interleukina 7 (IL-7), są kluczowymi składnikami kilku z tych nisz10. Wizualizacja i charakterystyka komórek zrębu w szpiku kostnym jest trudna ze względu na ich cechy morfologiczne z długimi, cienkimi wypustkami dendrytycznymi tworzącymi sieć w całym szpiku kostnym oraz brak odpowiednich markerów do rozróżniania subpopulacji zrębu.

Nie jest jeszcze jasne, w jakim stopniu te nisze mają wspólne cechy w odniesieniu do ich składu komórkowego i molekularnego, oraz które elementy sprawiają, że dana nisza jest wyjątkowa. Oprócz komórek zrębu wykazano, że typy komórek krwiotwórczych odgrywają kluczową rolę, dostarczając pewnych sygnałów przynajmniej dla niektórych nisz. Nie ulega wątpliwości, że złożoność składu niszy wymaga ich analizy in situ, a dla immunologów i hematologów coraz ważniejsze staje się przybliżanie mikroarchitektury szpiku kostnego, np. poprzez analizę relacji przestrzennych między jego składnikami komórkowymi.

Tutaj przedstawiono strategię ilościowego określania kolokalizacji komórkowej i relacji sąsiedztwa w szpiku kostnym w sposób zautomatyzowany i bezstronny. Zapewniony jest szczegółowy przepływ pracy, w tym generowanie chimerycznych myszy, zawierających fluorescencyjne komórki zrębu i niefluorescencyjne komórki krwiotwórcze, przygotowanie wycinków histologicznych z nieodwapnionych kości, akwizycję obrazów konfokalnych obejmujących całą kość, a także zautomatyzowaną analizę obrazu kolokalizacji komórkowej i jej walidację/dyskryminację na podstawie losowego pozycjonowania za pomocą narzędzia symulacyjnego (ryc. 8).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Doświadczenia na zwierzętach zostały zatwierdzone przez odpowiednie komitety państwowe ds. dobrostanu zwierząt (Landesamt für Gesundheit und Soziales, Berlin) i zostały przeprowadzone zgodnie z aktualnymi wytycznymi i przepisami (licencja na eksperymenty na zwierzętach G0194/11).

1. Generacja fluorescencyjnych myszy chimerycznych w szpiku kostnym

UWAGA: Generowanie fluorescencyjnych chimerycznych myszy szpiku kostnego w celu wizualizacji komórek zrębu szpiku kostnego odbywa się zgodnie z opisem poprzednio9.

  1. Rozpocznij leczenie myszy Del-Cre x ROSA-tdRFP (myszy eksprymujące tandemowe białko czerwonej fluorescencji (tdRFP) wszechobecnie11-13), aby przygotować je do napromieniania. Alternatywnie, użyj dowolnego innego szczepu z wszechobecną ekspresją białka fluorescencyjnego. Podać 1 mg/ml neomycyny i 1 mg/ml witamin (A, D3, E, C) z wodą do picia na dwa dni przed napromienianiem.
  2. Napromieniuj myszy dwukrotnie 3,8 Graya promiennikiem promieniowania gamma cezu-137 w odstępie 3 godzin. W tym celu umieść myszy w klatce do napromieniania odpowiedniej dla danego naświetlacza.
    UWAGA: Do napromieniania myszy nasz Instytut nie wymaga znieczulenia. Należy postępować zgodnie z lokalnymi zasadami instytucjonalnymi dotyczącymi znieczulenia do napromieniania. Zwierzęta należy podawać podskórnie (s.c.) w dawce 5 mg/kg karprofenu dziennie po napromienianiu, jeśli występują oznaki bólu.
  3. Następnego dnia należy rozpuścić myszy przez dożylne wstrzyknięcie 3 x 106 komórek szpiku kostnego przygotowanych z kości długich myszy dawców C57BL / 6 w buforze transferowym9. Trzymaj myszy na neomycynie i witaminach przez okres do 2 tygodni i monitoruj ich samopoczucie i wagę w tym czasie. Należy odczekać co najmniej 4 tygodnie, aby umożliwić odtworzenie układu odpornościowego przed rozpoczęciem określonych eksperymentalnych metod leczenia (np. immunizacji)9.
  4. Złóż myszy w ofierze i umieść je na desce rozbiorowej, wysterylizuj nogi 70% etanolem. Poddaj myszy eutanazji zgodnie z lokalnymi zasadami instytucjonalnymi. Nasz Instytut przeprowadza zwichnięcie szyjki macicy.
  5. Użyj kleszczy i nożyczek, aby usunąć skórę z ud. Usuń tkankę mięśniową, aby odsłonić kość udową. Zwichnąć kość udową od stawu biodrowego i kolanowego za pomocą kleszczy i nożyczek. Uważaj, aby nie złamać ani nie przeciąć kości.
  6. Ostrożnie usuń pozostałe duże kawałki tkanki mięśniowej i chrząstki z kości za pomocą nożyczek. Usuń pozostałą tkankę mięśniową, pocierając kość bibułą laboratoryjną. Zebrać oczyszczone kości na szalce Petriego z solą fizjologiczną buforowaną fosforanami (PBS).
  7. Utrwalić całe kości udowe w 4% paraformaldehydzie (PFA, klasa mikroskopii elektronowej) przez 4 - 6 godzin.
  8. Wyrzuć PFA i inkubuj kości w 10% sacharozie w PBS O/N. Następnego dnia inkubuj kości w 20% sacharozie O/N. Następnego dnia inkubuj kości w 30% sacharozie O/N.

