Name: Kwantyfikacja morfologii mikrogleju na podstawie mikrofotografii immunohistochemicznej tkanki przygotowanej za pomocą ImageJ (Wideo) | JoVE Journal
Uploaded: 2018-06-05T14:00:00.000+00:00
Duration: 8 min 44 s
Description: Naucz się kwantyfikować morfologię mikrogleju w tkance mózgowej przygotowanej metodą immunohistochemiczną za pomocą ImageJ. Ta metoda umożliwia analizę zmian kształtu komórek związanych z neurozapaleniem.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

To badanie otrzymało wsparcie finansowe od NINR (F32NR013611). Chcielibyśmy również wyrazić uznanie i podziękować twórcom AnalyzeSkeleton(2D/3D) i FracLac (odpowiednio Arganda-Carreras i in. oraz Karperien i wsp.), bez których opisana tutaj analiza nie byłaby możliwa.

<ol><li>Davalos, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ATP+mediates+rapid+microglial+response+to+local+brain+injury+in+vivo%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">ATP mediates rapid microglial response to local brain injury in vivo.</a> Nat Neurosci. 8 (6), 752-758 (2005).</li>
<li>Karperien, A., Ahammer, H., Jelinek, H. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitating+the+subtleties+of+microglial+morphology+with+fractal+analysis%5BTitle%5D)+AND+%22Front+Cell+Neurosci%22%5BJournal%5D)">Quantitating the subtleties of microglial morphology with fractal analysis.</a> Front Cell Neurosci. 7 (3), eCollection(2013).</li>
<li>Taylor, S. E., Morganti-Kossmann, C., Lifshitz, J., Ziebell, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rod+microglia%3A+a+morphological+definition%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Rod microglia: a morphological definition.</a> PLoS One. 9 (5), e97096(2014).</li>
<li>Nimmerjahn, A., Kirchhoff, F., Helmchen, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting+microglial+cells+are+highly+dynamic+surveillants+of+brain+parenchyma+in+vivo%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Resting microglial cells are highly dynamic surveillants of brain parenchyma in vivo.</a> Science. 308 (5726), 1314-1318 (2005).</li>
<li>Abiega, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+Hyperactivity+Disturbs+ATP+Microgradients%2C+Impairs+Microglial+Motility%2C+and+Reduces+Phagocytic+Receptor+Expression+Triggering+Apoptosis%2FMicroglial+Phagocytosis+Uncoupling%5BTitle%5D)+AND+%22PLoS+Biol%22%5BJournal%5D)">Neuronal Hyperactivity Disturbs ATP Microgradients, Impairs Microglial Motility, and Reduces Phagocytic Receptor Expression Triggering Apoptosis/Microglial Phagocytosis Uncoupling.</a> PLoS Biol. 14 (6), e1002466(2016).</li>
<li>Wyatt-Johnson, S. K., Herr, S. A., Brewster, A. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Status+Epilepticus+Triggers+Time-Dependent+Alterations+in+Microglia+Abundance+and+Morphological+Phenotypes+in+the+Hippocampus%5BTitle%5D)+AND+%22Front+Neurol%22%5BJournal%5D)">Status Epilepticus Triggers Time-Dependent Alterations in Microglia Abundance and Morphological Phenotypes in the Hippocampus.</a> Front Neurol. 8 (700), eCollection(2017).</li>
<li>Morrison, H., Young, K., Qureshi, M., Rowe, R. K., Lifshitz, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+microglia+analyses+reveal+diverse+morphologic+responses+in+the+rat+cortex+after+diffuse+brain+injury%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Quantitative microglia analyses reveal diverse morphologic responses in the rat cortex after diffuse brain injury.</a> Sci Rep. 7 (1), 13211(2017).</li>
<li>Morrison, H. W., Filosa, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+quantitative+spatiotemporal+analysis+of+microglia+morphology+during+ischemic+stroke+and+reperfusion%5BTitle%5D)+AND+%22J+Neuroinflammation%22%5BJournal%5D)">A quantitative spatiotemporal analysis of microglia morphology during ischemic stroke and reperfusion.</a> J Neuroinflammation. 10 (4), (2013).</li>
<li>Gyoneva, S., Traynelis, S. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Norepinephrine+modulates+the+motility+of+resting+and+activated+microglia+via+different+adrenergic+receptors%5BTitle%5D)+AND+%22J+Biol+Chem%22%5BJournal%5D)">Norepinephrine modulates the motility of resting and activated microglia via different adrenergic receptors.</a> J Biol Chem. 288 (21), 15291-15302 (2013).</li>
<li>Xu, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Environmental+Enrichment+Potently+Prevents+Microglia-Mediated+Neuroinflammation+by+Human+Amyloid+beta-Protein+Oligomers%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">Environmental Enrichment Potently Prevents Microglia-Mediated Neuroinflammation by Human Amyloid beta-Protein Oligomers.</a> J Neurosci. 36 (35), 9041-9056 (2016).</li>
<li>Rodriguez, J. J., Noristani, H. N., Verkhratsky, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Microglial+response+to+Alzheimer%27s+disease+is+differentially+modulated+by+voluntary+wheel+running+and+enriched+environments%5BTitle%5D)+AND+%22Brain+Struct+Funct%22%5BJournal%5D)">Microglial response to Alzheimer's disease is differentially modulated by voluntary wheel running and enriched environments.</a> Brain Struct Funct. 220 (2), 941-953 (2015).</li>
<li>Soltys, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+morphological+study+of+microglial+cells+in+the+ischemic+rat+brain+using+principal+component+analysis%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Quantitative morphological study of microglial cells in the ischemic rat brain using principal component analysis.</a> J Neurosci Methods. 146 (1), 50-60 (2005).</li>
<li>Orlowski, D., Soltys, Z., Janeczko, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Morphological+development+of+microglia+in+the+postnatal+rat+brain.+A+quantitative+study%5BTitle%5D)+AND+%22Int+J+Dev+Neurosci%22%5BJournal%5D)">Morphological development of microglia in the postnatal rat brain. A quantitative study.</a> Int J Dev Neurosci. 21 (8), 445-450 (2003).</li>
<li>Morrison, H. W., Filosa, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sex+differences+in+astrocyte+and+microglia+responses+immediately+following+middle+cerebral+artery+occlusion+in+adult+mice%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Sex differences in astrocyte and microglia responses immediately following middle cerebral artery occlusion in adult mice.</a> Neuroscience. 339, (2016).</li>
<li>Arganda-Carreras, I., Fernandez-Gonzalez, R., Munoz-Barrutia, A., Ortiz-De-Solorzano, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+reconstruction+of+histological+sections%3A+Application+to+mammary+gland+tissue%5BTitle%5D)+AND+%22Microsc+Res+Tech%22%5BJournal%5D)">3D reconstruction of histological sections: Application to mammary gland tissue.</a> Microsc Res Tech. 73 (11), 1019-1029 (2010).</li>
<li>Karperien, A. FracLac for ImageJ. , Available from:
 <a target="_blank" href="http://rsb.info.nih.gov/ij/plugins/fraclac/FLHelp/Introduction.htm">http://rsb.info.nih.gov/ij/plugins/fraclac/FLHelp/Introduction.htm</a> (2013).</li>
<li>Davis, B. M., Salinas-Navarro, M., Cordeiro, M. F., Moons, L., De Groef, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Characterizing+microglia+activation%3A+a+spatial+statistics+approach+to+maximize+information+extraction%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Characterizing microglia activation: a spatial statistics approach to maximize information extraction.</a> Sci Rep. 7 (1), 1576(2017).</li>
<li>Ferreira, T., Rasband, W. ImageJ User Guide. , Available from:
 <a target="_blank" href="https://imagej.nih.gov/ij/docs/guide/">https://imagej.nih.gov/ij/docs/guide/</a> (2014).</li>
<li>Karperien, A. L., Jelinek, H. F., , <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fractal%2C+Multifractal%2C+and+Lacunarity+Analysis+of+Microglia+in+Tissue+Engineering%5BTitle%5D)+AND+%22Front+Bioeng+Biotechnol%22%5BJournal%5D)">Fractal, Multifractal, and Lacunarity Analysis of Microglia in Tissue Engineering.</a> Front Bioeng Biotechnol. 3 (51), eCollection(2015).</li>
<li>Martyanova, E. K., Tishkina, A. O. <a target="_blank" href="https://www.researchgate.net/publication/283055226_3D_quantitative_analysis_of_microglial_morphology">3D quantitative analysis of microglial morphology.</a> available as conference preceedings SkoltechOn. , (2015).</li>
<li>Fernandez-Arjona, M. D. M., Grondona, J. M., Granados-Duran, P., Fernandez-Llebrez, P., Lopez-Avalos, M. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Microglia+Morphological+Categorization+in+a+Rat+Model+of+Neuroinflammation+by+Hierarchical+Cluster+and+Principal+Components+Analysis%5BTitle%5D)+AND+%22Front+Cell+Neurosci%22%5BJournal%5D)">Microglia Morphological Categorization in a Rat Model of Neuroinflammation by Hierarchical Cluster and Principal Components Analysis.</a> Front Cell Neurosci. 11 (235), eCollection(2017).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

