Name: Identificação Automática de Ramos Dendráticos e sua Orientação (Vídeo) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: Aprenda a usar a ferramenta computacional SOA para análise automatizada de redes dendríticas em imagens de fluorescência 2D. Este método permite extrair dados morfológicos e classificar padrões de crescimento neuronal de forma rápida e eficiente.

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 gostariam de agradecer ao Dr. Orly Weiss pela preparação das imagens culturais.

NOTA: O Ministério da Saúde israelense aprovou o uso de camundongos sob o protocolo IL-218-01-21 para o uso ético de animais experimentais. O SOA só é compatível com o Windows 10 e o Python 3.9. Está disponível como um código de código aberto: https://github.com/inbar2748/DendriteProject. Neste link, há também uma README. Arquivo DM que tem instruções para baixar o software, um link para o site do software e um arquivo de requisitos contendo informações sobre as versões necessárias de todos os pacotes. Outros exemplos de análises realizadas utilizando o software também foram fornecidos lá.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> Figura 1: Fluxo de trabalho SOA para segmentação e análise de direção de crescimento. São mostradas as etapas de processamento de imagens fluorescentes de redes dendríticas e análise de dados. A imagem 2D é carregada, segmentada (em duas etapas: ramos dendráticos são detectados como linhas e, em seguida, as linhas relevantes são mescladas), e as informações espaciais de cada ramo dendrático são obtidas. Os dados são coletados para todos os ramos dendráticos da imagem. Por fim, os dados são analisados para dar os parâmetros morfológicos desejados. Abreviação: SOA = segmentação e análise de orientação. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
1. Abra o aplicativo SOA.
<ol><li>Abra o endereço de URL: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA, encontre a pasta com zíper .ZIP SOA e baixe o arquivo ZIP clicando duas vezes.</li>
	<li>Descompacte a pasta clicando com o botão direito do mouse no SOA.zip e escolha Extrair arquivos. Observe a janela Caminho de Extração e Opções que abre e a caixa de texto Endereço de Destino que exibe o caminho para os arquivos extraídos. Para extrair para um local diferente, clique em uma das pastas no painel direito da janela para torná-la a pasta de destino. Clique em OK para extrair os arquivos para essa pasta.</li>
	<li>Abra o arquivo SOA extraído e clique duas vezes no SOA.exe. Aguarde a abertura de uma janela preta, após a qual o aplicativo será exibido.</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> Figura 2: Exemplo de fluxo de trabalho usando a GUI do SOA. Coluna esquerda: seções gui do fluxo de trabalho. Coluna média: imagem de uma rede dendrítica, processada durante o fluxo de trabalho (Barra de escala: 20 μm). Coluna direita: ampliação da área marcada por um retângulo vermelho nas imagens da coluna do meio (Barra de escala: 4 μm). Passo 1: Seleção e upload de uma imagem. Passo 2: A primeira etapa da segmentação é a detecção de linhas que representam os ramos dendráticos identificados. Passo 3: A segunda etapa da segmentação é a fusão baseada em proximidade de forro de segmento em filiais dendríticas individuais. As configurações de todas as etapas podem ser modificadas. Abreviaturas: SOA = segmentação e análise de orientação; GUI = interface gráfica do usuário. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
2. Abra uma imagem para analisar.
<ol><li>Na barra de menus SOA Viewer Upload | selecionar Escolher arquivo | escolha uma imagem dos arquivos do computador | clique nele (somente .png .jpg .tif .bmp arquivos) | | observar o caminho do arquivo | Próximo.
</li>
</ol>3. Otimização de segmentação
NOTA: Na barra de menuS SOA Viewer Properties , altere os valores dos parâmetros selecionados para ajustar as configurações do processo de segmentação. Uma descrição detalhada dos parâmetros, como o Limiar, é dada no Material Suplementar.