2. Kriosekcja kości

UWAGA: Po 16 - 24 godzinach w 30% sacharozy, zamroź kości i poddaj je kriosekcji zgodnie z metodą taśmy Kawamoto14,15.

  1. Przygotować dużą zlewkę (o objętości 2 000 ml) z suchym lodem i acetonem (stosunek objętościowy około 2:1, np. 400 ml suchego lodu i 200 ml acetonu) pod wyciągiem. Umieścić w nim małą zlewkę (objętość 150 - 250 ml) z heksanem (około 30 - 50 ml). Poczekaj, aż mieszanina ostygnie (około 10 minut, aż na zewnętrznej stronie dużej zlewki pojawi się szron).
  2. Napełnij 3/4 oznakowanego kriomoldu pożywką do zatapiania w krioemburgu (SCEM); ostrożnie umieść kości w środku, aż zostaną całkowicie zanurzone, uważając, aby nie dotykały krawędzi formy. Za pomocą dużych kleszczy przytrzymaj kriomold w zlewce tak, aby dno formy dotykało powierzchni heksanu.
    1. Poczekaj, aż zewnętrzne krawędzie SCEM zamarzną (wskazywane przez nieprzezroczystość, zajmuje to około 15 sekund). Następnie całkowicie wrzuć formę do heksanu i pozwól jej zamarznąć na 1-2 minuty. Wyjmij zamrożoną próbkę i zawiń w celofan, a następnie w folię aluminiową (w celu ochrony próbki przed wyschnięciem i uniknięcia ekspozycji na światło). Przechowywać w temperaturze -80 °C do czasu kriosekcji.
  3. Do kriosekcji kości udowych należy używać standardowego mikrotomu i ostrzy mikrotomowych do tkanek twardych.
  4. Ustawić temperaturę próbki i ostrza mikrotomu na -24 °C. Pozostaw próbkę w mikrotomie na około 15 minut przed cięciem.
    1. Przymocuj blok próbki do metalowego uchwytu próbki za pomocą medium SCEM lub o optymalnej temperaturze skrawania (OCT). W razie potrzeby dostosuj orientację bloku. Przycinaj próbkę, aż kość zostanie całkowicie otwarta i szpik będzie widoczny. Dostosuj grubość przekroju do 7 μm (odrzuć pierwszą sekcję).
    2. Przymocuj kawałek taśmy Kawamoto lepką stroną do górnej części bloku próbki za pomocą drewnianej szpatułki pokrytej skórą jelenia. Następnie odetnij próbkę i obróć taśmę tak, aby sekcja znalazła się na górnej stronie. Przenieś taśmę na szkiełko szkiełkowe za pomocą kleszczy. Przymocuj taśmę do szkła ślizgowego za pomocą taśmy klejącej.
  5. Pozostaw sekcje do wyschnięcia na co najmniej 30 minut i przechowuj je w temperaturze -80 °C do momentu użycia. Niepoplamione i niezamontowane szkiełka należy przechowywać w plastikowych pudełkach na prowadnice z przekładkami między pojedynczymi szkiełkami, aby uniknąć ich sklejania. Poplamione i zamontowane szkiełka można przechowywać do tygodnia w tekturowych teczkach na szkiełka w temperaturze 4 °C.

