$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Zapalenie naczyń związane z przeciwciałami cytoplazmatycznymi przeciwko mieloperoksydazie (MPO-AAV) jest chorobą autoimmunologiczną, która powoduje niewydolność nerek z powodu patologicznego uszkodzenia kłębuszków nerkowych ze znaczną śmiercią komórki i uwolnieniem kwasu dezoksyrybonukleinowego (DNA)1,2. DNA może aktywować układ odpornościowy, działając jako sygnał zagrożenia. W normalnych, zdrowych warunkach lokalizacja jądrowa DNA zapewnia ochronę przed narażeniem na działanie układu odpornościowego. Własne DNA, które jest uwalniane zewnątrzkomórkowo podczas procesów patogennych lub autoimmunizacji, jest postrzegane przez układ odpornościowy jako silne białko molekularne związane z uszkodzeniem prozapalnym (DAMP)3. Pozakomórkowe DNA (ecDNA) jest uwalniane z umierających komórek poprzez kilka odrębnych mechanizmów, które są regulowane przez odrębne szlaki biochemiczne, takie jak apoptoza, nekroptoza, tworzenie zewnątrzkomórkowych pułapek neutrofili (NET), nekroza lub pyroptoza4,5,6,7,8.
Opisujemy tutaj metody barwienia i pomiaru ecDNA uwolnionego z umierających komórek w odcinkach nerek z zatopioną w formalinie parafinie (FFPE) z eksperymentalnych biopsji anty-MPO GN i nerek od pacjentów z MPO-AAV9,10. Istnieje wiele metod wykrywania krążącego dwuniciowego DNA (dsDNA) i kompleksów DNA zarówno z surowicy, jak i moczu oraz z testów in vitro11,12. Metody te, choć dokładne w określaniu ilości ecDNA, nie określają, gdzie ecDNA jest uwalniane anatomicznie. Istnieją metody, które opisują specyficzny pomiar ecDNA, takie jak tunel dla apoptozy i pomiar szczątków komórkowych13,14. Nie ma metody, która opisywałaby pomiar ecDNA wynikającego ze wszystkich form śmierci komórki w nerkach FFPE, w których dochodzi do patologicznego uszkodzenia. Jest to ważne w celu ustalenia, czy eksperymentalne terapie terapeutyczne usuwają ecDNA z miejsc patologicznego uszkodzenia w rzeczywistym narządzie docelowym.
Akwizycja wielu obrazów z próbek nerek tworzy dużą ilość danych, które są zwykle analizowane przez jednego użytkownika. Jest to pracochłonne, czasochłonne i może być przedmiotem niewiarygodnej odtwarzalności przez innych użytkowników ze względu na stronniczość użytkownika. Trainable Weka segmentation to wtyczka oprogramowania typu open source dla ImageJ, która wykorzystuje najnowocześniejsze narzędzia bioinformatyczne do klasyfikowania pikseli za pomocą algorytmów uczenia maszynowego15,16. Ta metoda jest "możliwa do wytrenowania", dzięki czemu uczy się na podstawie klasyfikacji segmentów pikseli użytkownika i stosuje nową wyuczoną klasyfikację do innych obrazów. Metoda ta opiera się na typowych narzędziach analitycznych w programie ImageJ, które są używane do "klasyfikowania" każdego piksela w segmencie jako należącego do określonej "klasy". Gdy program nauczy się "klasyfikatorów", można ich użyć do identyfikacji innych podobnych sklasyfikowanych segmentów na tym samym obrazie. Model ten jest następnie zapisywany i stosowany do innych zestawów obrazów w ramach tego samego eksperymentu.
Obecne przeszkody w określaniu ecDNA in situ w skrawkach nerek to endogenna autofluorescencja wynikająca z utrwalenia w formalinie oraz pracochłonna analiza obrazów. Opisujemy tutaj jak wygasić ową autofluorescencję, wykryć ecDNA, oraz wykorzystać nadzorowane uczenie maszynowe do wysokoprzepustowego pomiaru ecDNA. Wcześniej opublikowaliśmy pomiar NET i zewnątrzkomórkowego MPO (ecMPO) za pomocą makra w ImageJ, teraz demonstrujemy półautomatyzację tych metod przy użyciu nadzorowanego uczenia maszynowego1. Demonstrujemy zdolność adaptacyjną narzędzia uczenia maszynowego w celu sklasyfikowania alternatywnej plamy dla NET i ecMPO w tym samym obrazie. Te opisane tutaj metody barwienia do wykrywania ecDNA, NET i ecMPO można przełożyć na inne narządy stałe i choroby, w których ecDNA, NETS i ecMPO odgrywają rolę w utrwalaniu chorób, takich jak reumatoidalne zapalenie stawów i toczeń17,18.