Komórki mikrogleju są precyzyjnie dostrojone do fizjologii i patologii w swoich mikrodomenach i wykazują różnorodny zakres morfologii2 zarówno w przypadku subtelnych 7,14, jak i poważnych uszkodzeń8. Wykorzystanie protokołów ImageJ sprawia, że kwantyfikacja morfologii mikrogleju jest dostępna dla wszystkich laboratoriów, ponieważ platforma i wtyczki są oprogramowaniem do przetwarzania obrazów o otwartym kodzie źródłowym. Podczas gdy opisany protokół koncentruje się na przetwarzaniu i analizie obrazu za pomocą tego oprogramowania, spójność gromadzenia, trafność i niezawodność danych zaczyna się od doskonałego IHC i mikroskopii. Protokół ten służy do poprawy reprezentacji binarnych, szkieletowych i konturowych całych mikrofotografii i pojedynczych komórek, ale nie może zastąpić słabego barwienia IHC i mikroskopii, które skutkują niskim kontrastem, rozmytymi lub zniekształconymi obrazami. Dodatkowo należy zachować ostrożność, aby nie spłaszczyć tkanki mózgowej podczas przechowywania, przed sekcją, co nieodwracalnie zmienia morfologię mikrogleju. Wreszcie, w każdym eksperymencie mikroglej musi być obrazowany przy użyciu tej samej skali, a także tego samego mikroskopu. Oprzyrządowanie, obiektywy i oprogramowanie różnią się w zależności od mikroskopu, co skutkuje różnymi rozmiarami mikrofotografii pomimo podobnych obiektywów i zmienia szczegóły, a także liczbę komórek w każdej klatce. Na przykład akwizycja obrazu za pomocą obiektywu 40X w Leica SPII skutkuje dwukrotnie większą liczbą komórek i mniejszą szczegółowością niż akwizycja przy użyciu Zeiss 880. Jest to szczególnie ważne w przypadku danych rozgałęzień komórek zbieranych z całej ramki, a nie z pojedynczej komórki, ponieważ staje się to kwestią próbkowania danych.
Ogólnie rzecz biorąc, analiza szkieletu, która wykorzystuje cały mikrograf fotograficzny, poprzedza analizę fraktalną pojedynczej komórki z dwóch powodów. Określenie rozgałęzień wszystkich komórek na mikrofotografii jest szybkie w porównaniu z analizą fraktalną pojedynczej komórki i może być uważane za narzędzie przesiewowe, jeśli czynnikiem jest czas. Ponadto obrazy binarne uzyskane podczas analizy szkieletu są wykorzystywane do analizy fraktalnej. Po zobrazowaniu istnieje szereg krytycznych kroków, które mogą wpłynąć na wyniki analizy szkieletu i wprowadzić wpływ użytkownika. Kroki protokołu, które są najbardziej zmienne między użytkownikami, to krok 4.2 (zwiększenie jasności obrazu) i krok 4.5 (określenie progu). Tam, gdzie to możliwe, określona jest optymalna liczba zwiększająca jasność (suwak maks. lub minimalny w zakresie 0-255), która jest utrzymywana na stałym poziomie dla wszystkich obrazów i użytkowników. Tam, gdzie zmienność obrazu jest duża, użytkownik może zamiast tego wybrać jasność, która będzie się różnić między obrazami. Alternatywnie, jeśli obrazy są jasne, a kontrast jest wysoki, można pominąć zwiększanie jasności, a progowanie można ustandaryzować za pomocą specjalnego filtra progowego (np. Huang) zamiast bardziej zmiennego domyślnego. Po zoptymalizowaniu parametry powinny być przestrzegane, aby zminimalizować dodatkowy wpływ użytkownika.
Przykład zmienności użytkownika przedstawiono na rysunku 5. Wartości danych zostały zwiększone w przypadku Użytkownika 1 w porównaniu z Użytkownikiem 2, a zatem zmienność byłaby większa, gdyby zarówno Użytkownik 1, jak i Użytkownik 2 przyczynili się do gromadzenia danych. Przykładem różnic między obrazami binarnymi i szkieletowymi Użytkownik 1 i Użytkownik 2 są kolorowe kółka (Rysunek 5). W tym przypadku obaj użytkownicy byli krótko przeszkolonymi studentami studiów licencjackich z ograniczoną wiedzą specjalistyczną w zakresie mikrogleju. Regularny nadzór i mentoring ze strony eksperta w dziedzinie mikrogleju wraz ze zwiększonym szkoleniem w zakresie protokołu2 mogą zmniejszyć zmienność między użytkownikami. Chociaż nie zostało to tutaj ocenione, analiza fraktalna jest mniej podatna na zmienność między użytkownikami, ponieważ komórki binarne są ręcznie i indywidualnie izolowane z mikrofotografii fotograficznej, a nie polegają wyłącznie na progach w celu określenia kształtów mikrogleju. Jednak wszystkie metody mają pewną zmienność między użytkownikami. W związku z tym pojedynczy użytkownik (najlepiej przeszkolony w zakresie komórek mikrogleju) powinien ukończyć zbieranie danych dla całego zestawu danych.