3. Kolekcja obrazów

  1. Rozmrażanie i barwienie kriosekcji zgodnie z powszechnymi protokołami immunofluorescencji9. Dołącz barwnik jądrowy, np. dichlorowodorek 4',6-diamidyn-2-fenyloindolu (DAPI), aby uwidocznić integralność tkanki.
    UWAGA: Barwienie, na przykład, dla RFP w celu wizualizacji komórek zrębu (przeciwciało anty-RFP-biotyna i streptawidyna-Alexa Fluor 555), barwienie eozynofili przeciwciałem przeciwko głównemu białku zasadowemu (MBP) szczura i przeciwciałem anty-szczurzemu Alexa Fluor 647, limfocyty B szczurzym przeciwciałem anty-B220-Alexa Fluor 594 i PC z przeciwciałami anty-κ łańcucha lekkiego-fluoresceiny-izo-tiocyjanianu (FITC) i przeciwciałami anty-λ1 łańcucha lekkiego-FITC (szczegóły procedury barwienia opisano w9).
  2. Zamontuj poplamione sekcje: nałóż jedną kroplę fluoromount na sekcję, a następnie przykryj szkiełkiem nakrywkowym #1, ostrożnie unikając tworzenia się pęcherzyków powietrza. Następnie należy wykonać laserową skaningową mikroskopię konfokalną za pomocą przyrządu wyposażonego w linie laserowe odpowiednie do barwienia.
  3. W celu zarejestrowania obrazów do automatycznej analizy kolokalizacji komórek krwiotwórczych szpiku kostnego z komórkami zrębu za pomocą narzędzia Wimasis, należy zastosować następujące ustawienia:
    1. Użyj obiektywu 20X i pola widzenia 708.15 x 708.15 μm. W przypadku automatycznej analizy utrzymuj stały rozmiar wszystkich obrazów 2 048 x 2 048 pikseli (px), aby wyniki były porównywalne.
    2. Rejestruj jeden kanał dla struktur zrębowych (np. linia laserowa 561 nm), jeden kanał dla jąder (np. DAPI, 405 nm) i dodatkowe kanały dla komórek krwiotwórczych będących przedmiotem zainteresowania (np. 3 kanały, 488/594/633 nm dla eozynofili, limfocytów B i PC).
    3. Rejestruj obrazy za pomocą uśredniania linii 4 16. Najlepiej pokryć cały odcinek udowy, wykonując pojedyncze sąsiednie obrazy. Alternatywnie zrób nieprzylegające zdjęcia z różnych obszarów szpiku kostnego (trzon i nasada).
      UWAGA: Uważaj, aby nie nakładać się na siebie sąsiednich obrazów (aby uniknąć wielokrotnej analizy komórek w nakładających się obszarach).
  4. Zapisz obrazy w formacie pliku obrazu mikroskopowego. Sprawdź i, jeśli to konieczne, dostosuj kontrast dla wszystkich kanałów w oprogramowaniu do przeglądania obrazów/analizy.
  5. Eksport 3 plików .jpg na plik obrazu: jeden plik .jpg dla kanału DAPI (format czerwony/zielony/niebieski (RGB), jeden plik .jpg dla kanału zrębu (skala szarości) i jeden plik .jpg zawierający kanały dla komórek krwiotwórczych (maksymalnie 3 kanały, format RGB, np. FITC (komputery PC, fałszywy kolor: zielony)/ Alexa Fluor 594 (komórki B, fałszywy kolor: niebieski) / Alexa Fluor 647 (eozynofile, fałszywy kolor: czerwony)).

4. Automatyczna analiza obrazu

  1. Użyj narzędzia do analizy obrazu, aby przeprowadzić segmentację obrazu, kwantyfikację kolokalizacji i analizę sąsiedztwa (patrz Dyskusja).
  2. Jeśli korzystasz z narzędzi Wimasis, postępuj w następujący sposób:
    1. Prześlij zestawy 3 .jpg plików na obraz o tej samej nazwie pliku, po której następuje podkreślenie i liczba wskazująca typ obrazu.
    2. Użyj _1 dla pliku .jpg z komórkami krwiotwórczymi, _2 dla pliku .jpg dla kanału DAPI, _3 dla pliku .jpg dla kanału zrębu. Na przykład: Image1_1.jpg (komórki krwiotwórcze), Image1_2.jpg (kanał DAPI) i Image1_3.jpg (kanał zrębu). Prześlij zdjęcia za pośrednictwem konta klienta.
    3. W celu ilościowego określenia kontaktu z komórką należy wybrać narzędzie do kontaktu z komórką, klikając odpowiednie pole. Aby określić ilościowo sąsiedztwo komórek, wybierz narzędzie do określania sąsiedztwa komórek i wprowadź preferowany promień sąsiedztwa w μm (mierzony od krawędzi komórek).
    4. Pobierz wyniki.
      UWAGA: Wyniki są dostarczane jako pliki .jpg przedstawiające komórki krwiotwórcze i kanał zrębu z zaznaczonymi granicami wykrytych obiektów, a także pojedyncze pliki .csv zawierające pomiary dla każdego obrazu, a także plik .csv podsumowujący, który zawiera dane dla wszystkich przesłanych obrazów.
  3. Na podstawie pomiarów kontaktowych określ częstotliwość kontaktów komórek krwiotwórczych (krwinek czerwonych, zielonych lub niebieskich) w kontakcie z komórkami zrębu lub częstotliwości kontaktu czerwonych, zielonych lub niebieskich krwinek z innymi typami komórek krwiotwórczych (przykład pokazano w Reprezentatywne wyniki, ryc. 4). Aby określić częstości, podziel podaną liczbę kontaktów na obrazie przez całkowitą liczbę komórek na obrazie.
    1. W przypadku eksperymentów z pojedynczymi myszami zsumuj całkowitą liczbę kontaktów wszystkich obrazów dla pojedynczych myszy i podziel je przez sumę całkowitej liczby komórek wszystkich obrazów.
  4. Na podstawie pomiarów w pobliżu określ częstość występowania czerwonych, zielonych lub niebieskich krwinek w wybranej odległości od komórek zrębu i/lub częstość występowania czerwonych, zielonych lub niebieskich krwinek w preferowanej odległości od innych typów komórek krwiotwórczych, jak opisano w kroku 4.3 (patrz również Reprezentatywne wyniki, Rysunek 4).

