Name: Em Situ Microscopia para determinação em tempo real da morfologia unicelular em bioprocessos (Vídeo) | JoVE Journal
Uploaded: 2019-12-05T12:00:00.000+00:00
Duration: 7 min 26 s
Description: Aprenda microscopia in situ para avaliar a morfologia unicelular em tempo real em bioprocessos. Este método permite monitorar tamanho, forma e aglomeração celular sem risco de contaminação.

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

Os autores são gratos pelo apoio do Ministério Federal alemão de Economia e Energia no âmbito ZIM-Koop, projeto "Smart Process Inspection", concede não. ZF 4184201CR5.

NOTA: Os seguintes passos são necessários para adaptar os parâmetros às respectivas condições de microrganismos e cultura. O ajuste das configurações da sonda dura cerca de 20 min para um usuário experiente. Uma descrição detalhada das ferramentas e etapas é dada no manual correspondente da ponta de prova de SOPAT GmbH. Em geral, são necessárias as ferramentas que são apresentadas no seguinte protocolo: (i) Controlador de sonda para ajustes de sonda e aquisição de imagem; (ii) Fiji (ImageJ) para anotações em imagens adquiridas; (iii) Suporte SOPAT para treinamento de rede neural artificial (ANN) e criação de fluxo de trabalho; (iv) Batcher para processamento de lotes de dados usando imagens já adquiridas com fluxo de trabalho; (v) Analisador de Resultados para visualização e avaliação de resultados em imagens processadas em lote; e (vi) Monitor para medição automatizada em tempo real e visualização de resultados.
1. Definição de parâmetros de hardware
<ol><li>Prepare uma cultura com a maior concentração celular que pode ser alcançada durante o experimento ou centrífuga e resuspenda a pelota para alcançar essa concentração. Neste caso, 65 gL-1 de concentração de biomassa seca foi escolhido para cultivos de S. cerevisiae.</li>
	<li>Prepare diferentes diluições, que variam da concentração mais alta à mais baixa para que a faixa esperada seja totalmente coberta. Recomenda-se um mínimo de 4 concentrações diferentes.</li>
	<li>Identifique a faixa de tamanho celular do microorganismo com microscopia convencional. Defina o diâmetro máximo esperado (dmáximo)das respectivas células. Este valor é fixado em 8 μm em caso de S. cerevisiae.</li>
	<li>Escolha duas lacunas de medição de 5x e 10x domáximo d esperado das células.</li>
	<li>Escolha a intensidade máxima do stroboscope. Escolha intensidades de stroboscope para ambas as lacunas com a maior concentração celular para que as células ainda sejam visíveis nas imagens com a menor intensidade de luz (imagens mais escuras).</li>
	<li>Escolha a intensidade mínima do stroboscope e, em seguida, escolha intensidades de estóscópio para ambas as lacunas para que as células ainda sejam visíveis nas imagens com a maior intensidade de luz (imagens mais brilhantes). Use a menor concentração celular, que provavelmente aparece durante o período de medição.</li>
	<li>Escolha uma posição de foco, que produz as imagens mais nítidas para cada lacuna de medição, tanto para intensidades de stroboscope quanto para a faixa de concentração que precisa ser testada (veja o passo 2 para detalhes sobre foco). As células de foco apropriadamente para que os dados de imagem possam ser anotados posteriormente (ver passo 4).</li>
	<li>Medir a série de diluição previamente preparada da concentração celular (ver passo 2) com larguras de abertura e intensidades de estroboscópio.</li>
</ol><img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/57823/57823fig1.jpg"> Figura 1: Ferramenta de calibração de concentração. Esquerda GUI: set diretórios de imagem (mínimo de 3) com concentrações conhecidas; GUI central: escolha os recursos a serem calculados no diretório de imagens; GUI certo: escolha o erro quadrado médio de raiz ponderada (WRMSE) para identificar o mínimo. WRMSE e a melhor correlação entre qualquer recurso de imagem e a concentração celular. <a href="https://www.jove.com/files/ftp_upload/57823/57823fig1alarge.jpg" target="_blank">Clique aqui para ver uma versão maior deste número.</a>
<ol start="9"><li>Avalie o experimento da série de diluição.<ol>
<li>Use a ferramenta de calibração de concentração (CoCa) (ver Figura 1)para identificar a correlação ideal entre as características de imagem extraídas (brilho ou nitidez) e as concentrações previamente medidas fornecidas pelo usuário, por exemplo,biomassa seca ou contagem de células. Siga as instruções no manual de software para mais detalhes.</li>
		<li>Identifique a correlação ideal entre as informações extraídas das características da imagem em várias concentrações em comparação com quaisquer medições off-line. Veja a lenda da Figura 1.</li>
		<li>Escolha a lacuna de medição mais razoável e as intensidades do estroboscópio em consideração da curva de correlação de concentração com as características que resultam no menor erro quadrado médio de raiz ponderada (WRMSE). NOTA: A diferença de medição é fixada durante o experimento, enquanto a intensidade do stroboscope pode ser adaptada de acordo com a concentração celular.</li>
	</ol>
</li>
</ol>2. Medição off-line
<ol><li>Ajuste a lacuna de medição desejada de acordo com a etapa 1 com a ajuda de um medidor de espessura.</li>
	<li>Abra a interface gráfica do usuário Controle de Sonda no painel SOPAT.</li>
	<li>Conecte a sonda desejada ao amplificador na subseção de software Ações e pressione Connect.</li>
	