Dodatkowe modyfikacje tego protokołu można łatwo wprowadzić i będą one zależeć od jakości obrazu oraz wysiłków podjętych w celu zmniejszenia szumów i zapewnienia łączności procesowej. Na przykład, jeśli kontrast jest odpowiedni, maska wyostrzająca nie jest konieczna i można ją pominąć. Rozsądnie jest zoptymalizować i sfinalizować protokół dla określonego zestawu obrazów, zarówno przypadków eksperymentalnych, jak i kontrolnych, przed zebraniem danych z całego zestawu. Wreszcie, dodatkowe wtyczki mogą być używane zamiast innych w celu wyjaśnienia lub wyostrzenia obrazów, które nie zostały opisane w tym protokole, takich jak rozszerzanie lub wyostrzanie.
Zaletami tego protokołu są jego uniwersalna dostępność i możliwość adaptacji. Ponadto ocena rozgałęzienia komórek za pomocą AnalyzeSkeleton jest szybka i ma zastosowanie do całego mikrozdjęcia fotograficznego. Zaletą podejścia opartego na analizie wielokomórkowej jest skupienie się na całym regionie, a nie na pojedynczych komórkach. W związku z tym możliwa jest szybka ocena średnich rozgałęzień (pod względem punktów końcowych i długości procesu) wszystkich mikrogleju w obrazie. Analiza szkieletowa zapewnia analizę wielu komórek: próbkowanie danych pod względem liczby komórek, których nie można dopasować za pomocą analizy fraktalnej ze względu na wymaganą inwestycję czasową w celu wyizolowania pojedynczych komórek z mikrofotografii. Przykładem, w którym może to być najbardziej odpowiednie, byłoby badanie przesiewowe morfologii mikrogleju w pobliżu urazu ogniskowego. Jednym z ograniczeń jest to, że renderowanie obrazu całego pola w celu stworzenia modeli szkieletowych mikrofotografii IHC jest niedoskonałe w porównaniu z bardziej czasochłonnym podejściem opartym na pojedynczej komórce. Ponadto analiza regionów nie jest odpowiednia w okolicznościach, w których morfologie mikrogleju drastycznie różnią się w tej samej dziedzinie. Wreszcie, ta metoda analizy zależy od liczby komórek, parametru, który może się różnić w zależności od warunków eksperymentalnych.
Analiza fraktalna jest przeprowadzana na pojedynczej komórce, a zatem uzupełnia średnie dane wyjściowe rozgałęzienia komórki wynikające z analizy szkieletu. Chociaż inwestycja ta jest znacznie bardziej czasochłonna, pozwala uzyskać szeroki zakres danych morfometrycznych. Na przykład dane dotyczące gęstości komórek, współczynnika rozpiętości i kołowości opisują odpowiednio rozmiar, wydłużenie i kształt konturu komórki. Wymiar fraktalny i lakunarność podsumowują odpowiednio złożoność komórki i niejednorodność kształtu. Bardziej szczegółowe podsumowanie sposobu obliczania każdego parametru i interpretacji danych znajduje się w interaktywnym podręczniku16 i takie szczegóły należy rozważyć w odniesieniu do konkretnego pytania badawczego. Opisany protokół dostarcza czułych narzędzi do ilościowego określania niewielkich zmian w morfologii 2D mikrogleju, które mogą wystąpić w stanach fizjologicznych i patologicznych. Dodatkowa analiza morfometryczna, taka jak solidność, wypukłość i współczynnik kształtu16,20, może być możliwa w przypadku generowania kształtów 3D.
Opracowywanie i adaptacja protokołów jest ciągła i sterowana przez użytkownika. Został on rozszerzony z fluorescencji8 na obrazy DAB/jasnego pola7, ale jeszcze nie na tkankę zatopioną w parafinie. Ponadto może być używany w połączeniu z zastrzeżonym oprogramowaniem, takim jak Imaris do dodatkowej analizy. Protokół ten może być stosowany do różnych rodzajów fizjologii i nie ogranicza się do mikrogleju, ale może być stosowany do dowolnej komórki lub tkanki o określonych wzorach lub kształtach, które można zidentyfikować za pomocą metod IHC. Wreszcie, przy wystarczającej wielkości próby, można zastosować analizę wielowymiarową lub skupień w celu stratyfikacji mikrogleju zgodnie z morfologią12,21; Jest to istotna informacja, ponieważ morfologia mikrogleju jest istotnym wskaźnikiem funkcji mikrogleju i jego reakcji na otoczenie. Uznanie dla różnorodności morfologicznej mikrogleju rośnie i jest ważne, aby w pełni zrozumieć interakcje neuron-glej-naczyniowy w okresie zdrowia i choroby. Wzrost w tej dziedzinie jest wzmocniony przez dobrze opracowane, łatwe w użyciu i powtarzalne protokoły do ilościowego określania i podsumowywania morfologii mikrogleju przy użyciu wielu zmiennych ciągłych.