5. Symulacja losowego pozycjonowania szpiku kostnego

  1. Przed wykonaniem symulacji losowego rozmieszczenia komórek na analizowanych obrazach histologicznych szpiku kostnego należy wcześniej przygotować następujące pliki: pojedyncze pliki .csv dostarczone przez narzędzie do kontaktu z komórką, oryginalne pliki .jpg dla kanału DAPI oraz oryginalne pliki .jpg dla kanału zrębowego.
  2. Aby przeprowadzić symulacje wsadowe na serii obrazów (np. wszystkie obrazy z jednego odcinka kości udowej), zbierz wszystkie oryginalne pliki .jpg (_1, _2 i _3) oraz odpowiadające im pojedyncze pliki .csv w jednym folderze.
    UWAGA: Narzędzie symulacyjne do losowego pozycjonowania komórek szpiku kostnego jest dostępne na żądanie.
  3. Uruchom narzędzie symulacyjne, zaznacz pole "Automatycznie ładuj dane obrazu".
    UWAGA: Program automatycznie odczyta liczbę komórek i średni rozmiar komórki z pliku .csv. Wartości te są wyświetlane w polach "Numer komórki" i "Rozmiar komórki AVG" (Rysunek 5A).
  4. Wprowadź wspólny znacznik dla .csv plików, tj. wspólny czynnik w ich nazwach. Wprowadź liczbę zestawów obrazów, które mają być używane do symulacji w trybie wsadowym.
  5. Załaduj plik .jpg wygenerowany z kanału zrębu (z nazwą pliku kończącą się _3).
  6. Wprowadź ustawienia generowania maski z kanału DAPI:
    1. Zaznacz pole "Zastosować maskę?" Ustaw próg konwersji obrazu DAPI na maskę binarną na 10 (zakres 0 - 255).
    2. Zaznacz pole "8-bitowy"? Zaznacz pole "Rozszerzyć?" i ustaw stopień dylatacji na 5 pikseli. Zaznacz pole "z erozją?".
    3. Wprowadź żądaną wartość promienia sąsiedztwa (promień sąsiedztwa) używaną do analizy symulowanych obrazów. Dla obrazu o wymiarach 708,15 x 708,15 μm i rozmiarze 2 048 x 2 048 px (skalowanie pikseli xy: 0,346 μm), 29 px odpowiada 10 μm.
  7. Pole wyboru "Używać Otsu?", aby użyć algorytmu17 Ottu do automatycznego wykrywania struktur zrębowych.
    UWAGA: Jest to ten sam algorytm, który jest używany przez narzędzie do kontaktu i sąsiedztwa. Wykorzystanie tego samego algorytmu segmentacji obrazu w zautomatyzowanej analizie zarejestrowanego obrazu i symulowanego obrazu ma kluczowe znaczenie dla zapewnienia porównywalności danych.
  8. Wprowadź ustawienia komórek krwiotwórczych, które są symulowane jako okrągłe kształty.
    UWAGA: Numery komórek czerwonych, zielonych i niebieskich są ładowane bezpośrednio z pliku .csv (patrz także krok 5.6).
    1. Użyj narzędzia symulacyjnego, aby obliczyć średnią średnicę w px czerwonych, zielonych i niebieskich komórek. Określ średni obszar pojedynczej komórki jako całkowity obszar każdego typu komórki na obrazie w pikselach podzielony przez całkowitą liczbę komórek na obrazie. Użyj średniej powierzchni, aby obliczyć promień dysku za pomocą wzoru. Podwój promień, aby określić średnią średnicę.
  9. Zmierz rozkład wielkości analizowanych typów komórek za pomocą dowolnego oprogramowania do analizy obrazu, które zawiera funkcje segmentacji obiektów. Określ σ dla wszystkich typów komórek krwiotwórczych (18 i ryc. 5B).
    UWAGA: Ponieważ rozkłady wielkości zarejestrowanych komórek nie są określane przez automatyczną analizę obrazu, należy użyć rozkładu Gaussa jako przybliżenia rozkładów rzeczywistych. Szerokość krzywej rozkładu jest opisana przez σ i może być bardzo różna dla różnych typów komórek. (Szczegółowe informacje znajdują się na rysunku 5B).
    1. Na podstawie tych pomiarów określ "odcięcie rozmiaru komórki": średnicę w pikselach, która opisuje najmniejszy obiekt nadal rozpoznawany jako kompletna komórka przez narzędzie do analizy obrazu.
  10. Wprowadź parametry w odpowiednich polach graficznego interfejsu użytkownika (Rysunek 5A).
    1. Wprowadź odcięty rozmiar komórki, tj. minimalny rozmiar komórki dozwolony w symulacji, jako średnicę w px.