	<li>Pressione o botão Play para começar a transmitir (Live View).</li>
	<li>Limpe a lacuna de medição pulverizando etanol na lacuna e limpe cuidadosamente qualquer poeira ou sujeira com um papel óptico. Verifique se o vidro do sensor está livre de partículas com a visão ao vivo no CamControl. NOTA: Partículas e poeira perturbam as medições e a identificação automática de células.</li>
	<li>Coloque um papel óptico seco na lacuna de medição. Abra o controle da sonda da aba e ajuste a intensidade do stroboscope a fim visualizar o papel. Vire o parafuso de ligação até que as fibras únicas do papel são claramente vistos.</li>
	<li>Encha um tubo com caldo de cultura. Mergulhe o microscópio no caldo de cultura para que a lacuna seja totalmente coberta com suspensão celular. Abra o controle da sonda da aba e ajuste a intensidade desejada do stroboscope de acordo com a seção 1. Concentre-se nas células, ajustando o parafuso de ligação de foco. O foco não deve ser mais alterado durante o experimento NOTA: 5-6 mL de caldo de cultura são adicionados a um tubo cônico centrífuga de 50 mL para flutuar a lacuna de medição suficientemente.</li>
	<li>Defina o número de quadros por ponto de tempo [-] na interface do usuário no menu Desencadeando nos quadros gui por gatilho. Defina o número de quadros para 200 quadros por gatilho. NOTA: O número de quadros pode ser reduzido ao menor valor, o que é necessário para um resultado estatístico confiável. Isso depende do tamanho da amostra necessário para obter uma distribuição representativa do tamanho das células morfológicas (veja também o passo 5).</li>
	<li>Defina a taxa de quadros [Hz] no menu Desencadeando na taxa gui frame. Escolha uma taxa de quadros que garanta que as partículas em movimento de um quadro anterior não aparecerão no quadro a seguir. NOTA: Isso pode ser provado com um gatilho de teste com 200 quadros. Inspecione as imagens para partículas, que são capturadas repetidamente. Se este for o caso, diminuir a taxa de quadros. Para medições off-line, 1 Hz é recomendado.</li>
	<li>Definir o diretório, em que as imagens adquiridas serão salvas, no menu Geral.</li>
	<li>Realize uma aquisição de imagem ativando o botão de aquisição do gatilho de imagem Iniciar. Mova o tubo com suspensão da cultura delicadamente acima e para baixo para induzir um fluxo através da abertura de medição.</li>
	<li>Repita o passo 2.5 após cada medida.</li>
	<li>Verifique as imagens adquiridas. As células têm de ser suficientemente afiadas para a notação. Inspecione as imagens para partículas, que são capturadas repetidamente. Se este for o caso, diminuir a taxa de quadros.</li>
	<li>Salve as configurações selecionando o seguinte caminho: C:\Program Files\SOPAT GmbH\monitoringPrograms\camcontrol, e pressione Save.</li>
</ol>3. Identificação de partículas
<ol><li>Anote partículas para o treinamento da rede neural artificial (ANN) (conjunto de treinamento).<ol>
<li>Carregue as imagens adquiridas na ferramenta de anotação "Fiji, ImageJ" arrastando e soltando o arquivo na janela Principal "ImageJ" (veja GUI "Fiji" ferramenta na Figura 2)</li>
		<li>Abra o Gerente de ROI selecionando: Analise | Ferramentas | Roi Gerente.</li>
		<li>Escolha uma ferramenta de seleção. Ferramenta de varinha (rastreamento), seleções à mão livre, oval ou elípticas são recomendadas.</li>
		<li>Desenhe um círculo em torno da partícula que deve ser anotada com as ferramentas de seleção mencionadas antes e, em seguida, refiná-lo com a ferramenta de pincel.</li>
		<li>Adicione a anotação ao gerente de ROI pressionando Adicionar [t].</li>
		<li>Marque todos os objetos de interesse (células a serem identificadas) em cerca de 15 imagens. NOTA: Para cobrir todas as informações necessárias, ou seja, diferentes formas, tamanhos, concentração de células, brilho, etc., use cinco imagens desde o início, cinco imagens do meio e cinco imagens do final do experimento.</li>
		<li>Decida, se as células precisam ser classificadas em diferentes subclasses devido à sua forma(por exemplo,diferentes fases de um ciclo celular), ou se todas as células são da mesma classe.</li>
		<li>Mude o nome de cada partícula selecionada de acordo. Defina um nome ou abreviação para cada classe e um contador para cada partícula da classe(por exemplo,cell_1, cell_2, etc.). Anote pelo menos 50 partículas por classe.</li>
		<li>Não anote objetos, que não devem ser detectados, porque eles não são relevantes para o processo, como bolhas de gás ou outras partículas como componentes de mídia não dissolvidos. NOTA: Esses eventos não serão incluídos no procedimento de treinamento para o ANN e ser considerado como pano de fundo.</li>
		<li>Não anote as células que estão fora de foco.</li>
		<li>Anote as imagens o mais consistente possível. Se houver dúvidas, o rótulo Ignore pode ser aplicado. É altamente recomendado não abusar de seu uso, uma vez que o ANN só vai reconhecer as estruturas que são rotulados.</li>
	</ol>
</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/57823/57823fig2a.jpg"> Figura 2: Interface do usuário da ferramenta Fiji. Um conjunto de treinamento é criado com as imagens anotadas. Uma anotação manual composta por duas classes é retratada, a lista de partículas anotadas é mostrada no Roi Manager. Diferentes nomes e cores podem ser definidos para diferentes classes. <a href="https://www.jove.com/files/ftp_upload/57823/57823fig3large.jpg" target="_blank">Clique aqui para ver uma versão maior deste número.</a>
<ol start="2"><li>Salve os objetos anotados e a imagem para um formato ZIP e envie o arquivo para a rede de treinamento, seja via upload para a plataforma ou enviando o arquivo ZIP por e-mail. NOTA: Normalmente, é preciso uma série de rodadas de treinamento iterativo para identificar previsões adequadas dos objetos classificados nas imagens. Cada rodada de treinamento leva a um fluxo de trabalho que é devolvido pelo programa.</li>
