Este protocolo utiliza imagens de lâminas de luz para investigar a função contrátil cardíaca em larvas de peixe-zebra e obter informações sobre mecânica cardíaca por meio de rastreamento celular e análise interativa.
É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de método
Imagem de folha de luz 4D da contração cardíaca do peixe-zebra
Neste artigo
Resumo
Resumo
O peixe-zebra é um intrigante organismo modelo conhecido por sua notável capacidade de regeneração cardíaca. O estudo da contração cardíaca in vivo é essencial para obter informações sobre mudanças estruturais e funcionais em resposta a lesões. No entanto, a obtenção de imagens 4-dimensionais (4D, espaciais 3D + temporais) de alta resolução e alta velocidade do coração do peixe-zebra para avaliar a arquitetura e contratilidade cardíaca permanece um desafio. Neste contexto, um microscópio de folha de luz (LSM) interno e análises computacionais personalizadas são usados para superar essas limitações técnicas. Essa estratégia, envolvendo a construção do sistema LSM, sincronização retrospectiva, rastreamento de célula única e análise dirigida ao usuário, permite investigar a microestrutura e a função contrátil em todo o coração na resolução de célula única nas larvas transgênicas de peixe-zebra Tg(myl7:nucGFP). Além disso, podemos incorporar ainda mais a microinjeção de compostos de pequenas moléculas para induzir lesão cardíaca de forma precisa e controlada. Em geral, esse quadro permite rastrear as mudanças fisiológicas e fisiopatológicas, bem como a mecânica regional em nível unicelular durante a morfogênese e regeneração cardíaca.
Introdução
O peixe-zebra (Danio rerio) é um organismo modelo amplamente utilizado para estudar o desenvolvimento, fisiologia e reparo cardíaco devido à sua transparência óptica, tratabilidade genética e capacidade regenerativa 1,2,3,4. No infarto do miocárdio, enquanto alterações estruturais e funcionais impactam a ejeção cardíaca e hemodinâmica, limitações técnicas continuam dificultando a capacidade de investigar o processo dinâmico durante a regeneração cardíaca com alta resolução espaço-temporal. Por exemplo, os métodos de imagem convencionais, como a microscopia confocal, apresentam limitações em termos de profundidade, resolução temporal ou fototoxicidade para capturar as mudanças dinâmicas e avaliar a função contrátil cardíaca durante múltiplos ciclos cardíacos5.
A microscopia óptica representa um método de imagem de última geração que aborda com sucesso essas questões, varrendo rapidamente o laser através do ventrículo e átrio do coração, obtendo imagens detalhadas com resolução espaço-temporal aprimorada e efeitos foto-tóxicos desprezíveis 6,7,8,9,10,11.
Esse protocolo introduz uma estratégia de imagem abrangente que inclui a construção do sistema LSM, reconstrução de imagens 4D, rastreamento de células 3D e análise interativa para capturar e analisar a dinâmica dos cardiomiócitos em todo o coração durante vários ciclos cardíacos12. O sistema de imagem personalizado e a metodologia computacional permitem rastrear a microestrutura miocárdica e a função contrátil em nível de célula única em larvas transgênicas de peixe-zebra Tg(myl7:nucGFP). Além disso, compostos de pequenas moléculas foram entregues nos embriões usando microinjeção para avaliar a lesão cardíaca induzida por drogas e a subsequente regeneração. Essa estratégia holística fornece um ponto de entrada para investigar in vivo as propriedades estruturais, funcionais e mecânicas do miocárdio em nível de célula única durante o desenvolvimento e regeneração cardíacos.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Protocolo
A aprovação para este estudo foi concedida pelo Institutional Animal Care and Use Committee (IACUC) da Universidade do Texas em Dallas, sob o número de protocolo #20-07. Tg(myl7:nucGFP) larvastransgênicas de zebrafish 12 foram utilizadas para o presente estudo. Toda a aquisição de dados e pós-processamento das imagens foram realizadas utilizando-se softwares de código aberto ou plataformas com licenças de pesquisa ou educacionais. Os recursos são disponibilizados pelos autores mediante solicitação razoável.