Mikroglej ma natychmiastową i zróżnicowaną morfologiczną reakcję na zmiany w fizjologii mózgu1 wzdłuż kontinuum możliwości, które wahają się od hiperrozgałęzienia i wysoce złożonych morfologii do morfologii rozgałęzionych i ameboidalnych2. Mikroglej może również stać się spolaryzowany i mieć kształt pręcika3. Rozgałęzienie komórek mikrogleju jest powszechnie definiowane jako złożony kształt składający się z wielu procesów i często jest podawane jako liczba punktów końcowych na komórkę i długość procesów komórkowych. Ponieważ mikroglej jest precyzyjnie dostrojony do funkcji neuronalnych i glejowych poprzez ciągły wzajemny oddziaływanie komórek i ruchliwość in vivo4,5, morfologie mikrogleju mogą służyć jako wskaźniki różnych funkcji i dysfunkcji komórek w mózgu. Podejście ilościowe jest konieczne, aby odpowiednio opisać różnorodność tych zmian morfologicznych i rozróżnić różnice między rozgałęzionymi komórkami, które występują z subtelnymi zaburzeniami fizjologicznymi (takimi jak padaczka5,6 i wstrząs mózgu7) oprócz poważnych obrażeń (takich jak udar8). Zwiększone wykorzystanie kwantyfikacji morfologii7,8,9,10,<sup class="xref">11,12,13,14 ujawni pełną różnorodność morfologii mikrogleju podczas zdrowia i choroby. Niniejsze badanie szczegółowo opisuje stopniowe zastosowanie wtyczek ImageJ niezbędnych do podsumowania morfologii mikrogleju na podstawie fluorescencyjnych lub niefluorescencyjnych fotomikrofotografii mikrogleju uzyskanych w utrwalonej tkance gryzonia po immunohistochemii (IHC).
Kluczowe dla opisanych tutaj technik analizy są wtyczki ImageJ AnalyzeSkeleton (2D/3D)15, opracowane w 2010 roku do ilościowego określania dużych struktur sutkowych, oraz FracLac16, opracowane w 2014 roku do integracji ImageJ i analizy fraktalnej w celu ilościowego określenia indywidualnych kształtów mikrogleju. Wtyczki te zapewniają szybką analizę rozgałęzień mikrogleju w całych mikrofotografiach lub wielu mikrogleju o zdefiniowanym ROI w mikrofotografii fotograficznej. Analiza ta może być stosowana samodzielnie lub w połączeniu z analizą fraktalną. Analiza fraktalna pojedynczej komórki (FracLac) wymaga inwestycji czasu, ale dostarcza wielu danych wyjściowych morfologii dotyczących złożoności, kształtu i rozmiaru mikrogleju. Użycie obu narzędzi nie jest nadmiarowe, ponieważ rozgałęzienie komórek jest komplementarne do złożoności komórek, a kombinacja wielu parametrów może być wykorzystana do rozróżnienia różnych morfologii mikrogleju w zestawach danych12,17.

