Oprogramowanie do mapowania parametrów mikroglianych (MMPS): Otwarte, przyjazne dla użytkownika narzędzie do ilościowej analizy morfologii mikroglia
July 24th, 2026
Oprogramowanie Mapping Microglial Parameters (MMPS) to przyjazne dla użytkownika narzędzie analityczne, które nie wymaga znajomości kodowania i częściowo zautomatyzuje analizę morfologii pojedynczych mikroglejów na obrazach immunofluorescencyjnych. Zweryfikowane w modelu neurozapaleniu wywołanym lipopolisacharydami u gryzoni, MMPS może w sposób powtarzalny wykrywać zmiany morfologiczne związane z aktywacją i umożliwia standaryzowane, skalowalne fenotypowanie mikroglejów.
Oprogramowanie do mapowania parametrów mikrogleju, czyli MMPS, pozwala nam badać, jak ferroptoza zmienia subpopulacje mikrogleju po udarze niedokrwiennym. MMPS radzi sobie z kluczowymi węzłami problemowymi w dziedzinie analizy mikrogleju, omijając uciążliwe wymagania dotyczące oprogramowania i wymaganą wiedzę na temat kodowania. Aby rozpocząć, otwórz repozytorium GitHub na komputerze i pobierz oprogramowanie do mapowania parametrów mikrogleju lub samodzielny pakiet MMPS.
W folderze pobrania dwukrotnie kliknij, aby uruchomić narzędzie do archiwizacji i automatycznie wyodrębnić skompresowany folder. Dwukrotnie kliknij ikonę aplikacji MMPS, aby zweryfikować i otworzyć pakiet MMPS. Kliknij opcję wybierz folder z obrazami i przejdź przez katalog komputera, aby zlokalizować pliki projektu.
Udziel uprawnień dostępu do folderu i wybierz katalog przechowywania obrazów. Następnie kliknij wybierz folder wyjściowy, a następnie wybierz katalog wyjściowy. Wybierz obraz do przetworzenia, a następnie wybierz etykietowanie obrazów.
Przypisz identyfikatory zwierząt i grupy lecznicze do obrazu i zapisz wejścia. Aby obliczyć wielkość pikseli obrazu, wybierz opcję kalibracji z paska skalowego. Wybierz punkty początkowe i końcowe paska skalowego i wprowadź znaną odległość paska skalowego w mikrometrach i kliknij zastosuj.
Wybierz kanał fluorescencyjny zawierający sygnał mikrogleju. Wybierz obrazy do przetworzenia, zaznaczając pole obok każdej nazwy obrazu i przetwarzaj je indywidualnie, jeśli fluorescencja tła różni się między obrazami. Przejrzyj karty oryginał, podgląd, przetworzony i maski, aby porównać etapy przetwarzania obrazu.
Wybierz podgląd bieżącego obrazu, aby dostosować dodatkowe ustawienia przetwarzania. Dla odejmowania tła ustaw wartość piłki między pięcioma a 150 pikselami. Aby zmniejszyć artefakty iluminacji, użyj wartości redukcji szumów równej trzem i ustaw wartości ostrych między jednym a dwoma, aby poprawić definicję krawędzi.
Po optymalizacji ustawień przetwarzania obrazu kliknij przetwórz wybrane obrazy. Następnie wybierz opcję wybierz soma, wszystkie obrazy. Kliknij pokaż kolor C dla widoku kompozytowego RGB.
Wybierz kanały, a następnie usuń zaznaczenie nieużywanych kanałów, jeśli obraz wydaje się zniekształcony kolorystycznie. Kliknij na ustawienia wyświetlania, aby dostosować jasność kanałów w widoku RGB. Wybierz soma mikrogleju wyświetlające DAPI i zjonizowany białkowy adapter wiązania wapnia jeden, lub kolokalizację IBA1.
Usuń niepoprawnie zaznaczone soma za pomocą klawisza backspace lub delete. Naciśnij enter lub return, aby przejść do następnego obrazu. Wybierz opcję obrysuj soma wszystkie po zakończeniu selekcji soma.
Obrysuj obwód soma każdej zaznaczonej komórki mikrogleju z co najmniej ośmioma punktami obrysu, nie uwzględniając procesów komórkowych. Usuń niepoprawnie umieszczone punkty obrysu za pomocą cofnij ostatni punkt, usuń lub backspace. Naciśnij enter, return, kliknij dwukrotnie lub kliknij prawym przyciskiem myszy, aby sfinalizować obrys każdego soma.
Kliknij wygeneruj wszystkie maski po zakończeniu obrysowania soma. W ustawieniach generowania masek dostosuj minimalną intensywność, aby zmniejszyć piksele tła i zrównoważyć tłumienie tła i zachowanie gałęzi. Wybierz opcję wszystkie maski QA, aby rozpocząć weryfikację jakości masek i przejrzyj wszystkie maski prezentowane od największych do najmniejszych obszarów.
Porównaj każdą maskę z odpowiednim mikroglejem za pomocą kart przetworzony i maska. Aby zaakceptować maski, użyj skrótu klawiaturowego A. Aby odrzucić maski, użyj skrótu klawiaturowego R.
Aby cofnąć akceptację lub odrzucenie, naciśnij klawisz B. Użyj strzałek klawiatury do nawigacji po rozmiarach masek. Wybierz największą akceptowalną maskę, która dokładnie uchwyci rozgałęzienie mikrogleju bez włączania sąsiednich komórek, nadmiernego tła, krawędzi obrazu lub pasków skalowych. Jeśli większość jest niedokładna, użyj opcji wyczyść wszystkie maski, aby odtworzyć maski z inną wartością progową.
Następnie wybierz opcję oblicz proste cechy, aby obliczyć różne parametry dla zaakceptowanych masek, a następnie kliknij OK. W celu dodatkowej analizy pobierz pliki pluginów fractalanalysisimagej. py, sholl.
py i skeletonanalysisimagej. py. W przypadku analiz fraktalnych i powłok otwórz i uruchom fractalanalysisimagej.
py jako plugin dla Fiji. Następnie wprowadź lokalizację katalogu wyjściowego. Wprowadź wielkość pikseli i wybierz opcję największa maska tylko, aby przeanalizować największą zaakceptowaną maskę na komórkę.
W przypadku analizy Sholl otwórz plik sholl. py jako plugin dla Fiji. Wprowadź lokalizację katalogu wyjściowego, pożądaną wielkość pikseli i wielkość kroku.
Wybierz opcję użyj promienia soma jako promienia początkowego lub wprowadź wartość stałego promienia soma, jeśli promienie soma pochodzące z MMPS nie są używane. Otwórz plik skeletonanalysisimagej. py jako plugin dla Fiji do analizy szkieletu.
Przeglądaj i wprowadź ścieżki dla katalogu masek, katalogu wyjściowego i wielkości pikseli po wy
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.