1. Criação de peixes-zebra e microinjeção de embriões
Tempo: 2 dias
- Manter e criar peixes-zebra adultos através de cuidados padrão e procedimentos de criação. Para métodos detalhados, consulte o relatório anterior13.
- Realizar microinjeção seguindo protocolo estabelecido14. Para o presente estudo, a microinjeção foi realizada no estágio de 1-2 células (zigoto).
NOTA: É crucial identificar com precisão este estágio para uma microinjeção eficaz e garantir a consistência do desenvolvimento. Durante o estágio de uma célula, uma pequena cúpula se forma no topo da gema, e este estágio normalmente dura aproximadamente 12 min. Ao progredir para o estágio de duas células, duas cúpulas adjacentes tornam-se visíveis, e esse estágio perdura por cerca de 45 min após a fecundação15. Informações mais detalhadas da construção do sistema podem ser encontradas em outros laudos ouprotocolos12,16,17.
2. Preparação e montagem de embriões/larvas de peixe-zebra
Tempo: 7 dias
- Transferir embriões no 1 dia pós-fertilização (dpf) para água E3 com 0,2 mM 1-Fenil-2-tiouréia (PTU) (ver Tabela de Materiais) para evitar a formação de pigmentos.
- Substitua o meio por água fresca E3 com PTU todos os dias até a obtenção de imagens de LSM.
- Fotografe embriões ou larvas com o estereomicroscópio para registrar seu desenvolvimento nos momentos desejados entre 0 e 7 dpf.
- Preparar tubos segmentados fluorados de etilenopropileno (FEP) com 2 mm de diâmetro interno para incorporação de larvas de zebrafish sob o sistema LSM12.
NOTA: O tubo FEP é utilizado para fixar a amostra com materiais correspondentes ao índice de refração que se assemelham muito ao meio circundante, como a água. - A partir de 3 dpf, transferir os peixes para uma solução de 150 mg/L de tricaína (MS-222) (ver Tabela de Materiais) para imobilizar os peixes antes da obtenção de imagens.
- Preparar 0,8 % de agarose de baixo derretimento com 150 mg/L de tricaína e utilizar uma pipeta de transferência para mover os peixes anestesiados para a agarose depois de esta ter arrefecido à temperatura ambiente18.
- Utilizar outra pipeta de transferência para montar o peixe com agarose em tubos de PEP (Figura 1).
OBS: Para averiguar o estresse mínimo nos embriões em desenvolvimento, exames pré e pós-fixação da atividade cardíaca, como frequência cardíaca, foram realizados sob observação microscópica. Essas avaliações tiveram como objetivo identificar diferenças significativas antes e após a anestesia com tricaina. Um exame adicional da pele e da musculatura para irregularidades na estrutura cardíaca, como edema, também poderia ser realizado após a fixação. A concentração de tricaína também desempenha um papel crucial na imagem cardíaca19 e, portanto, a solução de tricaína na concentração de 150 mg/L foi utilizada para a obtenção de imagens de contração em larvas de zebrafish neste projeto. Embora a presente sincronização retrospectiva nos permita abordar os batimentos cardíacos irregulares20, uma solução abrangente para a imagem 4D de arritmias cardíacas e imagens de longo prazo em peixes-zebra ainda está em desenvolvimento.
3. Instalação e configuração do sistema de imagem de folhas leves
Tempo: 3-14 dias
- Construa um sistema LSM interno baseado em uma lente cilíndrica usando sistemas de laser de estado sólido bombeado por diodo de onda contínua (DPSS) em comprimentos de onda específicos, como 473 nm e 532 nm, como fontes de iluminação (Figura 2A).
- Personalize os códigos de controle do LabVIEW (consulte Tabela de Materiais) para a sincronização do estágio de amostra translacional, iluminação de folhas de luz e exposição da câmera sCMOS para capturar sequências de imagens.