	<li>Use o fluxo de trabalho (*.wf) com o algoritmo de reconhecimento de objetotreinado para analisar imagens de teste com o lote de dados progredindo no programa Batcher que pode ser iniciado no painel de instrumentos.</li>
	<li>Verifique a detecção de objetos nas imagens de teste através da quantificação de eventos falsos positivos e negativos.<ol>
<li>Quantifique a detecção de eventos falsos positivos: partículas erroneamente detectadas como células, células que não são classificadas corretamente e células das quais o contorno não foi bem identificada.</li>
		<li>Quantificar os falsos eventos negativos (células que não são reconhecidas como tal).</li>
	</ol>
</li>
	<li>Visualize os resultados na ferramenta Resultado analisador, iniciando o programa no painel.<ol>
<li>Importar os arquivos de resultados desejados com arquivo | Arquivo de importação ou arquivo | As pastas de importação.</li>
		<li>Visualize os resultados pelo Gráfico | Criar gráfico nos gráficos GUI.</li>
		<li>Selecione uma das seguintes opções: gráfico de distribuição, trama de sensibilidade, característica ao longo do tempo, característica sobre pontos de pesquisa e recurso vs. recurso. NOTA: Um manual sobre a utilização do Analisador de Resultados vem com o sistema e também está disponível a partir do suporte.</li>
		<li>Se os resultados forem aceitáveis, execute o fluxo de trabalho no Batcher em todas as imagens adquiridas do experimento. Ao mesmo tempo, o programa de monitoramento pode ser criado combinando as configurações salvas do Controlador de Sonda (*.pcfg) com o fluxo de trabalho (*.wf), veja também o manual. NOTA: O fluxo de trabalho também pode ser usado para monitorar futuras experiências para esta mídia cultural.</li>
		<li>Se os resultados não forem aceitáveis, verifique a anotação no conjunto de treinamento e/ou continue com outra rodada de treinamento iterativo (ver passo 4.2).</li>
	</ol>
</li>
</ol>4. Quantificação do tamanho da amostra
<ol><li>Defina o desvio padrão (σ), que é aceitável entre as partículas detectadas. NOTA: O desvio padrão muda em paralelo com a homogeneidade do tamanho celular. O desvio padrão máximo indica a amostra com o maior grau de heterogeneidade de tamanho.</li>
	<li>Defina a amplitude do intervalo de confiança ou a precisão desejada em relação à variação esperada das medições (e).</li>
	<li>Definir o erro admitido (α) entre 5% (z1-α/2 = 1,96) e 10% (z1-α/2 = 1,64).</li>
	<li>Calcule o número de células a serem identificadas a partir de cada classe a partir da equação 1. <img alt="Equation 1" src="/files/ftp_upload/57823/57823eq1.jpg">[Equação 1] NOTA: Com base no número de células, o número de imagens que precisam ser adquiridas pode ser definido para cada ponto de dados.</li>
	<li>Realize uma análise de sensibilidade em pontos de tempo aleatórios do experimento para verificar se a análise de partículas n leva a uma variabilidade do diâmetro médio de Feret e do Dv90 de menos de 5%. Ele pode ser calculado automaticamente no Analisador de Resultados.</li>
</ol>5. On-line (By-Pass) ou em linha de medição
<ol><li>Realize o procedimento de medição off-line primeiro (ver passo 2), a fim de definir as configurações de hardware e software em função do organismo e do processo (concentração ou mídia).</li>
	<li>Faça o upload das configurações salvas da seção anterior, selecionando o botão Load e selecione o seguinte caminho: C:\Program Files\SOPAT GmbH\monitoringPrograms\camcontrol.</li>
	<li>Conecte a sonda à célula de fluxo ou ao biorreator. NOTA: Medições in situ podem ser realizadas com uma pitada flange.</li>
	<li>Realizar esterilização. NOTA: Apenas o material sonda-wetted do instrumento é esterilizável através da esterilização a vapor. O comprimento do tinque da ponta de prova pode ir de 6 a 222 milímetros(figura 3).</li>
</ol><img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/57823/57823fig3a.jpg"> Figura 3: Esboço dos dispositivos ISM. A sonda MM-Ho (A)é instalada diretamente no biorreator, enquanto a sonda MM 2.1(B)pode ser usada como passagem suplementar. A circulação do caldo de cultura é marcada com setas em cada imagem. Os fatores de conversão são 0,166 μm pix-1 para MM-Ho e 0,087 μm pix-1 para MM 2.1. <a href="https://www.jove.com/files/ftp_upload/57823/57823fig2large.jpg" target="_blank">Clique aqui para ver uma versão maior deste número.</a>
<ol start="5"><li>Defina a taxa de aquisição de imagem no gui desencadeando no intervalo de gatilho de campo . NOTA: Dependendo da dinâmica do processo, a taxa de aquisição de imagem pode ser adaptada. Por exemplo, se for esperada uma fase de atraso de 3 horas, a taxa de aquisição pode ser menor do que se uma mudança de metabolismo ou o acúmulo de um produto for monitorado. Normalmente, isso requer um tempo de aquisição muito mais curto na faixa de minutos. Por exemplo, uma sequência de aquisição de imagem entre 5 e 10 min durante um lote de cultivo de levedura fornece informações suficientes para capturar a dinâmica do processo.</li>
	<li>Defina a taxa de quadros, conforme explicado na etapa 2.10. NOTA: Em medições on-line e em linha, a taxa de quadros pode ser aumentada, uma vez que a agitação mecânica pode aumentar a taxa de fluxo através da lacuna.</li>
	<li>Iniciar a aquisição de imagem ativando o botão Iniciar streaming de sonda selecionada.</li>
	<li>Pare de aquisição quando o experimento for concluído com o botão Stop streaming da sonda selecionada. NOTA: Para a1ª corrida, inicie a aquisição pouco antes da inoculação da cultura e prossiga para o passo 4. Para as seguintes corridas, abra o programa de monitoramento no painel e selecione o fluxo de trabalho criado (ver passo 4). Comece o monitoramento pouco antes da inoculação da cultura pressionando o botão Play.</li>
</ol>