<ol><li>Em Bordas, ajuste o limiar para o display selecionando o Limiar e digitando um número. NOTA: Quanto menor o número do limiar, mais linhas são detectadas. Limiar é um número que varia de 0 a 255. O valor padrão foi definido para 0.</li>
	<li>Em Linhas de Mesclagem:<ol>
<li>Ajuste a distância mínima para mesclar para o display selecionando a distância Min para mesclar e digitar um número. NOTA: A distância min para mesclar varia de 0 a 30 pixels. O valor padrão está definido para 20.</li>
		<li>Ajuste o ângulo mínimo para mesclar para o display selecionando o ângulo Min para mesclar e digitar um número. NOTA: O ângulo Min para mesclar varia de 0 a 30°. O valor padrão está definido para 10.</li>
	</ol>
</li>
	<li>Clique em Criar imagem de segmentação de visualização. NOTA: Uma imagem de visualização dos resultados de segmentação será exibida de acordo com os valores atualizados. Além disso, o número de linhas antes da fusão e o número de linhas após a fusão serão exibidos.</li>
	<li>Alterar os parâmetros para alcançar a máxima identificação dos segmentos. Se houver necessidade de alterar as Propriedades, clique no botão Fechar a janela e siga os passos 3.1-3.4.</li>
</ol>4. Crie os arquivos de saída.
<ol><li>Pressione OK para visualizar as imagens de segmentação e os gráficos de análise. Observe a janela que aparece para selecionar um local onde o arquivo .xlsx será salvo.</li>
	<li>inserir um nome de arquivo | Escolha salvar | esperar que o arquivo .xlsx com dados sejam criados e salvos. NOTA: Além do arquivo .xlsx, os seguintes arquivos serão exibidos automaticamente: um arquivo que apresenta a imagem original, a imagem de reconhecimento de linha, a imagem final da segmentação e três gráficos de análise.
</li>
</ol>5. Barra de ferramentas de navegação
NOTA: Uma barra de ferramentas de navegação está incluída em todas as janelas de figuras e pode ser usada para navegar através do conjunto de dados. Cada um dos botões na parte inferior da barra de ferramentas está descrito abaixo.
<ol><li>Para navegar para frente e para trás entre as visualizações previamente definidas, use os botões Para frente e para trás . NOTA: Os botões Home, Forward e Back são semelhantes aos controles Home, Forward e Back em um navegador da Web. Home retorna à tela padrão, à imagem original.</li>
	<li>Use o botão Zoom para panela e zoom. Para ativar o garimpo e o zoom, pressione o botão Zoom e mova o mouse para um local desejado na imagem.<ol>
<li>Para a panela da figura, pressione e segure o botão esquerdo do mouse enquanto arrasta-o para uma nova posição. Solte o botão do mouse e o ponto selecionado na imagem aparecerá na nova posição. Enquanto garimpo, segure as teclas x ou y para restringir o movimento aos eixos x ou y , respectivamente.</li>
		<li>Para ampliar, segure o botão direito do mouse e arraste-o para um novo local. Mova-se para a direita para ampliar o eixo x e mova-se para a esquerda para diminuir o zoom no eixo x. Faça o mesmo para os movimentos y-axis e para cima/para baixo. Ao dar zoom, observe que o ponto sob o mouse permanece parado, permitindo ampliar ou sair em torno desse ponto. Use as teclas modificador x, y ou CONTROL para limitar o zoom à reserva de x, y ou proporção, respectivamente.</li>
	</ol>
</li>
	<li>Para ativar o modo Zoom-to-retângulo, clique no botão Zoom-to-retângulo . Coloque o cursor sobre a imagem e pressione o botão esquerdo do mouse. Arraste o mouse para um novo local enquanto segura o botão para definir uma região retangular. NOTA: Os limites de visualização dos eixos serão ampliados para a região definida quando o botão esquerdo do mouse for pressionado. Os limites de visualização dos eixos serão ampliados quando o botão direito do mouse for pressionado, colocando os eixos originais na região definida.</li>
	<li>Use a ferramenta de configuração de subtrama para configurar a aparência da subtrama. NOTA: Os lados esquerdo, direito, superior e inferior da subtrama, bem como o espaço entre linhas e colunas, podem ser esticados ou comprimidos.</li>
	<li>Para abrir uma caixa de diálogo de salvamento de arquivos, clique no botão Salvar e salve o arquivo nos seguintes formatos: .png, .ps, .eps, .svg ou .pdf.</li>
</ol>