OBS: Informações mais detalhadas da construção do sistema podem ser encontradas em outros relatórios ou protocolos 12,16,17. Incentivamos os grupos de pesquisa a buscar oportunidades de colaboração com laboratórios que possuam experiência estabelecida em imagens ópticas durante a construção de sistemas.
4. Preparação de imagens de peixe-zebra e coleta de dados
Horário: 1 dia
- Calibre a resolução espacial do sistema LSM e minimize a variação de opacidade em profundidades variáveis medindo esferas de fluorescência.
- Primeiro, diluir esferas fluorescentes (ver Tabela de Materiais) com diâmetro de 0,53 μm até uma concentração de 1: 1,5 x 105 usando agarose de baixa fusão a 0,8 % e transferir a solução para o tubo de FEP segmentado.
- Em segundo lugar, use o sistema LSM para obter imagens das contas e medir a função de dispersão pontual (FSF) em toda a amostra, validando a resolução espacial e o alinhamento do sistema12.
OBS: Neste sistema, a análise dos resultados representativos para a largura total na metade máxima (FWHM) indica resoluções lateral e axial de 1,26 ± 0,15 e 2,48 ± 0,15 μm (n = 60 contas), respectivamente. Isso sugere uma resolução espacial consistente em toda a profundidade da imagem.
- Conecte o tubo FEP com larva de peixe-zebra montada firmemente ao estágio de amostra motorizado de 6 eixos (x, y, z, pitch, yaw e roll) e submerja os tubos na câmara de amostra preenchida com água E3. Para evitar o espalhamento de luz pelo saco vitelínico e localizar melhor a posição do coração, gire a larva do peixe-zebra para tirar a imagem do lado ventral (Figura 2B). Nesse caso, a maioria das imagens capturadas incluiria tanto o ventrículo quanto o átrio (Figura 2C).
NOTA: Dado que os procedimentos de imagem atuais normalmente duraram menos de uma hora por peixe e foram realizados em um ambiente de temperatura ambiente controlada, o controle de temperatura da câmara e a regulação do nível de oxigênio são considerados opcionais para este projeto. No entanto, para estudos de imagem de lapso de tempo de longo prazo, particularmente aqueles focados em processos de desenvolvimento, sugere-se o monitoramento contínuo da temperatura e a regulação a 27 °C dentro da câmara de amostra para garantir o ambiente fisiológico do peixe-zebra e prevenir quaisquer possíveis anormalidades de desenvolvimento. - Conecte o estágio de amostra motorizado à estação de trabalho e configure todos os parâmetros necessários, incluindo o modo de movimentação desejado.
- Estabeleça uma conexão entre a câmera sCMOS e a estação de trabalho. Ajuste todas as configurações essenciais, como um tempo de exposição de 5 ms e a região de interesse desejada.
- Configure o número de sequências de imagens e quadros dentro do programa de controle LabVIEW personalizado.
- Ligue o laser e inicie a imagem LSM da amostra. Mantenha o processo até que todas as sequências de imagens tenham sido gravadas com êxito.
- Grave 300 quadros como uma sequência de imagens 2D para cobrir 3-5 ciclos cardíacos da larva com uma taxa de quadros de 200 quadros/segundo. O registro capta a contratilidade cardíaca no plano seletivo iluminado pela folha de luz.
- Mova a larva no tamanho do passo de 1 μm através da iluminação da folha de luz para cortar virtualmente a amostra.
NOTA: O tamanho do passo do estágio amostral deve ser definido com base na resolução axial do sistema de folha de luz, seguindo o teorema de amostragem de Nyquist-Shannon12. - Repita a etapa 7 para gravar outra sequência de imagens da nova fatia de amostra até que todo o coração esteja coberto. Geralmente, 100-200 sequências de imagens com o tamanho do passo de 1 μm garantem a cobertura de todo o coração de uma larva de peixe-zebra (Figura 2D).