<ol><li>Maaß, S., Rojahn, J., Hänsch, R., Kraume, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+drop+detection+using+image+analysis+for+online+particle+size+monitoring+in+multiphase+systems%5BTitle%5D)+AND+%22Computers+%26+Chemical+Engineering%22%5BJournal%5D)">Automated drop detection using image analysis for online particle size monitoring in multiphase systems.</a> Computers & Chemical Engineering. 45, 27-37 (2012).</li>
<li>Lemoine, A., Delvigne, F., Bockisch, A., Neubauer, P., Junne, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tools+for+the+determination+of+population+heterogeneity+caused+by+inhomogeneous+cultivation+conditions%5BTitle%5D)+AND+%22Journal+of+biotechnology%22%5BJournal%5D)">Tools for the determination of population heterogeneity caused by inhomogeneous cultivation conditions.</a> Journal of biotechnology. 251, 84-93 (2017).</li>
<li>Marbà-Ardébol, A. M., Bockisch, A., Neubauer, P., Junne, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sterol+synthesis+and+cell+size+distribution+under+oscillatory+growth+conditions+in+Saccharomyces+cerevisiae+scale-down+cultivations%5BTitle%5D)+AND+%22Yeast%22%5BJournal%5D)">Sterol synthesis and cell size distribution under oscillatory growth conditions in Saccharomyces cerevisiae scale-down cultivations.</a> Yeast. 35 (2), 213-223 (2017).</li>
<li>Xiao, Y., Bowen, C. H., Liu, D., Zhang, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exploiting+nongenetic+cell-to-cell+variation+for+enhanced+biosynthesis%5BTitle%5D)+AND+%22Nature+chemical+biology%22%5BJournal%5D)">Exploiting nongenetic cell-to-cell variation for enhanced biosynthesis.</a> Nature chemical biology. 12 (5), 339-344 (2016).</li>
<li>Beutel, S., Henkel, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+situ+sensor+techniques+in+modern+bioprocess+monitoring%5BTitle%5D)+AND+%22Applied+microbiology+and+biotechnology%22%5BJournal%5D)">In situ sensor techniques in modern bioprocess monitoring.</a> Applied microbiology and biotechnology. 91 (6), 1493(2011).</li>
<li>Belini, V. L., Wiedemann, P., Suhr, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+situ+microscopy%3A+A+perspective+for+industrial+bioethanol+production+monitoring%5BTitle%5D)+AND+%22Journal+of+microbiological+methods%22%5BJournal%5D)">In situ microscopy: A perspective for industrial bioethanol production monitoring.</a> Journal of microbiological methods. 93 (3), 224-232 (2013).</li>
<li>Havlik, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Monitoring+of+microalgal+cultivations+with+on-line%2C+flow-through+microscopy%5BTitle%5D)+AND+%22Algal+Research%22%5BJournal%5D)">Monitoring of microalgal cultivations with on-line, flow-through microscopy.</a> Algal Research. 2 (3), 253-257 (2013).</li>
<li>Suhr, H., Herkommer, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+situ+microscopy+using+adjustment-free+optics%5BTitle%5D)+AND+%22Journal+of+biomedical+optics%22%5BJournal%5D)">In situ microscopy using adjustment-free optics.</a> Journal of biomedical optics. 20 (11), 116007(2015).</li>
<li>Panckow, R. P., Reinecke, L., Cuellar, M. C., Maaß, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Photo-Optical+In-Situ+Measurement+of+Drop+Size+Distributions%3A+Applications+in+Research+and+Industry%5BTitle%5D)+AND+%22Oil+Gas+Sci.+Technol.+-+Rev.+IFP+Energies%22%5BJournal%5D)">Photo-Optical In-Situ Measurement of Drop Size Distributions: Applications in Research and Industry.</a> Oil Gas Sci. Technol. - Rev. IFP Energies. 72 (3), 14(2017).</li>
<li>Marbà-Ardébol, A. -M., Emmerich, J., Neubauer, P., Junne, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Single-cell-based+monitoring+of+fatty+acid+accumulation+in+Crypthecodinium+cohnii+with+three-dimensional+holographic+and+in+situ+microscopy%5BTitle%5D)+AND+%22Process+Biochemistry%22%5BJournal%5D)">Single-cell-based monitoring of fatty acid accumulation in Crypthecodinium cohnii with three-dimensional holographic and in situ microscopy.</a> Process Biochemistry. 52, 223-232 (2017).</li>
<li>Porro, D., Vai, M., Vanoni, M., Alberghina, L., Hatzis, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+and+modeling+of+growing+budding+yeast+populations+at+the+single+cell+level%5BTitle%5D)+AND+%22Cytometry.+Part+A+%3A+the+journal+of+the+International+Society+for+Analytical+Cytology%22%5BJournal%5D)">Analysis and modeling of growing budding yeast populations at the single cell level.</a> Cytometry. Part A : the journal of the International Society for Analytical Cytology. 75 (2), 114-120 (2009).</li>
<li>Brauer, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coordination+of+growth+rate%2C+cell+cycle%2C+stress+response%2C+and+metabolic+activity+in+yeast%5BTitle%5D)+AND+%22Molecular+biology+of+the+cell%22%5BJournal%5D)">Coordination of growth rate, cell cycle, stress response, and metabolic activity in yeast.</a> Molecular biology of the cell. 19 (1), 352-367 (2008).</li>
<li>Puxbaum, V., Gasser, B., Mattanovich, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+bud+tip+is+the+cellular+hot+spot+of+protein+secretion+in+yeasts%5BTitle%5D)+AND+%22Applied+microbiology+and+biotechnology%22%5BJournal%5D)">The bud tip is the cellular hot spot of protein secretion in yeasts.</a> Applied microbiology and biotechnology. 100 (18), 8159-8168 (2016).</li>
<li>Marbà-Ardébol, A. M., Emmerich, J., Neubauer, P., Junne, S. Vol. P2. Prozessmesstechnik. 13. Dresdner Sensor-Symposium 201, Hotel Elbflorenz, Dresden, , 222-225 (2017).</li>
<li>Marbà-Ardébol, A. -M., Emmerich, J., Muthig, M., Neubauer, P., Junne, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+monitoring+of+the+budding+index+in+Saccharomyces+cerevisiae+batch+cultivations+with+in+situ+microscopy%5BTitle%5D)+AND+%22Microbial+cell+factories%22%5BJournal%5D)">Real-time monitoring of the budding index in Saccharomyces cerevisiae batch cultivations with in situ microscopy.</a> Microbial cell factories. 17 (1), 73(2018).</li>
<li>Marquard, D., Schneider-Barthold, C., Düsterloh, S., Scheper, T., Lindner, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Online+monitoring+of+cell+concentration+in+high+cell+density+Escherichia+coli+cultivations+using+in+situ+Microscopy%5BTitle%5D)+AND+%22Journal+of+biotechnology%22%5BJournal%5D)">Online monitoring of cell concentration in high cell density Escherichia coli cultivations using in situ Microscopy.</a> Journal of biotechnology. 259, 83-85 (2017).</li>
<li>Marquard, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+situ+microscopy+for+online+monitoring+of+cell+concentration+in+Pichia+pastoris+cultivations%5BTitle%5D)+AND+%22Journal+of+biotechnology%22%5BJournal%5D)">In situ microscopy for online monitoring of cell concentration in Pichia pastoris cultivations.</a> Journal of biotechnology. 234, 90-98 (2016).</li>
<li>Camisard, V., Brienne, J., Baussart, H., Hammann, J., Suhr, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inline+characterization+of+cell+concentration+and+cell+volume+in+agitated+bioreactors+using+in+situ+microscopy%3A+application+to+volume+variation+induced+by+osmotic+stress%5BTitle%5D)+AND+%22Biotechnology+and+bioengineering%22%5BJournal%5D)">Inline characterization of cell concentration and cell volume in agitated bioreactors using in situ microscopy: application to volume variation induced by osmotic stress.</a> Biotechnology and bioengineering. 78 (1), 73-80 (2002).</li>
<li>Böhm, A., Ücker, A., Jäger, T., Ronneberger, O., Falk, T. ISOODL: Instance segmentation of overlapping biological objects using deep learning. 2018 IEEE 15th International Symposium on Biomedical Imaging, , 1225-1229 (2018).</li>
<li>Davey, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Life%2C+Death%2C+and+In-Between%3A+Meanings+and+Methods+in+Microbiology%5BTitle%5D)+AND+%22Applied+and+environmental+microbiology%22%5BJournal%5D)">Life, Death, and In-Between: Meanings and Methods in Microbiology.</a> Applied and environmental microbiology. 77 (16), 5571-5576 (2011).</li>
<li>Lodolo, E. J., Kock, J. L., Axcell, B. C., Brooks, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+yeast+Saccharomyces+cerevisiae-the+main+character+in+beer+brewing%5BTitle%5D)+AND+%22FEMS+yeast+research%22%5BJournal%5D)">The yeast Saccharomyces cerevisiae-the main character in beer brewing.</a> FEMS yeast research. 8 (7), 1018-1036 (2008).</li>
<li>Albertin, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population+size+drives+industrial+Saccharomyces+cerevisiae.+alcoholic+fermentation+and+is+under+genetic+control%5BTitle%5D)+AND+%22Applied+and+environmental+microbiology%22%5BJournal%5D)">Population size drives industrial Saccharomyces cerevisiae. alcoholic fermentation and is under genetic control.</a> Applied and environmental microbiology. 77 (8), 2772-2784 (2011).</li>
<li>Gomes, J., Chopda, V. R., Rathore, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integrating+systems+analysis+and+control+for+implementing+process+analytical+technology+in+bioprocess+development%5BTitle%5D)+AND+%22Journal+of+Chemical+Technology+and+Biotechnology%22%5BJournal%5D)">Integrating systems analysis and control for implementing process analytical technology in bioprocess development.</a> Journal of Chemical Technology and Biotechnology. 90 (4), 583-589 (2015).</li>
</ol>