<ol><li>Ferrante, M., Migliore, M., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+impact+of+dendritic+branch-point+morphology%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Functional impact of dendritic branch-point morphology.</a> Journal of Neuroscience. 33 (5), 2156-2165 (2013).</li>
<li>Spruston, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pyramidal+neurons%3A+dendritic+structure+and+synaptic+integration%5BTitle%5D)+AND+%22Nature+Reviews+Neuroscience%22%5BJournal%5D)">Pyramidal neurons: dendritic structure and synaptic integration.</a> Nature Reviews Neuroscience. 9 (3), 206-221 (2008).</li>
<li>Chklovskii, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synaptic+Connectivity+and+Neuronal+Morphology%3A+Two+Sides+of+the+Same+Coin%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin.</a> Neuron. 43 (5), 609-617 (2004).</li>
<li>Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+dendritic+spine+development+and+plasticity+by+BDNF+and+vesicular+trafficking%3A+fundamental+roles+in+neurodevelopmental+disorders+associated+with+mental+retardation+and+autism%5BTitle%5D)+AND+%22Journal+of+Neurodevelopmental+Disorders%22%5BJournal%5D)">Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism.</a> Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).</li>
<li>Irwin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+Spine+Structural+Anomalies+in+Fragile-X+Mental+Retardation+Syndrome%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome.</a> Cerebral Cortex. 10 (10), 1038-1044 (2000).</li>
<li>Kaufmann, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+anomalies+in+disorders+associated+with+mental+retardation%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic anomalies in disorders associated with mental retardation.</a> Cerebral Cortex. 10 (10), 981-991 (2000).</li>
<li>Pinchas, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+branch+intersections+are+structurally+regulated+targets+for+efficient+axonal+wiring+and+synaptic+clustering%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering.</a> PLoS ONE. 8 (12), 82083(2013).</li>
<li>Cove, J., Blinder, P., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Contacts+among+non-sister+dendritic+branches+at+bifurcations+shape+neighboring+dendritic+branches+and+pattern+their+synaptic+inputs%5BTitle%5D)+AND+%22Brain+Research%22%5BJournal%5D)">Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs.</a> Brain Research. 1251, 30-41 (2009).</li>
<li>Blinder, P., Cove, J., Foox, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convergence+among+non-sister+dendritic+branches%3A+An+activity-controlled+mean+to+strengthen+network+connectivity%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity.</a> PLoS ONE. 3 (11), 3782(2008).</li>
<li>Glaser, J., Glaser, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuron+imaging+with+neurolucida+-+PC-based+system+for+image+combining+microscopy%5BTitle%5D)+AND+%22Computerized+Medical+Imaging+and+Graphics%22%5BJournal%5D)">Neuron imaging with neurolucida - PC-based system for image combining microscopy.</a> Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).</li>
<li>Scorcioni, R., Polavaram, S., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((L-Measure%3A+a+web-accessible+tool+for+the+analysis%2C+comparison+and+search+of+digital+reconstructions+of+neuronal+morphologies%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies.</a> Nature Protocols. 3 (5), 866-876 (2008).</li>
<li>Torben-Nielsen, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+and+extendable+python+library+to+analyze+neuronal+morphologies%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An efficient and extendable python library to analyze neuronal morphologies.</a> Neuroinformatics. 12 (4), 619-622 (2014).</li>
<li>Parekh, R., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+morphology+goes+digital%3A+A+research+hub+for+cellular+and+system+neuroscience%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neuronal morphology goes digital: A research hub for cellular and system neuroscience.</a> Neuron. 78 (1), 206(2013).</li>
<li>heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NeuronIQ%3A+A+novel+computational+approach+for+automatic+dendrite+SPINES+detection+and+analysis%5BTitle%5D)+AND+%222007+IEEE%2FNIH+Life+Science+Systems+and+Applications+Workshop%22%5BJournal%5D)">NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis.</a> 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).</li>
<li>Image processing and analysis in Java. NIH. ImageJ. , Available from: 
 <a target="_blank" href="https://imagej.nih.gov/ij">https://imagej.nih.gov/ij</a> (2021).</li>
<li>Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Superior+survival+and+durability+of+neurons+and+astrocytes+on+3-dimensional+aragonite+biomatrices%5BTitle%5D)+AND+%22Tissue+Engineering%22%5BJournal%5D)">Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices.</a> Tissue Engineering. 13, 461-472 (2007).</li>
<li>Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gliosis+of+astrocytes+cultivated+on+coral+skeleton+is+regulated+by+the+matrix+surface+topography%5BTitle%5D)+AND+%22Biomedical+Materials%22%5BJournal%5D)">Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography.</a> Biomedical Materials. 14 (4), 045005(2019).</li>
</ol>

Os autores declaram que não têm interesses financeiros concorrentes.