<table><tbody><tr><td>przeciwciało pierwszorzędowe anty-IBA1</td><td>Wako&nbsp;</td><td>019-19741</td><td>królik gospodarz</td></tr><tr><td>Vectashield miękki montaż</td><td>Vector Labs</td><td>H-1000</td><td></td></tr><tr><td>Przeciwciało wtórne</td><td>Jackson ImmunorResearch</td><td>711-545-152</td><td>gospodarz osła</td></tr><tr><td>4 ml szklana fiolka</td><td>Wheaton</td><td>UX-08923-11</td><td></td></tr><tr><td>Triton X-100</td><td>Fisher Scientific&nbsp;</td><td>BP151</td><td></td></tr><tr><td>Azydek sodu (NaN3)</td>Szkiełko nakrywkowe <td>Sigma</td><td>S-8032</td><td></td></tr><tr><td></td><td>Fisher Scientific&nbsp;</td><td>12-544-G</td><td></td></tr></tbody></table>

kwantyfikacja morfologii mikrogleju na podstawie mikrofotografii immunohistochemicznej tkanki przygotowanej za pomocą imagej

Quantifying Microglia Morphology from Photomicrographs of Immunohistochemistry Prepared Tissue Using ImageJ

Mikroglej to fagocyty mózgu, które uczestniczą w homeostazie mózgu i nieustannie badają swoje otoczenie pod kątem dysfunkcji, urazów i chorób. Jako pierwsi reagujący, mikroglej pełni ważne funkcje łagodzące dysfunkcję neuronów i gleju, a w tym procesie przechodzą szeroki zakres zmian morfologicznych. Morfologie mikrogleju można kategoryzować opisowo lub, alternatywnie, można je określić ilościowo jako zmienną ciągłą dla takich parametrów, jak rozgałęzienie komórki, złożoność i kształt. Podczas gdy metody ilościowego określania mikrogleju są stosowane do pojedynczych komórek, niewiele technik ma zastosowanie do wielu mikrogleju w całej mikrofotografii. Celem tej metody jest ilościowe określenie wielu i pojedynczych komórek przy użyciu łatwo dostępnych protokołów ImageJ. Protokół ten jest podsumowaniem kroków i wtyczek ImageJ zalecanych do konwersji mikrofotografii fluorescencyjnych i jasnego pola na reprezentatywne obrazy binarne i szkieletowe oraz do ich analizy za pomocą wtyczek programowych AnalyzeSkeleton (2D/3D) i FracLac do zbierania danych morfologicznych. Dane wyjściowe tych wtyczek podsumowują morfologię komórek pod względem punktów końcowych procesu, połączeń i długości, a także deskryptorów złożoności, kształtu i rozmiaru komórki. Opisany w niniejszym dokumencie protokół analizy szkieletu doskonale nadaje się do regionalnej analizy wielu mikrogleju w obrębie całego mikrozdjęcia lub regionu zainteresowania (ROI), podczas gdy FracLac zapewnia uzupełniającą analizę pojedynczych komórek. W połączeniu protokół zapewnia obiektywne, czułe i kompleksowe narzędzie oceny, które można wykorzystać do stratyfikacji między różnymi morfologiami mikrogleju obecnymi w zdrowym i uszkodzonym mózgu.

Opisane tutaj protokoły analizy morfologii mikrogleju podsumowują etapy pomocne w przetwarzaniu fluorescencyjnych mikrofotografii oraz mikrofotografii z barwieniem DAB w celu przeprowadzenia analizy morfometrycznej. Kroki te zostały przedstawione w formie schematu w Rysunek 2 i Rycina 3Celem tych kroków jest stworzenie reprezentatywnego obrazu binarnego i szkieletowego, który w sposób odpowiedni modeluje oryginalny mikrofotograf, tak aby zgromadzone dane były wiarygodne. Po zastosowaniu protokołu wtyczka AnalyzeSkeleton generuje oznaczony obraz szkieletowy, z którego można odczytać liczbę punktów końcowych oraz rozgałęzień (t.j.., długość procesu) można podsumować na podstawie wynikowych plików wyjściowych. Dane dotyczące punktów końcowych i długości procesów są następnie wykorzystywane do oszacowania stopnia ramifikacji mikrogleju na mikrofotografii lub w obszarze ROI. Rycina 4 podsumowuje uzyskane dane (punkty końcowe/komórkę oraz długość procesu/komórkę) zebrane z zastosowaniem i bez zastosowania protokołu. Choć występują podobne trendy, dane podsumowane w Rysunek 4F wykazują mniejszą zmienność niż te w Rysunek 4E. Dodatkowo dane te obrazują zwiększoną czułość w wykrywaniu różnic między grupami podczas stosowania protokołu. Na koniec należy zachować ostrożność w odniesieniu do zmienności międzyoperatorowej w zastosowaniu protokołu. Różnice te zostały podsumowane przez Rysunek 5 gdzie ten sam zestaw danych został przeanalizowany przez dwóch niezależnych użytkowników z zastosowaniem identycznego protokołu, opisanego powyżej.
Dodatkowe dane morfologiczne są zbierane z pojedynczych komórek wyizolowanych z obrazów binarnych utworzonych podczas stosowania protokołu. Kroki protokołu służące do analizy morfologii mikrogleju przed i z użyciem wtyczki FracLac zostały podsumowane na Ryc. 6. Przedstawiamy tę analizę zarówno dla tkanki nieuszkodzonej (Ryc. 6A), jak i uszkodzonej (Ryc. 6B). Reprezentatywne obrazy przykładów binarnych, obrysowanych, otoczek wypukłych/okręgów otaczających oraz zliczania pudełkowego dla każdej komórki analizowanej z zastosowaniem i bez zastosowania protokołu pokazano na Ryc. 6C-F. Obrazy te pomagają zilustrować źródła różnic w danych morfologicznych, które zostały podsumowane na Ryc. 6G.