Os autores não têm nada a declarar.

O ISM apresentado aqui com os mesmos ou dispositivos muito semelhantes foi usado para medir a dinâmica morfológica de fungos, microalgas e células de levedura, o que possibilitou a determinação da atividade de crescimento e, em caso de algas, acúmulo de produtos intracelulares. O sensor não tem peças móveis e é diretamente aplicável em qualquer biorreator de tanque mexido padrão, seja através de uma porta padrão ou em um desvio estéril. Desde que o fermento é muito menor do que algas, a redução no tamanho da pilha exigiu...

Características morfológicas das células são muitas vezes relacionadas ao estado fisiológico, uma conexão entre forma e função existe para muitas aplicações. A morfologia de uma única célula é influenciada pelo estado de crescimento, idade da célula, estresses ómóticos e outras células potenciais ou acúmulo de produtos. As mudanças morfológicas das células são muitas vezes uma medida da vitalidade do crescimento de uma cultura. Síntese de produtos intracelulares, acúmulo de lipídios em algas e formação corporal de inclusão em bactérias, entre outras, estão relacionados com o tamanho celular também. Aglomeração celular pode ser outro fator que vale a pena investigar como resumido recentemente2.
As heterogeneidades populacionais podem ser quantificadas com base em características morfológicas das células individuais. Estudos mostraram que a heterogeneidade dentro de uma cultura pode ser significativa, por exemplo,condições de produção em larga escala3 o rendimento global pode ser afetado por um baixo desempenho de subpopulações4.
Normalmente, a avaliação das características morfológicas das células é realizada por amostragem manual ou com uma câmara de fluxo de passagem acoplada a um dispositivo foto-óptico. Isso leva a várias restrições: a quantidade limitada de dados adquiridos dificilmente pode fornecer medições estatisticamente confiáveis; o atraso de tempo entre a amostragem e a acessibilidade dos resultados pode ser muito longo em comparação com a dinâmica do processo; e mais importante, o procedimento de amostragem (localização da porta de amostragem, pré-tratamento da amostra antes da medição, condições desfavoráveis no tubo de amostragem ou bypass) pode desencadear um erro tendencioso, pois o procedimento de amostra em si já pode afetar a célula Morfologia. Finalmente, existe sempre um alto risco de contaminação durante a amostragem ou em soluções de passagem suplementar, se eles não são esterilizáveis no lugar.
A aplicação da microscopia in situ (ISM) pode contornar vários desses problemas. Se as células forem detectadas automaticamente, uma identificação correta de suas características morfológicas pode ser pesquisada5. Até agora, as principais limitações deste método eram (i) o tempo de avaliação das imagens, que era muito longa para aplicações in situ, e (ii) a má resolução de imagens, especialmente em altas densidades celulares. Embora as primeiras soluções do ISM incluíssem amostragem mecânica, diluição da sonda, ou foram restritas a um sistema de passagem suplementar6,7,outras abordagens permitem a captura da suspensão celular diretamente8.
Os recentes avanços no ISM permitem o monitoramento em linha ou on-line das células em uma base unicelular, o que fornece a distribuição de parâmetros morfológicos em tempo real diretamente em suspensões celulares em concentrações de células consideravelmente altas. Através de análises off-line dos parâmetros-chave das células, correlações com informações fornecidas pela detecção automatizada de células acoplada e ISM podem ser identificadas. Em seguida, novos projetos de sensores macios são alcançados, nos quais um parâmetro incomensurável é estimado com a morfologia unicelular.
Neste relatório, o ISM é conduzido acoplásse uma sonda foto-óptica a uma análise de imagem automatizada. O ISM consiste em uma sonda de sensor de haste única que permite a captura de imagens dentro de uma faixa de foco conhecida em uma lacuna de medição ajustável com uma câmera CCD de alta resolução [MM-Ho = CCD GT2750 (2750x2200) e MM 2.1 = CMOS G507c (2464x2056)]. A iluminação da luz flash é conduzida pela transmissão. Portanto, a luz se origina do lado oposto da câmera9 e sua intensidade pode ser ajustada. As células passam continuamente por essa lacuna com o fluxo líquido. Assim, uma população representativa da amostra é obtida. A sonda pode ser montada diretamente para o biorreator para que ele atinja a suspensão celular, ou pode ser usado em um desvio estéril. A casca do sensor é conectada ao sistema antes da esterilização, as peças ópticas são montadas mais tarde no escudo.
Até agora, os microorganismos industriais relevantes, por exemplo,fungos filamentosos (diâmetro de até mais de 200 μm), as microalgas heterotróficas Crypthecodinium cohnii (diâmetro médio celular de 20 μm), e o fermento Saccharomyces cerevisiae (diâmetro médio celular de 5 μm), foram investigados com este ou dispositivos similares, o que é mal descrito.
Fungos filamentosos tendem a formar pelotas certas condições de cultivo. Estes são de um tamanho de até várias centenas de μm. A híha das células fúngicas desenvolve diferentes comprimentos na dependência do estresse hidrodinâmico na fase de fluido. Isso tem uma influência sobre a atividade metabólica e de crescimento, captação de substratos e liberação de produtos. O ISM foi aplicado para identificar a distribuição do tamanho da pelota e a largura das zonas de menor densidade de biomassa nas bordas das pelotas (dados não publicados próprios).