Estratégias eficazes para extrair informações morfológicas de imagens 2D são urgentemente necessárias para acompanhar os dados biológicos de imagem. Embora os dados de imagem possam ser gerados em horas, a análise aprofundada das imagens leva muito tempo. Como resultado, o processamento de imagens tornou-se claramente um grande obstáculo em muitos campos. Isso se deve, em parte, à alta complexidade dos dados, especialmente quando se trata de amostras biológicas. Além disso, como muitos usuários não possuem habilidades es...

A morfogênese dendrítica é um assunto central na neurociência, pois a estrutura da árvore dendrítica afeta as propriedades computacionais da integração sináptica nos neurônios1,2,3. Além disso, anormalidades morfológicas e modificações em ramos dendráticos estão implicadas em distúrbios degenerativos e neurodesenvolvimento4,5,6. Nas culturas neuronais onde a ramificação dendrítica pode ser mais facilmente visualizada, as interações entre ramos dendráticos não-irmãos regulam os locais e a extensão do agrupamento sináptico ao longo dos ramos, comportamento que pode afetar a coatividade sináptica e a plasticidade7,8,9. Portanto, a caracterização dos parâmetros morfológicos da árvore dendrítica utilizando culturas neuronais bidimensionais (2D) é vantajosa para a compreensão da morfogênese dendrítica e funcionalidade de redes únicas e de neurônios. No entanto, esta é uma tarefa desafiadora porque os ramos dendráticos formam uma malha complexa mesmo em culturas neuronais 2D "simplificadas".
Várias ferramentas foram desenvolvidas para rastrear e analisar automaticamente estruturas dendríticas10,11,12,13. No entanto, a maioria dessas ferramentas são projetadas para redes neuronais 3D e são naturalmente muito complexas para usar com redes 2D. Em contraste, ferramentas de análise morfológica menos avançadas normalmente envolvem um componente significativo do trabalho manual assistido por computador, que é muito demorado e suscetível ao viés do operador14. Ferramentas semiautomáticas existentes, como o 'ImageJ'15 (um pacote de processamento de imagem de código aberto do NIH com uma vasta coleção de ferramentas de análise biológica desenvolvidas pela comunidade), reduzem em grande parte o trabalho manual do usuário. No entanto, algumas intervenções manuais ainda são necessárias durante o processamento da imagem, e a qualidade da segmentação pode ser menor do que desejável.
Este artigo apresenta o SOA, uma ferramenta automatizada simples que permite a segmentação direta e a análise de orientação de ramos dendríticos dentro de redes neuronais 2D. O SOA pode detectar vários objetos semelhantes a linhas em imagens 2D e caracterizar suas propriedades morfológicas. Aqui, utilizamos o SOA para segmentar ramos dendríticos em imagens de fluorescência 2D de redes dendríticas na cultura. O software identifica os ramos dendráticos e realiza com sucesso medições de parâmetros morfológicos, como paralelismo e distribuição espacial. O SOA pode ser facilmente adaptado para a análise de processos celulares de outros tipos celulares e para o estudo de redes não biológicas.

<table><tbody><tr><td>Matplotlib</td><td>&nbsp; 2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom e a equipe de desenvolvimento de Matplotlib; 2012 - 2021 A equipe de desenvolvimento do Matplotlib.</td><td>3.4.2</td><td>uma biblioteca de plotagem Python 2D</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>artista para matplotlib para exibir uma barra de escala</td></tr><tr><td>NumPy</td><td>A comunidade NumPy.</td><td>1.20.3</td><td>pacote fundamental para biblioteca de computação científica</td></tr><tr><td>OpenCV OpenCV</td><td>team</td><td>4.5.2.54</td><td>Biblioteca de visão computacional de código aberto</td></tr><tr><td>PyCharm</td><td>JetBrains</td><td>2020.3.1 (Community Edition)</td><td>versão Build #PC-203.6682.86, construída em 18 de dezembro de 2020. Versão de tempo de execução: 11.0.9.1+11-b1145.37 amd64. VM: VM do servidor OpenJDK de 64 bits da JetBrains s.r.o. Windows 10 10.0. Memória: 978M, Núcleos: 4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>gerenciar a GUI</td></tr><tr><td>python</td><td>Python Software Foundation Licença</td><td>3.9 versão</td><td></td></tr><tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>Versão 5.11.1</td><td></td></tr><tr><td>scipy</td><td>Projeto de biblioteca comunitária</td><td>1.6.3</td><td>Ecossistema baseado em Python de software de código aberto para matemática, ciências e engenharia</td></tr><tr><td>Seaborn</td><td>Michael Waskom.</td><td>0.11.1</td><td>Biblioteca de visualização de dados estatísticos do Python.</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td><td>1.4.3</td><td>Módulo Python para criar arquivos Excel XLSX</td></tr></tbody></table>