NOTA: As etapas 4.7-4.9 são controladas pelo programa LabVIEW e executadas automaticamente pelo sistema LSM (Figura 3). Dado o grande volume de dados de imagem gerados, uma convenção de nomenclatura padronizada é recomendada para sequências de imagens. Por exemplo, designe pastas com nomes como "z-1", "z-2", etc., para categorizar dados em várias sequências de imagens. Dentro de cada sequência, as imagens devem ser nomeadas sequencialmente (por exemplo, "1", "2", ...) para denotar pontos de tempo distintos. O tempo total para montar peixes, ajustar o ângulo de imagem e coletar todos os dados para uma larva de peixe-zebra é de cerca de 1 h.
5. Reconstrução de imagem 4D com computação paralela
Horário: 1 dia
NOTA: O algoritmo de reconstrução 4D desenvolvido pelo nosso grupo e os dados da amostra são acessíveis publicamente21. Este método permite reconstruir a imagem do coração 4D a partir das sequências de imagens coletadas nas etapas anteriores (Tabela 1).
- Abra o arquivo test_Parallel.m no MATLAB (consulte Tabela de Materiais). Especifique o local da pasta onde as sequências de imagens brutas são armazenadas na variável "baseDir".
- Atribua a variável "numOfSlice" com o número total de sequências de imagens (normalmente 100-150) e a variável "numOfImage" com o número de imagens (normalmente 300-500) em cada sequência.
- Inspecione a sequência de imagens que mostra o plano médio do coração do peixe-zebra (por exemplo, a51ª sequência de 101 sequências totais). Identifique os números de quadro da primeira e quarta sístoles nesta sequência e atribua-os às variáveis systolicPoint_1st e systolicPoint_4th.
- Clique em Executar para iniciar o processo.
NOTA: A duração do ciclo cardíaco em cada sequência de imagens será primeiramente identificada pelo programa MATLAB através da comparação da similaridade (soma das diferenças quadráticas) entre as imagens em diferentes momentos. Posteriormente, o ciclo cardíaco será estimado usando a média dos comprimentos de ciclo de todas as sequências de imagens. Em seguida, os pontos de partida das sequências de imagens em diferentes localizações axiais serão alinhados pelo programa através de uma comparação iterativa da similaridade da imagem da primeira sequência de imagens para a última sequência de imagens. - Verifique os resultados na pasta de saída. O programa salvará as imagens como arquivos ".tif" com carimbos de data/hora. Cada arquivo ".tif" é uma imagem de coração 3D em um ponto de tempo específico. O intervalo de tempo entre duas imagens 3D é igual ao tempo de exposição definido.
NOTA: Reconstrua as imagens adquiridas das etapas anteriores para retratar as contrações cardíacas 4D (espacial 3D + temporal 1D). Para melhorar a proficiência em investigações de alto rendimento durante a sincronização retrospectiva, essa abordagem permite operações computacionais simultâneas em uma GPU, aproveitando vários núcleos de CPU por meio da caixa de ferramentas de computação paralela MATLAB e transformando imagens no formato gpuArray.
6. 3D segmentação celular e rastreamento celular
Horário: 1 dia
- Baixe o pacote 3DeeCellTracker (consulte Tabela de Materiais) e configure o ambiente Python22.
- Faça o download do software de anotação ITK-SNAP23 (consulte Tabela de Materiais) e use-o para marcar manualmente a imagem cardíaca 3D em dois momentos selecionados, um na diástole ventricular e outro na sístole ventricular, para criar os conjuntos de dados de treinamento e validação.
NOTA: Outros softwares de rotulagem também podem ser aplicáveis. - Em Python, execute o programa de treinamento 3DeeCellTracker e inicialize os parâmetros noise_level(100 neste caso), folder_path e modelo na função TrainingUNet3D para definir o modelo 3D U-Net predefinido.
- No MATLAB, use o programa imageDimConverter.m para converter e renomear o conjunto de dados de treinamento e validação para o formato adequado para carregamento.