O tamanho de C. cohnii altera entre 15 e 26 μm quando as células acumulam o ácido graxo poliinsaturado ácido graxo ácido docosahexaenóico (DHA) limitação de nitrogênio. Este processo de produção de DHA biotecnológico consiste em duas partes, a fase de crescimento, em que as células se dividem e se tornam menores, e a fase de produção, na qual as células acumulam o produto e, assim, tornam-se maiores. Portanto, o tamanho da célula foi usado para determinar o estado do processo, no qual o crescimento ou a produção de DHA foram favoráveis. Finalmente, uma correlação entre o tamanho da célula e o conteúdo dha foi encontrada. Neste caso, o ISM permite monitorar o acúmulo intracelular de DHA em tempo real sem a exigência de amostragem, interrupção celular e a análise de cromatografia a gás comum10.
O fermento de brotamento é geralmente de um tamanho entre 3 e 8 μm. A proporção de células que estão no estado de maturação de cada vez, conforme descrito com o índice de brotamento (BI), fornece informações sobre a vitalidade de crescimento11,12, e até mesmo uma relação com a secreção de proteína recombinante foi comprovada13. Com a ajuda do ISM, as células de levedura em ascensão e não brotamento (células com e sem um broto) foram distinguidas14. As condições de estresse também podem levar a uma variação mais ampla do tamanho da célula dentro de uma população de levedura, como recentemente mostrado em cultivos em escala para baixo, em que as condições de cultivos em lote alimentado em grande escala limitados por nutrientes foram imitadas3.
Portanto, o ISM tem o potencial de monitorar a vitalidade do crescimento e a formação de produtos em um nível unicelular durante todas as etapas de um bioprocesso para a identificação de condições ideais de cultivo, ou para fins de controle de processos. Os métodos descritos aqui estão focados em aplicações microbianas com células únicas, mas também são aplicáveis a partículas maiores, como células humanas e animais, aglomeradas celulares e pelotas de organismos filamentosos.

<table><tbody><tr><td>Sensor MM 2.1 - MFC</td><td>SOPAT GmbH, Alemanha</td><td>n.a.Sonda</td> <td>microscópica monocular em linha Versão 2.1 com um software Mirco Flow</td></tr><tr><td>Cell versão v1R.003.0092</td><td>SOPAT GmbH, Alemanha</td><td>n.a.Medidor</td><td></td></tr> <tr><td>de espessura</td><td>n.n.Pode</td><td></td> <td>ser qualquer fornecedor, DIN 2275:2014-03</td></tr><tr><td>Etanol 70%</td><td>n.n.Pode</td><td></td> <td>ser qualquer fornecedor</td></tr><tr><td>Manual SOPAT Versão 2.0.5</td><td>SOPAT GmbH, Alemanha</td><td></td><td></td></tr><tr><td>Papel para lentes ópticas</td><td>VWR</td><td>470150-460</td><td></td></tr><tr><td>Fiji, ImageJ</td><td>tubos</td> de centrífuga cônicos de <td></td><td></td></tr><tr><td>código aberto de 50 mL</td><td>Pode ser qualquer fornecedor</td><td></td><td></td></tr></tbody></table>

em situ microscopia para determinação em tempo real da morfologia unicelular em bioprocessos

In Situ Microscopy for Real-time Determination of Single-cell Morphology in Bioprocesses

O monitoramento in situ em bioprocessos microbianos é restrito principalmente a propriedades químicas e físicas do meio(por exemplo,valor do pH e concentração de oxigênio dissolvido). No entanto, a morfologia das células pode ser um indicador adequado para condições ideais, uma vez que muda com a dependência do estado de crescimento, acumulação de produtos e estresse celular. Além disso, a distribuição de tamanho unicelular fornece não apenas informações sobre as condições de cultivo, mas também sobre a heterogeneidade populacional. Para obter tais informações, foi desenvolvido um dispositivo de microscopia in situ foto-óptica1 para permitir o monitoramento da distribuição de tamanho unicelular diretamente na suspensão celular em biorreatores. Uma análise de imagem automatizada é acoplada à microscopia baseada em um modelo neural da rede, que seja treinado com imagens usuário-anotadas. Vários parâmetros, que são obtidos a partir das capturas do microscópio, estão correlacionados ao processo de características relevantes das células, como sua atividade metabólica. Até agora, a série apresentada da ponta de prova da microscopia do in situ foi aplicada para medir o tamanho da pelota em suspensões filamentous dos fungos. Foi usado para distinguir o tamanho unicelular no cultivo de microalgas e relacioná-lo ao acúmulo de lipídios. A forma de partículas celulares foi relacionada ao brotamento em culturas do fermento. A análise da microscopia pode ser geralmente dividida em três etapas: (i) aquisição de imagem, (ii) identificação de partículas e (iii) análise de dados, respectivamente. Todas as etapas devem ser adaptadas ao organismo e, portanto, são necessárias informações anotadas específicas para alcançar resultados confiáveis. A capacidade de monitorar as mudanças na morfologia celular diretamente em linha ou on-line (em um desvio) permite valores em tempo real para monitoramento e controle, no desenvolvimento de processos, bem como na escala de produção. Se os dados off-line se correlacionarem com os dados em tempo real, as medições off-line tediosas atuais com influências desconhecidas no tamanho da célula se tornam desnecessárias.