identificação automática de ramos dendráticos e sua orientação

Automatic Identification of Dendritic Branches and their Orientation

A estrutura das árvores dendríticas neuronais desempenha um papel fundamental na integração de insumos sinápticos nos neurônios. Portanto, a caracterização da morfologia dos dendritos é essencial para uma melhor compreensão da função neuronal. No entanto, a complexidade das árvores dendríticas, tanto quando isoladas quanto especialmente quando localizadas dentro das redes neuronais, não foi completamente compreendida. Desenvolvemos uma nova ferramenta computacional, SOA (Segmentação e Análise de Orientação), que permite a medição automática da orientação de ramos dendríticos a partir de imagens de fluorescência de culturas neuronais 2D. SOA, escrito em Python, usa segmentação para distinguir ramos dendríticos do fundo da imagem e acumula um banco de dados na direção espacial de cada ramo. O banco de dados é então utilizado para calcular parâmetros morfológicos, como a distribuição direcional de ramos dendráticos em uma rede e a prevalência de crescimento dendrático paralelo do ramo. Os dados obtidos podem ser usados para detectar alterações estruturais nos dendritos em resposta à atividade neuronal e a estímulos biológicos e farmacológicos.

Uma análise representativa foi realizada em imagens de redes dendríticas na cultura. As células foram extraídas como descrito por Baranes et al. 16,17. Resumidamente, as células hipocampais foram extraídas do cérebro de ratos pós-natais e cultivadas em tampas de vidro 2D por 1-2 semanas. As culturas foram então fixadas e manchadas através da imunofluorescência indireta usando um anticorpo contra o marcador de proteína dendrítica, proteína associada a mic...

Apresentado é uma ferramenta computacional que permite a medição automática simples e direta das orientações de ramos dendríticas neuronais a partir de imagens de fluorescência 2D.

Identificação Automática de Ramos Dendráticos e sua Orientação

The structure of neuronal dendritic trees plays a key role in the integration of synaptic inputs in neurons. Therefore, characterization of the morphology ...