<img alt="Schemat morfologii neuronalnej i nałożenie obrazów pokazujące struktury somy o kształcie kołowym w porównaniu do somy o pojedynczym punkcie pochodzenia." class="xfigimg" src="/files/ftp_upload/57648/57648fig1.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 1"> 
Rysunek 1. Ilustracje szkieletyzowanej mikroglei z somą kołową (nieoptymalna) w porównaniu do somy o pojedynczym punkcie pochodzenia (optymalna) oraz odpowiadające im nałożenie obrazu szkieletyzowanej komórki na oryginalny mikrofotograf. Pasek skali = 10 µm. <a href="/files/ftp_upload/57648/57648fig1large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Przebieg przetwarzania obrazu: analiza neuronów; kroki obejmują konwersję na skalę szarości, konwersję binarną i usuwanie szumów." class="xfigimg" src="/files/ftp_upload/57648/57648fig2.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 2"> 
Rycina 2. Zastosowanie protokołu do fluorescencyjnych mikrofotografii. Ilustracje protokołu Skeleton Analysis zastosowanego do fluorescencyjnej mikrofotografii z wyciętą pojedynczą komórką w celu pokazania szczegółów. Pasek skali = 10 µm. <a href="/files/ftp_upload/57648/57648fig2large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.</a>
<img alt="Schemat workflow przetwarzania obrazu przedstawiający kroki takie jak filtr FFT, skala szarości i konwersja binarna." class="xfigimg" src="/files/ftp_upload/57648/57648fig3.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 3"> 
Rycina 3. Zastosowanie protokołu do mikrofotografii DAB w polu jasnym. Ilustracje protokołu analizy szkieletowej (Skeleton Analysis) zastosowanego do mikrofotografii DAB w polu jasnym, z wycinkiem pojedynczej komórki w celu pokazania szczegółów. Pasek skali = 10 µm. <a href="/files/ftp_upload/57648/57648fig3large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.</a>
<img alt="Analiza wypustek neuronalnych: obrazy mikroskopowe, schematy i wykresy słupkowe porównujące efekty protokołu." class="xfigimg" src="/files/ftp_upload/57648/57648fig4.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 4"> 
Rysunek 4. Analiza danych z zastosowaniem i bez zastosowania protokołu. (A) Przykład mikrofotografii fluorescencyjnego IHC oraz wycinek komórki odpowiadający żółtej ramce na (B). Przykładowe obrazy binarne i szkieletowe z zastosowaniem (C) oraz bez zastosowania (D) opisanego protokołu. Dane zbiorcze dotyczące liczby zakończeń wypustek mikrogleju na komórkę i długości wypustek na komórkę w nieuszkodzonej (białe) i uszkodzonej (szare) tkance kory z zastosowaniem (E) oraz bez zastosowania (F) protokołu. Analiza statystyczna z użyciem testu t Studenta i n = 3, ** oznacza p &lt; 0.01. Pasek skali = 10 µm. <a href="/files/ftp_upload/57648/57648fig4large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Przetwarzanie obrazów neuronów; analiza binarna i szkieletowa; mikroskopia i porównanie danych statystycznych." class="xfigimg" src="/files/ftp_upload/57648/57648fig5.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 5"> 
Rycina 5. Różnice między użytkownikami w zastosowaniu protokołu. Przykład oryginalnego obrazu oraz konwersji protokołu na obrazy binarne i szkieletowe wykonanej przez Użytkownika 1 i Użytkownika 2. Różnice między dwoma obrazami zostały zaznaczone dopasowanymi kolorowymi okręgami. Wykresy podsumowujące dane dotyczące liczby wypustek mikrogleju na komórkę oraz długości wypustek na komórkę w nieuszkodzonych i uszkodzonych obszarach mózgu, opracowane przez Użytkownika 1 i Użytkownika 2. Analiza statystyczna metodą ANOVA, wielkość próby n = 3; *p &lt; 0.05, **p &lt; 0.01, ***p &lt; 0.001. Pasek skali = 10 µm. <a href="/files/ftp_upload/57648/57648fig5large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.</a>
<img alt="Obraz mikroskopowy; uszkodzone vs. nieuszkodzone komórki nerwowe; analiza gęstości i kolistości; schemat." class="xfigimg" src="/files/ftp_upload/57648/57648fig6.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 6"> 
Rycina 6. Analiza fraktalna z zastosowaniem i bez zastosowania protokołu. Przykład przyciętych mikrofotografii mikrogleju w nieuszkodzonej (A) i uszkodzonej (B) korze z odpowiadającymi im obrazami binarnymi (C) oraz konturowymi (D), uzyskanymi z zastosowaniem i bez zastosowania protokołu. Powiązana otoczka wypukła (niebieska) i okrąg opisujący (różowy) dla odpowiadających im kształtów konturowych (E) są wykorzystywane do obliczenia gęstości kształtu, stosunku rozpiętości oraz kolistości (G). Metoda zliczania pudełkowego (box counting) została zilustrowana w (F) i jest wykorzystywana do obliczeń wymiaru fraktalnego (DB) oraz lakunarności (λ) (G). Pasek skali = 10 µm. <a href="/files/ftp_upload/57648/57648fig6large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>