- Em Python, carregue os conjuntos de dados de treinamento e validação usando as funções trainer.load_dataset() e trainer.draw_dataset().
- Em Python, execute a primeira parte do programa de rastreamento 3DeeCellTracker e inicialize os parâmetros.
NOTA: Isso inclui a definição de parâmetros de imagem para caracterizar as dimensões da imagem, parâmetros de segmentação para selecionar o modelo de aprendizado de máquina aplicado para segmentação de células e parâmetros de rastreamento para selecionar os modelos de rede neural profunda pré-treinados empregados para o registro de células. Pela primeira vez é recomendado o uso do modelo U-Net para segmentação celular e FFN+ PR-GLS para registro celular. Ele é necessário para armazenar dados, modelo e resultados em pastas que serão criadas automaticamente nesta etapa. - No MATLAB, use o programa imageDimConverter.m para converter e renomear todas as imagens de coração 3D para o formato adequado e transferi-las para a pasta de dados criada na última etapa.
- Em Python, execute a segunda parte do programa 3DeeCellTracker para iniciar a segmentação.
- Depois que a primeira imagem 3D for segmentada, compare o resultado da segmentação com a imagem bruta e execute a correção manual se alguma segmentação incorreta for encontrada. Mova a segmentação corrigida para a pasta "/manual_vol1" criada.
- Em Python, execute a terceira parte do programa 3DeeCellTracker para segmentar todas as imagens.
- Use o Amira (consulte Tabela de Materiais) para realizar uma avaliação visual dos resultados do rastreamento comparando as posições das células rastreadas com suas imagens brutas correspondentes. Se os resultados do teste não forem satisfatórios, reinicie o procedimento a partir da etapa 6.6, empregue um modelo alternativo de aprendizado de máquina para segmentação ou registro de célula e, em seguida, reinicie o processo de rastreamento.
Observação : após a segmentação, os dados de rótulos de célula são armazenados como uma imagem de 8 bits (0 a 255) por padrão, o que significa que apenas 256 escalas são fornecidas como rótulos para classificação de célula. Há duas soluções para resolver esse problema quando classes adicionais são necessárias. Uma solução é definir o formato dos dados das etiquetas das células como uma imagem de 16 bits no programa de rastreamento, o que causará um aumento exponencial no tempo de processamento, mais de dois dias no presente caso. A outra solução é usar o programa "separateTrackingResults.py" para pós-processar os rótulos das células, que separará as células com os mesmos rótulos com base em sua localização física e atribuirá a cada célula um rótulo diferente. Este processo leva cerca de 10 min neste caso.
7. Análise da contratilidade cardíaca no modo de realidade virtual
Horário: 1 dia
- Adquira o resultado do rastreamento de células das etapas anteriores.
- Valide manualmente os dados e selecione células com intensidade de imagem consistente em todos os volumes (cerca de 500 células de aproximadamente 600).
- Use cellLabelsToObj.ipynb script21 para gerar uma malha de superfície para cada célula individual por meio do software 3D Slicer24 (consulte Tabela de materiais) e atribuir um código de cores exclusivo a cada célula.
- Exporte cada modelo 3D, consistindo de todas as células em um único ponto de tempo, como um único arquivo .obj consistindo em vários subobjetos acompanhados por um arquivo .mtl para descrever o rótulo da célula.
- Importe os modelos para o Unity usando a licença educacional, um mecanismo de desenvolvimento usado para realidade estendida.
- Aplique os scripts personalizados que consistem em funções escritas em C# aos modelos e elementos da interface do usuário para permitir a visualização 4D e análise interativa. Execute a interação VR seguindo a etapa 7.7.
- Interaja com os modelos em realidade virtual (RV) utilizando as seguintes funções (Figura 4):
- Seleção de células: selecione até duas células por vez e visualize suas trajetórias, velocidades, volumes, áreas de superfície e distâncias relativas.