    2. Wprowadź σ w px, aby przeprowadzić symulację rozkładu rozmiaru komórek dla komórek czerwonych, zielonych i niebieskich (od kroku 5.9).
    3. Zaznacz pole "Usuń" w podsekcji "Komórki w masce". Przy tym ustawieniu program wybierze nową pozycję dla komórki, jeśli nakłada się ona na co najmniej jeden piksel z obszarem maski bez wyjścia. Zaznacz pole "Unikać nakładania się komórek?" w podsekcji "Wykluczanie komórek".
    4. Wprowadź dozwoloną minimalną odległość między środkami dwóch komórek w px.
      UWAGA: Minimalną odległość należy określić na podstawie zarejestrowanych obrazów. Nieprawidłowo zmierzone odległości minimalne doprowadzą do stronniczych/sztucznych wyników porównania zarejestrowanych i symulowanych obrazów.
    5. Ustaw maksymalny obszar nakładania na 100%, jeśli nakładanie jest definiowane przez minimalną odległość od środka do środka.
    6. Ustaw narzędzie symulacyjne na 1,000 powtórzeń.
    7. Zaznacz pole "Automatycznie zapisywać komórki?", aby zapisać współrzędne symulowanych obiektów dla wszystkich powtórzeń każdego obrazu wsadu jako pliki .rect (format tekstowy). Zaznacz pole "Automatycznie zapisywać obrazy?", aby zapisać plik .tiff dla każdego symulowanego obrazu. Wprowadź wspólny znacznik dla zapisanych plików.
      UWAGA: Opcja "Automatycznie zapisywać komórki?" skraca czas trwania symulacji i ogólny rozmiar danych w porównaniu z zapisywaniem rzeczywistych symulowanych obrazów. Pliki .rect zapisują współrzędne symulowanych komórek jako prostokąty i w ten sposób można je w razie potrzeby przekształcić w symulowane obrazy.
  11. Rozpocznij symulację, klikając "Uruchom symulację".
    UWAGA: Narzędzie symulacyjne automatycznie generuje plik .csv dla 1 000 symulacji każdego obrazu, w tym średniej liczby kontaktów i liczby okolic dla komórek czerwonych, zielonych i niebieskich z komórkami czerwonymi, zielonymi, niebieskimi i zrębowymi dla każdego zestawu powtarzających się symulacji. Dodatkowo dla wszystkich tych wartości podane są średnie z 1000 symulacji z odchyleniem standardowym (STD) i błędem standardowym średniej (SEM).
  12. Określ średnie częstotliwości kontaktu i częstotliwości sąsiedztwa dla jednego zestawu 1 000 symulowanych obrazów. W tym celu należy podzielić średnią liczbę kontaktów i okolic przez zarejestrowaną liczbę komórek na obrazie. Porównaj częstotliwości z wynikami automatycznej analizy kolokalizacyjnej zarejestrowanego obrazu.
  13. Zastosuj odpowiednie metody statystyczne w zależności od analizy19 (na rysunku 7 użyliśmy dwustronnego testu rang ze znakiem Wilcoxona).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wycinanie kriosekcji nieodwapnionej kości metodą taśmy Kawamoto pozwala na przecięcie całej kości jako nienaruszonego przekroju, z szpikiem kostnym obszaru śródkostnego nadal przyczepionym do zmineralizowanej kości, zarówno w trzonie, jak i w obszarach nasadowych o dużej gęstości kości beleczkowej (Rysunek 1). Barwienie jądrowe skrawków ujawnia, że chociaż nie można w pełni uniknąć małych pęknięć w preparacie, struktura sinusoid i tętnic oraz siatkowata sieć miąższu pozostają nienaruszone.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Pomimo postępu w nowoczesnych metodach obrazowania optycznego, analiza danych histologicznych jest nadal często utrudniona przez brak odpowiednich narzędzi i metod kwantyfikacji lub przez tendencyjne analizy, które koncentrują się na niewielkim obszarze zainteresowania. Przedstawione tutaj podejście synergiczne łączy analizę obrazu obejmującą cały obszar szpiku kostnego, automatyczną segmentację i rozpoznawanie obiektów różnych typów komórek krwiotwórczych i zrębowych, analizę kolokalizacji i wreszcie narzędzie do walida...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Juan Escribano Navarro jest powiązany z Wimasis GmbH, Monachium, Niemcy. Pozostali autorzy nie mają do zadeklarowania konfliktu interesów.