Mikroglej to komórki odpornościowe mózgu, które badają i reagują na zmienione fizjologie mózgu poprzez zmiany morfologiczne, które mogą być oceniane ilościowo. Protokół ten przedstawia protokół analizy oparty na ImageJ, aby przedstawić morfologię mikrogleju jako ciągłe dane zgodnie z takimi wskaźnikami, jak rozgałęzienie komórki, złożoność i kształt.

Kwantyfikacja morfologii mikrogleju na podstawie mikrofotografii immunohistochemicznej tkanki przygotowanej za pomocą ImageJ

Microglia are brain phagocytes that participate in brain homeostasis and continuously survey their environment for dysfunction, injury, and disease. As ...

Ogólnym celem tych metod analizy szkieletu i fraktali jest pomiar morfologii mikrogleju na podstawie tkanki przygotowanej przez IHC, przy użyciu metod ilościowych, które są zarówno z natury wysokoprzepustowe, jak i czułe na wykrywanie niewielkich różnic w kształtach komórek. Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie neurozapalności, definiując niuanse formy i funkcji mikrogleju w zdrowiu i chorobie. Główną zaletą tej techniki jest to, że określa ona ilościowo morfologię mikrogleju przy użyciu zmiennych ciągłych, a nie kategorycznych.Opisane tutaj metody nie wymagają zastrzeżonego oprogramowania i mogą być używane do badań przesiewowych regionów mózgu lub analizy komórka po komórce. Procedurę zademonstruje Kimberly Young, technik z mojego laboratorium. Przed rozpoczęciem upewnij się, że wtyczka AnalayzeSkeleton została pobrana na ImageJ lub Fidżi.Następnie otwórz stos Z o grubości 30 mikronów, na którym znajduje się mózg barwiony immunologicznie Iba1. Jeśli używasz mikrofotografii fluorescencyjnej, upewnij się, że obraz jest 8-bitowy i przekonwertuj go na skalę szarości, aby jak najlepiej zobrazować wszystkie pozytywne zabarwienia. Na pasku narzędzi kliknij opcję Obraz, Tabele odnośników, Szarości.Jeśli używasz zdjęcia w jasnym polu DAB, najpierw użyj wtyczki filtra pasmowo-przepustowego FFT z ustawieniami domyślnymi. Kliknij opcję Proces, FFT, Filtr pasmowoprzepustowy, a następnie przekonwertuj na skalę szarości. Jeśli obraz jest zbyt ciemny, aby zobrazować proces mikrogleju, użyj paska narzędzi i kliknij Obraz, Dostosuj, Jasność/Kontrast.W razie potrzeby dostosuj suwaki minimum lub maksimum, aż do krawędzi histogramu, ale nie dalej. Regulacja jasności powoduje największą zmienność w analizie danych i dlatego jest najbardziej krytycznym krokiem. Następnie uruchom filtr Maska wyostrzająca, aby jeszcze bardziej zwiększyć kontrast, klikając Proces, Filtry, Maska wyostrzająca.Wykonaj krok usuwania plamek, aby usunąć szum soli i pieprzu generowany przez maskę wyostrzającą. Użyj paska narzędzi i kliknij opcję Proces, Szum, Usuń plamki. Przekonwertuj obraz na binarny, wybierając Obraz, Dostosuj, Próg.Następnie zastosuj funkcję Despeckle do obrazu binarnego, aby usunąć pozostały szum pojedynczego piksela. Następnie zastosuj funkcję Zamknij, klikając Proces, Binarny, Zamknij, aby połączyć ciemne piksele oddzielone maksymalnie dwoma pikselami. Następnie usuń wartości odstające, klikając pozycję Proces, Szum, Usuń wartości odstające.Po zapisaniu obrazu jako osobnego pliku do wykorzystania w przyszłości, zszkieletuj obraz za pomocą paska narzędzi, klikając Proces, Binarny, Szkieletuj. Wybierz szkieletowany obraz i uruchom wtyczkę AnalyzeSkeleton, klikając pozycję Wtyczki, Szkielet, Analizuj szkielet i zaznaczając pole informacji o gałęzi. Skopiuj dane z wyników i danych wyjściowych informacji o gałęzi, a następnie wklej dane do arkusza kalkulacyjnego programu Excel.W programie Excel przytnij dane, aby usunąć fragmenty szkieletu, które powstają w wyniku IHC i akwizycji obrazu. Określ, jaka długość fragmentów zostanie przycięta z zestawu danych, otwierając szkieletowany obraz w ImageJ i wybierając narzędzie Linia. Zmierz kilka fragmentów, zwracając uwagę na średnią długość, i zdecyduj o wartości odcięcia, która powinna być spójna w całym zbiorze danych.Sortuj arkusz kalkulacyjny programu Excel niestandardowo, klikając opcję Sortuj i filtruj, Sortowanie niestandardowe. Sortuj według wokseli końcowych od największego do najmniejszego, a na nowym poziomie według gałęzi Mx PT od największego do najmniejszego. Usuń każdy wiersz zawierający dwa punkty końcowe o maksymalnej długości gałęzi mniejszej niż wartość odcięcia.Zsumuj dane w kolumnie punktów końcowych, aby obliczyć łączną liczbę punktów końcowych zebranych z obrazu. Powtórz te czynności dla danych informacyjnych gałęzi po posortowaniu według długości gałęzi. Po przycięciu i zsumowaniu wszystkich danych podziel dane z każdego obrazu przez liczbę somy mikrogleju na odpowiednim obrazie.Wprowadź końcowy punkt końcowy oraz długość komórki i długości gałęzi na komórkę do oprogramowania statystycznego. Upewnij się, że wtyczka FracLac została pobrana. Następnie użyj narzędzia prostokąta, aby narysować ROI.Upewnij się, że pole jest wystarczająco duże, aby przechwycić całą komórkę i może pozostać spójne w całym zestawie danych. W oknie Menedżer ROI wybierz opcję Aktualizuj, aby zablokować ROI na losowo wybranej komórce na mikrofotografii. Otwórz obraz binarny zawierający wybraną komórkę.Kliknij dwukrotnie narzędzie Pędzel, ustaw kolor na i dostosuj szerokość pędzla zgodnie z potrzebami. Korzystając z pasującej mikrofotografii jako odniesienia, użyj pędzla, aby usunąć sąsiednie procesy komórkowe, połączyć pofragmentowane procesy i wyizolować komórkę będącą przedmiotem zainteresowania. Po odizolowaniu komórki binarnej zapisz plik binarny.Przekonwertuj komórkę binarną na konspekt za pomocą paska narzędzi, za pomocą Proces, Binarny, Konspekt. Na pasku narzędzi otwórz FracLac za pomocą paska narzędzi, klikając Wtyczki, Analiza fraktalna, FracLac i wybierz BC dla zliczania pól. W oknie Projektowanie siatki ustaw wartość Num G na cztery.W obszarze Opcje grafiki zaznacz pole metryki, aby przeanalizować wypukłą powłokę i okrąg ograniczający komórki. Po zakończeniu wybierz pozycję W porządku, a następnie wybierz przycisk Skanuj, aby uruchomić skanowanie zliczające pola na wybranym obrazie. W oknie Wyniki kadłuba i okręgu skopiuj wszystkie żądane wyniki danych.Następnie zrób to samo w oknie Podsumowanie liczby pól. Przenieś skopiowane dane do pliku Excel lub oprogramowania statystycznego. Ten wykres przedstawia dane podsumowujące punkty końcowe mikrogleju na komórkę i długość przetwarzania na komórkę w nieuszkodzonej i uszkodzonej tkance korowej.Jest to wynik analizy z zastosowanym protokołem. W obu przypadkach przeprowadzono analizę statystyczną za pomocą testu T Studenta, a następnie przeanalizowano trzy obrazy. Należy zwrócić uwagę na zmienność stosowania protokołu między użytkownikami.Różnice te zostały podsumowane tutaj, gdzie ten sam zbiór danych był analizowany przez dwóch niezależnych użytkowników stosujących identyczny protokół. Chociaż trendy są podobne we wszystkich obszarach, zmienność między użytkownikami wpływa na znaczenie danych. Próbując wykonać tę procedurę, należy pamiętać, że celem jest uzyskanie szkieletu lub modelu konturowego, który jest reprezentatywny dla oryginalnego mikrofotografii.Oznacza to, że kroki mogą być modyfikowalne w zależności od konkretnych potrzeb badacza. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak szybko określić ilościowo morfologię mikrogleju na podstawie mikrofotografii tkanki immunohistochemicznej za pomocą łatwo dostępnego oprogramowania komputerowego.

quantifying-microglia-morphology-from-photomicrographs

Research

JoVE Journal

Neuroscience

Neuronauka

Źródło: Etienne, F.  i wsp. Dwufotonowe obrazowanie przyciągania procesów mikroglejowych do ATP lub serotoniny w ostrych wycinkach mózgu. J. Vis. Exp. (2019)Ten film demonstruje zastosowanie mikroskopii dwufotonowej do badania przyciągania procesów mikroglejowych w kierunku wstrzykniętego związku w wycinkach mózgu. Zawiera przegląd przygotowywania wycinków mózgu myszy, wstrzykiwania związku testowego chemoatraktantu i obrazowania znakowanego fluorescencyjnie mikrogleju w celu wizualizacji ich...