- Seleção do ponto de tempo: Escolha um ponto de tempo específico nos dados para analisar as saídas das células selecionadas, como em t = 0 ms durante a diástole, ou em t = 200 ms durante a sístole.
- Pausa de tempo: congele o modelo dinâmico para se concentrar nas células selecionadas e suas saídas.
- Contraste: Modula o contraste entre as células selecionadas e as células circundantes no modelo.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Resultados
O protocolo atual consiste em três etapas principais: preparação e microinjeção de peixe-zebra, imagem de folha de luz e reconstrução de imagens 4D, e rastreamento celular e interação com RV. Peixes-zebra adultos foram deixados acasalar, os ovos fertilizados foram coletados e realizada microinjeção conforme necessário para os experimentos propostos (Figura 1). Esta etapa fornece um ponto de entrada para explorar as aplicações do peixe-zebra na investigação do desenvolvimento e regeneração ca...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Discussão
A integração do modelo do peixe-zebra com métodos de engenharia tem imenso potencial para a exploração in vivo de infarto do miocárdio, arritmias e defeitos cardíacos congênitos. Aproveitando sua transparência óptica, capacidade regenerativa e semelhanças genéticas e fisiológicas com humanos, embriões e larvas de peixe-zebra têm se tornado extensivamente utilizados em pesquisas 1,2,4. A resolução espaço-temporal superio...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Divulgações
Os autores não têm conflitos de interesse a declarar.
Agradecimentos
Expressamos nossa gratidão à Dra. Caroline Burns, do Hospital Infantil de Boston, por compartilhar generosamente o peixe-zebra transgênico. Agradecemos à Sra. Elizabeth Ibanez por sua ajuda na criação de peixes-zebra na UT Dallas. Também agradecemos todos os comentários construtivos fornecidos pelos membros da incubadora D na UT Dallas. Este trabalho foi apoiado pelo NIH R00HL148493 (Y.D.), R01HL162635 (Y.D.) e pelo programa UT Dallas STARS (Y.D.).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Materiais
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| RESOURCE | SOURCE/Reference | IDENTIFIER< | |
| strong>Modelos animais< | |||
| em>Tg(myl7:nucGFP) peixe-zebra transgênico | Burns Lab no Hospital Infantil de Boston | ZDB-TGCONSTRCT-070117-49 | |
| Software e algoritmos | |||
| MATLAB | A MathWorks Inc. | R2023a | |
| LabVIEW | National Instruments Corporation | 2017 SP1 | |
| HCImage Live | Hamamatsu Photonics | 4.6.1.2 | |
| Python | The Python Software Foundation | 3.9.0 | |
| Fiji-ImageJ | Schneider et al.18 | 1.54f | |
| 3DeeCellTracker | Chentao Wen et al.15 | v0.5.2 | |
| Unity | Unity Software Inc. | 2020.3.2f1 | |
| Amira | Thermo Fisher Scientific | 2021.2 | |
| Fatiador 3D | Andriy Fedorov et al.17 | 5.2.1 | |
| ITK SNAP | Paul A Yushkevich et al.16 | 4 | |
| Sistema de folha de luz | |||
| Lente cilíndrica | Thorlabs | ACY254-050-A | |
| 4X Objetiva de iluminação | Nikon | MRH00045 | |
| 20X Objetiva de detecção | Olympus | 1-U2M585 | |
| câmera sCMOS | Hamamatsu | C13440-20CU | |
| Estágio XYZ motorizado | Thorlabs | PT3 / M-Z8 | |
| Estágio de inclinação de dois eixos | Thorlabs | GN2 / M | |
| Motor de passo de rotação | Pololu | 1474 | |