O SOA é uma ferramenta automatizada que possui uma interface fácil de usar, para identificação, segmentação e extração de informações morfológicas importantes a partir de imagens de redes complexas de linhas 2D. O processo de trabalho é simples e intuitivo e os dados são obtidos de forma imediata e fácil. Além disso, como o SOA é adaptável e flexível, sua capacidade analítica pode ser expandida para outras aplicações.O SOA pode ser usado para a análise de outros tipos de redes 2D, como redes de células não neurais, estruturas complexas geradas pelo citoesqueleto e redes não biológicas, como nanotubos. Abra a página web, encontre o SOA. zip zipped pasta, e baixar o arquivo zip clicando duas vezes.Descompacte a pasta clicando com o botão direito do mouse e selecionando arquivos de extrato. Observe o caminho de extração na janela de opções que abre na caixa de texto de endereço de destino que exibe o caminho para os arquivos extraídos. Em seguida, abra o arquivo SOA extraído e clique duas vezes em SOA.exe.Aguarde a abertura de uma janela preta, após a qual o aplicativo será exibido. Na barra de menu de upload do espectador SOA, selecione escolher arquivo e escolha uma imagem nos arquivos do computador e clique nela. Clique em abrir, observe o caminho do arquivo e clique em seguida.Para otimização de segmentação nas bordas, ajuste o limiar para o display selecionando o limiar e digitando um número. Nas linhas de mesclagem, ajuste a distância mínima para mesclar para o display selecionando a distância mínima para mesclar e digitar um número, e o ângulo mínimo para mesclar para o display selecionando o ângulo min para mesclar e digitar um número. Em seguida, clique em criar imagem de segmentação de visualização e alterar os parâmetros para alcançar a identificação máxima dos segmentos.Se as propriedades precisarem ser alteradas, clique no botão de janela de fechamento e reajuste o limiar na distância mínima e ângulo para mesclar. Para criar os arquivos de saída, pressione bem para visualizar as imagens de segmentação nos gráficos de análise. Na janela que aparece, selecione um local onde o arquivo xlsx será salvo.Insira um nome de arquivo e escolha salvar e aguarde o arquivo xlsx com dados a serem criados e salvos. Para navegar para frente e para trás entre as visualizações previamente definidas, use os botões para frente e para trás. Ative o pano de garimpo e o zoom pressionando o botão de zoom e, em seguida, mova o mouse para o local desejado.Em seguida, coloque a figura pressionando e segurando o botão esquerdo do mouse enquanto arrasta-a para uma nova posição. Solte o botão do mouse e o ponto selecionado na imagem aparecerá na nova posição. Segure as teclas X ou Y para restringir o movimento dos eixos.Para ampliar, segure o botão direito do mouse e arraste-o para um novo local. Mova-se para a direita para ampliar o eixo x e mova-se para a esquerda para diminuir o zoom no eixo x. Faça o mesmo para o eixo y em movimentos para cima e para baixo.Ao ampliar, observe que o ponto sob o mouse permanece parado, tornando possível ampliar ou sair ao redor desse ponto. Use as teclas modificador, X, Y ou Control, para limitar o zoom à reserva de proporções X, Y ou proporção, respectivamente. Para ativar o zoom no modo retângulo, clique no botão zoom para retângulo.Coloque o cursor sobre a imagem e pressione o botão esquerdo do mouse. Arraste o mouse para um novo local enquanto segura o botão para definir uma região retangular. Use a ferramenta de configuração de subtrama para configurar a aparência da subtrama.Para abrir um arquivo salvar o diálogo, clique no botão salvar e salve o arquivo nos formatos apropriados. Um fluxo de trabalho TÍPICO do SOA é aplicado a uma imagem 2D representativa de uma rede dendrítica rotulada com um anticorpo anti-MAP2 fluorescente. A GUI do SOA permite a comparação da imagem original com a imagem segmentada e fornece monitoramento em tempo real do efeito de quaisquer alterações nas configurações de segmentação.Os ramos dendráticos são classificados como paralelos crescentes e não paralelos. Uma vez concluída a análise, o número de ramos paralelos dentro da faixa testada é extraído e plotado em um gráfico de frequência. Para entender se a extensão do crescimento paralelo entre os ramos dendráticos é aleatória ou direcionada, os resultados deste gráfico são comparados aos extraídos da simulação de crescimento aleatório de linhas do mesmo número que os dos ramos dendráticos nas culturas.O SOA então mede as distâncias entre os ramos paralelos, bem como os comprimentos dos ramos dendráticos paralelos e não paralelos e seus comprimentos médios. Para determinar se existem direções preferenciais de crescimento, o SOA exibe um histograma de distribuição dos ângulos de crescimento dos ramos dendráticos, permitindo a identificação rápida das direções de crescimento preferenciais e ramos dendráticos específicos em cada grupo. A saída SOA pode ser usada como um banco de dados para ferramentas que realizam análises mais aprofundadas e complexas.

automatic-identification-of-dendritic-branches-and-their-orientation

Research

JoVE Journal

Neuroscience

Neurociência

Fonte: Pekarek, B. T., et. al., Imagem e quantificação de dendritos neuronais intactos via limpeza de tecido CLARITY. J. Vis. Exp. (2021)Neste vídeo, demonstramos a preparação, imagem e análise de um cérebro de camundongo limpo para examinar árvores dendríticas, morfologia da coluna vertebral e distribuição neuronal usando microscopia confocal e técnicas de reconstrução 3D.

Imagem de microscopia confocal de árvores dendríticas intactas e morfologia da coluna vertebral em um cérebro de camundongo limpo

Fonte: Ting, C., et al., Analisando a morfologia dendrítica em colunas e camadas. J. Vis. Exp. (2017)Este vídeo demonstra o procedimento de preparação de um cérebro de Drosophila, capturando pilhas de imagens horizontais e frontais de dendritos de medula marcados com GFP sob um microscópio confocal e criando uma reconstrução 3D para analisar sua morfologia em camadas e colunas.