Podziękowania

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dziękujemy Andreasowi Radbruchowi za cenne dyskusje. Jesteśmy wdzięczni Sabine Gruczek, Patrickowi Thiemannowi i Manueli Ohde za pomoc w opiece nad zwierzętami oraz Robertowi Güntherowi za doskonałą pomoc techniczną. Dziękujemy naszym przeszkolonym oceniającym: Laurze Oehme, Jannike Bayat-Sarmadi, Karolin Pollok, Katrin Roth, Florence Pache i Katharinie Horn za ocenę próbek histologicznych oraz Randy'emu Lindquistowi za korektę manuskryptu. Dziękujemy J. i N. Lee z Mayo Clinic, Scottsdale, Arizona, USA za przeciwciała specyficzne dla MBP.

Ta praca była wspierana przez DFG HA5354/4-1, przez JIMI-a główny grant sieci ośrodków DFG na mikroskopię przyżyciową oraz przez TRR130/TP17, a DFG FOR 2165 (HA5354/6-1) dla A.E.H. S.Z. był wspierany przez Międzynarodową Szkołę Chorób Zakaźnych i Immunologii im. Maxa Plancka (IMPRS-IDI) w Berlinie.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

figure-materials-9 Section-Lab,figure-materials-17 DAKO

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Neomycinfigure-materials-1 SigmaN6386 SIGMAHydrat soli trisiarczanu neomycyny, kod zagrożenia UE: GHS08
Ursovit AD3ECSerumwerke Bernburg1 ml zawiera: 50.000 I.E. palmitynian retinylu, 5.000 I.E. cholekalcyferol, 30 mg octan tokoferylu, 100 mg kwas askorbinowy, 1 mg kwas sorbowy, 200 mg polioksylu 35 olej rycynowy, 0,5 mg galusan propylu
Bufor transferowy (100 ml PBS, 1 ml 1 M HEPES, 50 U/ml penicyliny/streptomycyny)figure-materials-2 SigmaP4333, H3375
Hapten 4-hydroksy-3-nitrofenyloacetylowy sprzężony z gamma globuliną
Gamma globulina kurczaka (CGG) 100 mgfigure-materials-3 RocklandD602-0100
20% roztwór paraformaldehydu (klasa EM)Science Services15713Kody zagrożeń UE: GHS02, GHS05, GHS07, GHS08
D(+)-sacharozafigure-materials-4 Carl Roth4621.1
Suchy lód
Acetonfigure-materials-5 Sigma-Aldrich179124 Kody zagrożeń SIGMA-ALDRICHEU: GHS02, GHS07
Hexanefigure-materials-6 Sigma-Aldrich 208752 Sigma-AldrichKody zagrożeń UE: GHS02, GHS07, GHS08, GHS09
Tissue-Tek cryomolds (standard)figure-materials-7 Sakura455725 x 20 x 5 mm
Tissue-Tek O.C.T.figure-materials-8 Sakura4583
do osadzania SCEM firmy Kawamoto
Kawamoto figure-materials-10 Section-Lab,
Kawamoto typ 2C(9)figure-materials-11 Section-Lab, JP
Microtome blade MX35 premier plus, low profilefigure-materials-12 Thermo Scientific3052835dł. x szer.: 80 x 8 mm (31,5 x 3,13"), grubość: 0,25 mm (0,01")
Poliklonalne królicze przeciwciało anty-RFP, biotynylowanefigure-materials-13 Rockland600-406-379
Alexa Fluor 555 streptawidynafigure-materials-14 Życie TechnologieS-32355
Szczur anty-MBPJ. i N. LeeDostępne w: J. i N. Lee, Mayo Clinic, Scottsdale, AZ, USA, klon MT-14.7
Goat anti-rat-Alexa Fluor 647figure-materials-15 Life TechnologiesA-21247
Anty-B220 dla szczurów - Alexa Fluor 594wyprodukowany i sprzężony we własnym zakresie (DRFZ), klon RA3.6B2, Alexa Fluor 594 z Life Technologies
Mouse anti-l1 light chain -FITCwyprodukowany i sprzężony we własnym zakresie (DRFZ), klon LS136
Rat anti-k light chain - FITCwyprodukowany i sprzężony we własnym zakresie (DRFZ), klon 187.1
DAPI (4′,6-dichlorowodorek dimidino-2-fenyloindolu)figure-materials-16 SigmaD9542 SIGMA
do montażu fluorescencyjnegoS3023
Szkiełka nakrywkowe (24 x 24 x 0,13-0,16 mm)figure-materials-18 Carl RothH875.2
Okulary do slajdów Superfrost (75 x 25 mm)figure-materials-19 VWR48311-703
Laserowy skaningowy mikroskopwyposażony w linie laserowe 405, 488, 561, 594, 633 nm i soczewkę obiektywu powietrznego 20X/0,8 NA. Korzystaliśmy z oprogramowania Zeiss LSM710 oraz Zen 2010 w wersji 6.0.
Zautomatyzowane narzędzia do analizy obrazu szpiku kostnegofigure-materials-20 Wimasis, MonachiumNarzędzie do kontaktu z komórkami i narzędzie do sąsiedztwa komórek zostaną udostępnione przez Wimasis na żądanie.
Środowisko uruchomieniowe VC2012Microsoftbezpłatne pobranie
Narzędzie symulacyjne do losowego pozycjonowaniadostępne u nas, na życzenie
Oprogramowanie do analizy obrazu z funkcjamisegmentacji obrazuUżyliśmy Volocity (Perkin Elmer) do pomiaru rozkładu wielkości komórek typów komórek krwiotwórczych w szpiku kostnym (Rysunek 5). Alternatywą jest Definiens Image Analysis (Definiens) lub Cell Profiler (do pobrania za darmo)
Oprogramowanie do analizy obrazu Fidżi darmowe pobranie. Fidżi był używany przez przeszkolonych oceniających do ręcznego liczenia komórek (Rysunek 3).
kurczaka Medium zestaw do przygotowania kriosekcji JP kriofilm JP Medium konfokalny komórek