| grânulos fluorescentes | Spherotech | FP-0556-2 | |
| 473nm DPSS Laser | Laserglow | R471003GX | |
| 532nm DPSS laser | Laserglow | R531003FX | |
| Microinjetor e bomba de vácuo | |||
| Microinjector | WPI | PV850 | |
| Bomba de vácuo | Welch | 2522B-01 | |
| Pipetas de vidro pré-puxado | WPI | TIP10LT | |
| Ponta capilar para carregamento de gel | Bio-Rad | 2239912 | |
| Hardware de realidade virtual | |||
| Fone de ouvido VR | Meta | Quest 2 | |
| 30mg/L Solução PTU | |||
| PTU | Sigma-Aldrich | P7629 | |
| 1X E3 solução de trabalho | - | ||
| 1% de agarose< / forte> | - | ||
| Agarose de baixo ponto de fusão | Thermo Fisher | 16520050 | |
| Água deionizada | - | ||
| 10g / L Solução de estoque de tricaína< / forte> | |||
| Tricaine | Syndel | SYNC-M-GR-US02 | |
| Água deionizada | - | ||
| Bicarbonato de sódio | Sigma-Aldrich | S6014 | |
| < forte > 150mg / L Solução de trabalho de tricaína< / forte > | |||
| 10g / L Solução de estoque de tricaína | - | ||
| Deionizada água | - | ||
| < solução de estoque E3 forte > 60X < / forte > | |||
| Cloreto de Sódio | Centro de Recursos Animais de Laboratório (LARC), Universidade do Texas em Dallas | NaCl | |
| Potássio-KCL | |||
| Cloreto de Cálcio Dihidratado-CaCL | sub>2 < / sub>x 2H < sub>2< / sub>O | ||
| Sulfato de magnésio heptahidratado-MgSO | sub>4 x 7H2O | ||
| RO Water | - | - | |
| 1X E3 solução de trabalho | |||
| 60X E3 stock | solution Centro de Recursos de Animais de Laboratório (LARC), Universidade do Texas em Dallas | - | |
| Água RO | - | - | |
| 1% Azul de Metileno (opcional) | - | C16H18ClN3S |
Referências
- Power, R. M., Huisken, J. A guide to light-sheet fluorescence microscopy for multiscale imaging. Nat. Methods. 14 (4), 360-373 (2017).
- Liu, J., Stainier, D. Y. R. Zebrafish in the study of early cardiac development. Circ. Res. 110 (6), 870(2012).
- Ding, Y., Bu, H., Xu, X. Modeling inherited cardiomyopathies in adult zebrafish for precision medicine. Front. Physiol. 11, 599244(2020).
- Giardoglou, P., Beis, D. On zebrafish disease models and matters of the heart. Biomedicines. 7 (1), 15(2019).
- Zhang, X., Alexander, R. V., Yuan, J., Ding, Y. Computational analysis of cardiac contractile function. Curr. Cardiol. Rep. 24 (12), 1983-1994 (2022).
- Weber, M., Huisken, J. In vivo imaging of cardiac development and function in zebrafish using light sheet microscopy. Swiss Med. Wkly. 145 (51), w14227(2015).
- Vedula, V., et al. A method to quantify mechanobiologic forces during zebrafish cardiac development using 4-D light sheet imaging and computational modeling. PLOS Comput. Biol. 13 (10), e1005828(2017).
- Yalcin, H. C., Amindari, A., Butcher, J. T., Althani, A., Yacoub, M. Heart function and hemodynamic analysis for zebrafish embryos. Dev. Dyn. 246 (11), 868-880 (2017).
- Baek, K. I., et al. Advanced microscopy to elucidate cardiovascular injury and regeneration: 4D light-sheet imaging. Prog. Biophys. Mol. Biol. 138, 105-115 (2018).
- Salman, H. E., Yalcin, H. C. Advanced blood flow assessment in Zebrafish via experimental digital particle image velocimetry and computational fluid dynamics modeling. Micron. 130, 102801(2020).
- Sodimu, O., et al. Light sheet imaging and interactive analysis of the cardiac structure in neonatal mice. J. Biophotonics. 16 (5), e202200278(2023).