Mikroskopia dwufotonowa do badania przyciągania procesów mikrogleju w kierunku związku w wycinku mózgu myszy

Przedstawiono sposób na uzyskanie nowego wglądu w złożoność reakcji zapalnej mózgu. Opisujemy protokoły oparte na immunofluorescencji, po których następuje trójwymiarowa analiza konfokalna w celu zbadania wzorca koekspresji markerów fenotypu mikrogleju / makrofagów w mysim modelu ogniskowego niedokrwienia.

Trójwymiarowa analiza konfokalna markerów polaryzacji mikrogleju/makrofagów w eksperymentalnym uszkodzeniu mózgu

Mikroglej to komórki odpornościowe ośrodkowego układu nerwowego (OUN) o dużej zdolności do fagocytozy lub pochłaniania materiału w swoim środowisku zewnątrzkomórkowym. W tym miejscu opisano szeroko stosowany, wiarygodny i wysoce ilościowy test do wizualizacji i pomiaru pochłaniania składników synaptycznych za pośrednictwem mikrogleju.

Test pochłaniania: protokół oceny interakcji między fagocytami OUN a neuronami

Aktywacja mikrogleju i mikroglejoza są kluczowymi odpowiedziami na przewlekłą neurodegenerację. W tym miejscu przedstawiamy metody długoterminowej wizualizacji in vivo komórek mikrogleju CX3CR1-GFP+ siatkówki za pomocą oftalmoskopii konfokalnej oraz analiz progowych i morfometrycznych w celu identyfikacji i ilościowego określenia ich aktywacji. Monitorujemy zmiany mikrogleju we wczesnych stadiach jaskry związanej z wiekiem.

In vivo (in vivo)Dynamika aktywacji mikrogleju siatkówki podczas neurodegeneracji: konfokalne obrazowanie oftalmoskopowe i morfometria komórkowa w jaskrze myszy

Dwa algorytmy analizy obrazu, "Drosophila NMJ Morphometrics" i "Drosophila NMJ Bouton Morphometrics" zostały stworzone, aby automatycznie określić ilościowo dziewięć cech morfologicznych połączenia nerwowo-mięśniowego Drosophila (NMJ).

Dwa algorytmy wysokoprzepustowej i wieloparametrycznej kwantyfikacji morfologii połączenia nerwowo-mięśniowego Drosophila

Ten protokół został opracowany do ilościowej identyfikacji składników mikrośrodowiska guza w resekcjach pacjentów z glejakiem przy użyciu immunohistochemii chromogennej i ImageJ.

Ilościowa immunohistochemia mikrośrodowiska komórkowego w resekcjach glejaka wielopostaciowego u pacjenta

Ten protokół opisuje krok po kroku proces immunofluorescencyjnego barwienia IBA1 i TMEM119, oprócz analizy gęstości, rozmieszczenia i morfologii mikrogleju, a także infiltracji obwodowych komórek szpikowych w tkance mózgowej myszy.

Barwienie immunofluorescencyjne przy użyciu IBA1 i TMEM119 do analizy gęstości mikrogleju, morfologii i infiltracji obwodowych komórek szpikowych w mózgu myszy

Prezentujemy metodę, która wykorzystuje uogólnioną analizę obrazu opartą na obszarze do identyfikacji liczby komórek. Analiza różnych populacji komórek pozwoliła na wykorzystanie znacznych różnic w wysokości i strukturze komórek między różnymi typami komórek w ramach algorytmu adaptacyjnego.

Algorytm analizy obrazu oparty na obszarze do ilościowego oznaczania kokultur makrofagów i fibroblastów

Ten protokół opisuje proces różnicowania ludzkich indukowanych pluripotencjalnych komórek macierzystych (iPSC) w komórki podobne do mikrogleju do eksperymentów in vitro. Dołączamy również szczegółową procedurę generowania ludzkich synaptosomów z dolnych neuronów ruchowych pochodzących z iPSC, które można wykorzystać jako substrat do testów fagocytozy in vitro przy użyciu systemów obrazowania żywych komórek.

Ludzkie komórki podobne do mikrogleju: różnicowanie z indukowanymi pluripotencjalnymi komórkami macierzystymi i test fagocytozy żywych komórek in vitro przy użyciu ludzkich synaptosomów

Wcześniaki (poród &lt; 37. tygodniu) to pilny globalny problem zdrowotny z nieoptymalnymi opcjami profilaktyki i leczenia. Przedstawiamy myszy model wcześnianego porodu wywołanego infekcją bakteryjną pochwy oraz opisujemy, jak analizować wynikającą z tego chorobność i śmiertelność noworodków.

Modelowanie wznoszącej się infekcji pochwy, przedwczesnych porodów i noworodkowej zachorowalności u myszy

Oprogramowanie do mapowania parametrów mikrogleju (MMPS) to przyjazny dla użytkownika system analityczny, który nie wymaga znajomości kodowania i półautomatycznie analizuje morfologię pojedynczych komórek mikrogleju na obrazach immunofluorescencyjnych. MMPS, zweryfikowane w modelu neurozapalenia wywołanego lipopolisacharydem u gryzoni, w sposób powtarzalny wykrywa zmiany morfologiczne związane z aktywacją i umożliwia standaryzowane, skalowalne fenotypowanie mikrogleju.

Oprogramowanie do mapowania parametrów mikrogleju (MMPS): Otwarte, przyjazne dla użytkownika narzędzie do ilościowej analizy morfologii mikrogleju

Naucz się kwantyfikować morfologię mikrogleju w tkance mózgowej przygotowanej metodą immunohistochemiczną za pomocą ImageJ. Ta metoda umożliwia analizę zmian kształtu komórek związanych z neurozapaleniem.

Kwantyfikacja morfologii mikrogleju na podstawie mikrofotografii immunohistochemicznej tkanki przygotowanej za pomocą ImageJ

Przeglądaj więcej filmów