Bibliografia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kunisaki, Y., Frenette, P. S. The secrets of the bone marrow niche: Enigmatic niche brings challenge for HSC expansion. Nat Med. 18, 864-865 (2012).
  2. Morrison, S. J., Scadden, D. T. The bone marrow niche for haematopoietic stem cells. Nature. 505, 327-334 (2014).
  3. Tokoyoda, K., Egawa, T., Sugiyama, T., Choi, B. I., Nagasawa, T. Cellular niches controlling B lymphocyte behavior within bone marrow during development. Immunity. 20, 707-718 (2004).
  4. Cariappa, A., et al. Perisinusoidal B cells in the bone marrow participate in T-independent responses to blood-borne microbes. Immunity. 23, 397-407 (2005).
  5. Sapoznikov, A., et al. Perivascular clusters of dendritic cells provide critical survival signals to B cells in bone marrow niches. Nat Immunol. 9, 388-395 (2008).
  6. Tokoyoda, K., et al. Professional memory CD4+ T lymphocytes preferentially reside and rest in the bone marrow. Immunity. 30, 721-730 (2009).
  7. Mazo, I. B., et al. Bone marrow is a major reservoir and site of recruitment for central memory CD8+ T cells. Immunity. 22, 259-270 (2005).
  8. Lin, G. H., et al. Contribution of 4-1BBL on radioresistant cells in providing survival signals through 4-1BB expressed on CD8(+) memory T cells in the bone marrow. Eur J Immunol. 42, 2861-2874 (2012).
  9. Zehentmeier, S., et al. Static and dynamic components synergize to form a stable survival niche for bone marrow plasma cells. Eur J Immunol. 44, 2306-2317 (2014).
  10. Nagasawa, T. Microenvironmental niches in the bone marrow required for B-cell development. Nat Rev Immunol. 6, 107-116 (2006).
  11. Luche, H., Weber, O., Nageswara Rao, T., Blum, C., Fehling, H. J. Faithful activation of an extra-bright red fluorescent protein in 'knock-in' Cre-reporter mice ideally suited for lineage tracing studies. Eur J Immunol. 37, 43-53 (2007).
  12. Schwenk, F., Baron, U., Rajewsky, K. A cre-transgenic mouse strain for the ubiquitous deletion of loxP-flanked gene segments including deletion in germ cells. Nucleic Acids Res. 23, 5080-5081 (1995).
  13. Kawamoto, T. Use of a new adhesive film for the preparation of multi-purpose fresh-frozen sections from hard tissues, whole-animals, insects and plants. Arch Histol Cytol. 66, 123-143 (2003).
  14. Kawamoto, T., Kawamoto, K. Preparation of thin frozen sections from nonfixed and undecalcified hard tissues using Kawamot's film method. Arch Histol Cytol. 1130 (2012), 149-164 (2012).
  15. Smith, C. L., et al. Basic confocal microscopy. Current protocols in neuroscience / editorial board, Jacqueline N. Crawley ... [et al.]. 2 (Unit 2.2), (2001).
  16. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans. Sys., Man., Cyber. 9, 62-66 (1979).
  17. Hughes, I., Hase, T. Measurements and Their Uncertainties: A Practical Guide To Modern Error Analysis. , Oxford University Press. Oxford, UK. (2010).