- Zhang, X., et al. 4D light-sheet imaging and interactive analysis of cardiac contractility in zebrafish larvae. APL Bioeng. 7 (2), 026112(2023).
- Westerfield, M. The Zebrafish Book. Eugene. , University of Oregon Press. (2000).
- Rosen, J. N., Sweeney, M. F., Mably, J. D. Microinjection of zebrafish embryos to analyze gene function. J Vis Exp. 25, e1115(2009).
- Kimmel, C. B., Ballard, W. W., Kimmel, S. R., Ullmann, B., Schilling, T. F. Stages of embryonic development of the zebrafish. Dev Dyn. 203 (3), 253-310 (1995).
- Girkin, J. M., Carvalho, M. T. The light-sheet microscopy revolution. J. Opt. 20 (5), 053002(2018).
- Gualda, E. J., et al. OpenSpinMicroscopy: an open-source integrated microscopy platform. Nat. Methods. 10 (7), 599-600 (2013).
- Messerschmidt, V., et al. Light-sheet fluorescence microscopy to capture 4-dimensional images of the effects of modulating shear stress on the developing zebrafish heart. J Vis Exp. 138, e57763(2018).
- Kaufmann, A., Mickoleit, M., Weber, M., Huisken, J. Multilayer mounting enables long-term imaging of zebrafish development in a light sheet microscope. Development. 139 (17), 3242-3247 (2012).
- Lee, J., et al. 4-Dimensional light-sheet microscopy to elucidate shear stress modulation of cardiac trabeculation. J Clin Invest. 126 (5), 1679-1690 (2016).
- Zhang, X., et al. 4D light-sheet imaging and interactive analysis of cardiac contractility in Zebrafish larvae. Zenodo. , (2023).
- Wen, C., et al. 3deecelltracker, a deep learning-based pipeline for segmenting and tracking cells in 3d time lapse images. Elife. 10, e59187(2021).
- Yushkevich, P. A., et al. User-guided 3D active contour segmentation of anatomical structures: significantly improved efficiency and reliability. Neuroimage. 31 (3), 1116-1128 (2006).
- Fedorov, A., et al. 3D Slicer as an image computing platform for the quantitative imaging network. Magn. Reson. Imaging. 30 (9), 1323-1341 (2012).
- Naderi, A. M., et al. Deep learning-based framework for cardiac function assessment in embryonic zebrafish from heart beating videos. Comput. Biol. Med. 135, 104565(2021).
- Mickoleit, M., et al. High-resolution reconstruction of the beating zebrafish heart. Nat. Methods. 11 (9), 919-922 (2014).
- Lee, J., et al. 4-Dimensional light-sheet microscopy to elucidate shear stress modulation of cardiac trabeculation. J. Clin. Invest. 126 (5), 1679-1690 (2016).
- Ding, Y., et al. Multiscale light-sheet for rapid imaging of cardiopulmonary system. JCI Insight. 3 (16), e121396(2018).
- Choe, C. P., et al. Transgenic fluorescent zebrafish lines that have revolutionized biomedical research. Lab. Anim. Res. 37 (1), 1-29 (2021).
- Coelho-Filho, O. R., et al. Quantification of cardiomyocyte hypertrophy by cardiac magnetic resonance: implications on early cardiac remodeling. Circulation. 128 (11), 1225(2013).
- Zhang, B., et al. Automatic segmentation and cardiac mechanics analysis of evolving zebrafish using deep learning. Front. Cardiovasc. Med. 8, 675291(2021).
- Ding, Y., et al. Integrating light-sheet imaging with virtual reality to recapitulate developmental cardiac mechanics. JCI Insight. 2 (22), e97180(2017).
- Koger, C. R., Hassan, S. S., Yuan, J., Ding, Y. Virtual reality for interactive medical analysis. Front. Virtual Real. 3, 782854(2022).
- Yuan, J., et al. Extended reality for biomedicine. Nat. Rev. Methods Prim. 3 (1), 1-1 (2023).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Reimpressões e permissões