Analisando a morfologia dendrítica em camadas e colunas de medula de Drosophila

Fonte: Gouder, et. al. Quantificação tridimensional de espinhas dendríticas de neurônios piramidais derivados de células-tronco pluripotentes induzidas por humanos. J. Vis. Exp. (2015).Este vídeo demonstra a imagem e análise de espinhas dendríticas em neurônios piramidais transduzidos e imunomarcados usando microscopia confocal. O ruído de fundo é reduzido e os dendritos são rastreados estimando seu diâmetro e comprimento. A segmentação automatizada da coluna vertebral envolve a definição de...

Quantificação de espinhas dendríticas usando imagens de microscopia confocal

Descrevemos dois métodos para visualização e quantificação da arborização dendrítica no hipocampo de modelos de camundongos: imagens em tempo real e de profundidade de campo estendida. Enquanto o primeiro método permite um rastreamento topográfico sofisticado e a quantificação da extensão da ramificação, o último permite a visualização rápida da árvore dendrítica.

Avaliação de dendríticas Arborização no giro dentado do hipocampo em Ratos Região

Espinhas dendríticas dos neurônios piramidais são os sites da maioria das sinapses excitatórias no córtex cerebral dos mamíferos. Este método descreve a análise quantitativa 3D de morfologias coluna em neurônios piramidais glutamatérgicos corticais humanos derivados de células-tronco pluripotentes induzidas.

A quantificação tridimensional das espinhas dendríticas de Piramidal neurônios derivados pluripotentes induzidas pelo homem Células-Tronco

Aqui, mostramos como analisar roteamento dendrítica de neurônios da medula Drosophila em colunas e camadas. O fluxo de trabalho inclui uma técnica de imagem dual-vista a melhorar a qualidade de imagem e ferramentas computacionais para a detecção, registrar mandris dendríticas para a matriz coluna de referência e para analisar as estruturas dendríticas no espaço 3D.

Analisando dendríticas Morfologia em Colunas e Camadas

Este protocolo centra-se na análise quantitativa de complexidade arborização dendrítica neuronal (NDAC) em Drosophila, que pode ser usado para estudos da morfogênese dendrítica.

Análise quantitativa da arborização dendrítica Neuronal complexidade em Drosophila

Aqui, nós descrevemos o método que nós empregamos à imagem filopódia dendríticas altamente motile em uma preparação viva do cérebro larval da Drosophila , e o protocolo que nós desenvolvemos para quantificar conjuntos de dados da imagem latente do lapso de tempo 3D para avaliações quantitativas do dendrito dinâmica no desenvolvimento de neurônios.

Tempo-lapso de imagem ao vivo e quantificação da dinâmica da filial dendrítica rápida no desenvolvimento de neurônios de Drosophila

Apresentamos um protocolo para rotular e analisar neurônios piramidais, o que é fundamental para avaliar possíveis alterações morfológicas em neurônios e espinhas dendríticas que podem estar por trás de anormalidades neuroquímicas e comportamentais.

Rotulagem Balística de Neurônios Piramidais em Fatias Cerebrais e na Cultura Celular Primária

A morfologia dendrítica neuronal muitas vezes está por trás da função. De fato, muitos processos de doenças que afetam o desenvolvimento de neurônios se manifestam com um fenótipo morfológico. Este protocolo descreve um método simples e poderoso para analisar arbores dendríticas intactas e suas espinhas associadas.

Imagem e quantificação de dendritos neuronais intactos via clareza de tecido

As espinhas dendríticas são compartimentos pós-sinápticos da maioria das sinapses excitatórias. Alterações na morfologia da coluna dendrítica ocorrem durante o neurodesenvolvimento, envelhecimento, aprendizado e muitos distúrbios neurológicos e psiquiátricos, ressaltando a importância de uma análise confiável da coluna dendrítica. Este protocolo descreve a quantificação da morfologia da coluna dendrítica de forma precisa e reprodutível usando um software automático de reconstrução...

Quantificação da coluna dendrítica usando um software automático de reconstrução tridimensional de neurônios

Aprenda a usar a ferramenta computacional SOA para análise automatizada de redes dendríticas em imagens de fluorescência 2D. Este método permite extrair dados morfológicos e classificar padrões de crescimento neuronal de forma rápida e eficiente.

Identificação Automática de Ramos Dendráticos e sua Orientação

Explorar mais vídeos