A detecção do tamanho da pilha em culturas do fermento com o ISM e a deteção automatizada da imagem para distinguir entre pilhas de brotamento e non-budding foi conduzida com sucesso. Tanto a intensidade do stroboscope quanto a escolha da lacuna de medição têm uma gama de tolerância, na qual a identificação de partículas não é afetada. Por exemplo, as células de S. cerevisiae foram medidas com várias intensidades de estóscópio dentro de uma faixa de variação de 11% em uma concent...

Um dispositivo de microscopia in situ foto-óptico foi desenvolvido para monitorar o tamanho de células individuais diretamente na suspensão celular. A medição em tempo real é conduzida aparando a sonda esterilizável foto-óptica a uma análise de imagem automatizada. Mudanças morfológicas aparecem com dependência do estado de crescimento e das condições de cultivo.

Em Situ Microscopia para determinação em tempo real da morfologia unicelular em bioprocessos

In situ monitoring in microbial bioprocesses is mostly restricted to chemical and physical properties of the medium (e.g.,pH value and the dissolved ...

Esse método pode ajudar a responder a questões-chave da heterogeneidade populacional através da avaliação morfológica das células. A microscopia in situ permite estudar condições de cultivo, rendimentos de processos e qualidade do produto. A principal vantagem dessa técnica é uma medição in situ, que fornece dados em tempo real sem amostragem ou trazendo risco de contaminação.A microscopia in situ acoplada ao reconhecimento automatizado de imagens pode fornecer informações adicionais sobre estruturas celulares, forma e aglomeração celular além do tamanho. Também é possível medir concentrações celulares. O método provou ser uma ferramenta confiável.Nenhum método alternativo fornece as mesmas informações em tão pouco tempo e baixo esforço para a preparação da amostra. O método foi adaptado a vários bioprocessos e microrganismos, fungos filamentosos seg, micro-alergia e levedura. A sonda é usada em conjunto com um computador.O hardware consiste em uma única sonda de haste com uma câmera CCD de alta resolução. As células que passam por uma lacuna de medição ajustável são imagens pela câmera. A luz entra na abertura em frente à câmera, o que significa que a iluminação é por transmissão.Defina os parâmetros de hardware usando concentrações de células que abrangem o alcance esperado. Comece a fazer preparações para medições offline. Use um medidor de espessura para ajustar a lacuna de medição.Em seguida, gire a porca do parafuso da sonda para definir a lacuna de medição para cinco ou dez vezes o diâmetro máximo esperado da célula. No computador, abra o software do controlador de sonda. No software, selecione a sonda desejada e vá para as ações de seção.Em seguida, pressione Connect. Em seguida, vá para a guia Controle da sonda e abra-a. Inicie a transmissão de vídeo pressionando o botão de reprodução.Corrija a sonda em um tripé e execute as seguintes etapas para cada medição. Trabalhe com a sonda e pulverize o etanol na abertura de medição. Limpe cuidadosamente qualquer poeira ou sujeira com papel óptico.No computador, use a visão ao vivo para verificar se o vidro do sensor está livre de partículas. Em seguida, coloque um papel óptico seco na abertura de medição para o foco. Gire o parafuso de ligação para mover o foco manualmente.Pare de se concentrar quando as fibras únicas do papel na lacuna de medição forem claramente vistas. Agora, pegue um tubo cheio de caldo de cultura. Mergulhe o microscópio no caldo, para que a lacuna esteja totalmente coberta com suspensão celular.Use os parafusos de ligação para ajustar o foco nas células. Uma vez que este foco é feito, não alterá-lo novamente durante o experimento. Retorne ao software para o experimento.Vá para o menu Triggering. No menu Acionamento, defina a taxa de quadros. Um hertz é recomendado para medições offline.A partir daí, vá para o campo Frames Per Trigger e defina-o conforme necessário para boas estatísticas. Aqui, cerca de 200. Além disso, vá para o menu Geral.Lá, selecione o diretório em que as imagens serão salvas. Inicie a aquisição de imagens com o botão Iniciar Imagem Trigger Acquisition Acquisition. Mova suavemente o tubo para induzir o fluxo na abertura de medição.Use as imagens da primeira execução do experimento como um conjunto de treinamento. Tenha o software de código aberto Fiji pronto e solte as imagens do experimento em sua janela. Quando terminar, selecione Analisar, seguido por Ferramentas, depois ROI Manager.Em seguida, escolha uma ferramenta de seleção. Na imagem, decida sobre uma partícula para anotar que está em foco. Desenhe um círculo em torno dele com a ferramenta de seleção.Pressione Adicionar para adicionar a anotação ao gerenciador de ROI. Em seguida, selecione uma ferramenta de escova e escolha um tamanho de pixel apropriado. Use a ferramenta de escova para refinar a seleção.Continue marcando todos os objetos de interesse da mesma forma em cerca de 15 imagens. Salve os arquivos anotados e use-os como um conjunto de treinamento. Quando o algoritmo de reconhecimento estiver treinado e pronto, use-o para visualizar resultados.No Analisador de Resultados, vá para Arquivo, seguido de Arquivo de Importação. Lá, selecione o arquivo de resultados desejado. Continue pressionando o botão Criar gráfico.Selecione o gráfico de distribuição. Isso mostrará a distribuição morfológica da cultura. Retorne ao Gráfico de Criação para selecionar o Plot de Sensibilidade.As informações exibidas podem ajudar a determinar quantas células devem ser analisadas para obter a precisão desejada. Realize medições on-line após concluir medições offline. Para medições on-line, conecte a sonda diretamente a um bioreator.Uma vez conectado, esterilize corretamente o conjunto. Selecione Monitoramento no painel. Há um botão de reprodução para iniciar a aquisição de imagens e um botão stop para termetá-lo.Pressione o botão de reprodução. No bioreator, inicie a inoculação da cultura. A câmera capturará o vídeo das células e as identificará automaticamente para análise.O monitoramento fornece dados on-line de tamanhos celulares e formas de diferentes morfologias celulares durante toda a fermentação. Os resultados em tempo real podem ser formatados de várias formas e também exportados para análise suplementar. Este enredo de distribuições cumulativas do diâmetro da célula S.Cerevisiae é criado a partir de dados analisados utilizando essa técnica.Ele demonstra que o reconhecimento automático de células é capaz de distinguir células brotantes e não brotantes. A curva sólida é a distribuição durante um cultivo de três horas. A curva pontilhada é a distribuição do mesmo cultivo em sete horas.A curva tracejada representa dados coletados às 13 horas. O procedimento de anotação é demorado, mas é a chave para alcançar a precisão desejada para a identificação celular. Com este procedimento, se os tempos de medição forem menores do que a dinâmica do processo, a medição em tempo real poderá ser usada para o controle de processos.Essa técnica abre caminho para o uso da medição da heterogeneidade populacional como parâmetro de processo para cultivos microbianos desde as primeiras etapas de desenvolvimento de processos até a escala de produção.