  18. Quinn, G. P., Keough, M. J. Experimental Design and Data Analysis for Biologists. , Cambridge University Press. Cambridge, UK. (2002).
  19. Kiel, M. J., Morrison, S. J. Uncertainty in the niches that maintain haematopoietic stem cells. Nat Rev Immunol. 8, 290-301 (2008).
  20. MacQueen, J. B. Some Methods for classification and Analysis of Multivariate Observations. Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability Vol. 1. 1965 Jun 21-Jul 18, Statistical Laboratory of the University of California, Berkeley, , University of California Press. Berkeley, CA. 666(1967).
  21. Livet, J., et al. Transgenic strategies for combinatorial expression of fluorescent proteins in the nervous system. Nature. 450, 56-62 (2007).
  22. Jarjour, M., et al. Fate mapping reveals origin and dynamics of lymph node follicular dendritic cells. J Exp Med. 211, 1109-1122 (2014).
  23. Gerner, M. Y., Kastenmuller, W., Ifrim, I., Kabat, J., Germain, R. N. Histo-cytometry: a method for highly multiplex quantitative tissue imaging analysis applied to dendritic cell subset microanatomy in lymph nodes. Immunity. 37, 364-376 (2012).
  24. Moreau, H. D., et al. Dynamic in situ cytometry uncovers T cell receptor signaling during immunological synapses and kinapses in vivo. Immunity. 37, 351-363 (2012).
  25. Siffrin, V., et al. In vivo imaging of partially reversible th17 cell-induced neuronal dysfunction in the course of encephalomyelitis. Immunity. 33, 424-436 (2010).
  26. Shen, Q., et al. Adult SVZ stem cells lie in a vascular niche: a quantitative analysis of niche cell-cell interactions. Cell Stem Cell. 3, 289-300 (2008).
  27. Danielsson, P. E. Euclidian distance mapping. Computer Graphics and Image Processing. 14, 21(1980).
  28. Tellier, J., Kallies, A. Finding a home for plasma cells - a niche to survive. Eur J Immunol. , (2014).
  29. Winter, O., et al. Megakaryocytes constitute a functional component of a plasma cell niche in the bone marrow. Blood. 116, 1867-1875 (2010).
  30. Rozanski, C. H., et al. Sustained antibody responses depend on CD28 function in bone marrow-resident plasma cells. J Exp Med. 208, 1435-1446 (2011).
  31. Rodriguez Gomez, M., et al. Basophils support the survival of plasma cells in mice. J Immunol. 185, 7180-7185 (2010).
  32. Belnoue, E., et al. Homing and adhesion patterns determine the cellular composition of the bone marrow plasma cell niche. J Immunol. 188, 1283-1291 (2012).
  33. Kohler, A., et al. G-CSF-mediated thrombopoietin release triggers neutrophil motility and mobilization from bone marrow via induction of Cxcr2 ligands. Blood. 117, 4349-4357 (2011).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Bone Marrow AnalysisConfocal MicroscopyHistological SectioningImmunofluorescence StainingImage SegmentationColocalization QuantificationNeighborhood AnalysisSimulation ToolCell Contact MeasurementStromal Cell Interaction

Powiązane artykuły