in-situ-microscopy-for-real-time-determination-single-cell-morphology

Research

JoVE Journal

Bioengineering

Bioengenharia

Aqui demonstramos os protocolos para a realização de uma única molécula de microscopia de fluorescência em células vivas de bactérias para habilitar funcionais complexos moleculares a serem detectados, rastreados e quantificados.

Visualizando Único complexos moleculares In Vivo Usando microscopia de fluorescência avançada

Em muitas situações biológicas e clínicas, é vantajoso para estudar os processos celulares como eles evoluem no seu microambiente nativa. Aqui, descrevemos a montagem e uso de um microscópio de baixo custo de fibra óptica que pode fornecer imagens em tempo real em cultura de células, estudos em animais e estudos clínicos do paciente.

De alta resolução de fibra óptica para Microendoscopy In situ Celular imagem

Fonte: Brzozowski, R. S. et al. Microscopia de fluorescência de células vivas para investigar a localização de proteínas subcelulares e as alterações na morfologia celular em bactérias. J. Vis. Exp. (2019)Este vídeo demonstra microscopia de fluorescência de células vivas para visualizar mudanças morfológicas em tempo real nas bactérias. Ele descreve as etapas envolvidas na imagem, aquisição em time-lapse e deconvolução para obter imagens de alta resolução em tempo real.

Imagens de Mudanças Morfológicas em Bactérias usando Microscopia de Fluorescência de Células Vivas

Neste protocolo, é introduzida a fabricação, configuração e operação básica de um biorreator picoliter microfluídico (PLBR) para análise de célula única de microrganismos procarióticos. Microrganismos industrialmente relevantes foram analisados como prova de princípio, permitindo insights sobre taxa de crescimento, morfologia e heterogeneidade fenotípica ao longo de certos períodos de tempo, dificilmente possíveis com métodos convencionais.

Biorreator Picoliter Microfluídico para Análise Microbiana de Célula Única: Fabricação, Configuração do Sistema e Operação

Aqui descrevemos um procedimento para imagem de complexos virais em liquidez em resolução de nanômetros usando um microscópio eletrônico de transmissão.

In situ TEM de Assembleias Biológicas em Líquido

Estudos de biomoléculas in vivo são cruciais para a compreensão da função molecular em um contexto biológico. Aqui descrevemos um novo método que permite a internalização de biomoléculas fluorescentes, como DNA ou proteínas, em microrganismos vivos. A análise de dados in vivo registrados por microscopia de fluorescência também é apresentada e discutida.

Internalização e Observação de Fluorescent Biomoléculas em microorganismos vivos via Eletroporação

A microrreologia de rastreamento de partículas investiga a viscoelasticidade dos materiais. Aqui, a técnica é usada para determinar a viscoelasticidade, a fluência e as funções efetivas de reticulação de diferentes componentes da matriz de um biofilme bacteriano. A matriz consiste em substâncias poliméricas secretadas pela bactéria e seus componentes determinam a estrutura do biofilme e as propriedades mecânicas.

Em Situ Mapeamento das propriedades mecânicas de biofilmes por de rastreamento de partículas Microrheology

Este artigo fornece um guia passo a passo para investigar a dinâmica de localização subcelular de proteínas e monitorar mudanças morfológicas usando microscopia de fluorescência de alta resolução em Bacillus subtilis e Staphylococcus aureus.

Microscopia de Fluorescência de células vivas para investigar a localização de proteínas subcelulares e alterações da morfologia celular nas bactérias

Este protocolo explica como preparar e montar amostras bacterianas para imagens tridimensionais vivas e como reconstruir a forma tridimensional de E. coli a partir dessas imagens.

Imagem tridimensional de células bacterianas para representações celulares precisas e localização precisa de proteínas

A imagem de células bacterianas é uma abordagem de biologia de sistemas emergentes focada na definição de processos estáticos e dinâmicos que ditam a função de grandes máquinas macromoleculares. Aqui, a integração da imagem quantitativa de células vivas e tomografia crio-elétron é usada para estudar a arquitetura e funções do sistema de secreção legionella tipo IV.

Aplicando imagens de células vivas e tomografia crio-elétron para resolver características espaciales do Sistema de Secreção Legionella pneumophila Dot/ICM

A tomografia crio-STEM fornece um meio de visualizar organelas de células intactas sem incorporação, seccionamento ou outras preparações invasivas. A resolução 3D obtida está atualmente na faixa de poucos nanômetros, com um campo de visão de vários micrômetros e uma espessura acessível na ordem de 1 μm.

Visualização de Organelas In Situ por Tomografia Crio-STEM

Aprenda microscopia in situ para avaliar a morfologia unicelular em tempo real em bioprocessos. Este método permite monitorar tamanho, forma e aglomeração celular sem risco de contaminação.

Em Situ Microscopia para determinação em tempo real da morfologia unicelular em bioprocessos

Explorar mais vídeos