Name: AMEBaS: Extração Automática da Linha Média e Subtração de Fundo de Time-Lapses de Fluorescência Ratiométrica de Células Individuais Polarizadas (Vídeo) | JoVE Journal
Uploaded: 2023-06-23T12:30:00.000+00:00
Duration: 6 min 3 s
Description: Aprenda a automatizar a extração da linha média de células polarizadas usando imagens de fluorescência ratiométrica. Este método elimina vieses manuais e permite análises escaláveis de dinâmica celular.

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 agradecem aos auxílios FAPESP 2015/22308-2, 2019/23343-7, 2019/26129-6, 2020/06744-5, 2021/05363-0, CNPq, NIH R01 grant GM131043 e NSF grants MCB1714993, MCB1930165 pelo apoio financeiro. Os dados de pelos radiculares foram produzidos com a infraestrutura e sob a supervisão da Profª Andrea Bassi e do Prof. Alex Costa.

1. Protocolo de notebook interativo
O notebook Jupyter pode ser usado diretamente na web usando o Google Colab no https://colab.research.google.com/github/badain/amebas/blob/main/AMEBAS_Colab.ipynb, onde as instruções abaixo foram baseadas. Como alternativa, o notebook Jupyter está disponível no https://github.com/badain/amebas, onde pode ser baixado e configurado para ser executado localmente no Jupyter (o Anaconda pode fornecer um processo de instalação fácil e multiplataforma). Um teste completo pode ser encontrado em Zenodo (https://doi.org/10.5281/zenodo.7975350), contendo dados de canal único e duplo de tubos polínicos de Arabidopsis expressando pH ou Ca2+ repórteres 14. O pipeline foi dividido em partes, onde cada etapa pode ser executada clicando no botão play depois de definir as opções específicas do usuário. Os arquivos necessários para este estudo estão disponíveis na pasta zip principal AMEBaS- (Supplementary Coding File 1).
<ol><li>Abra o bloco de anotações Jupyter e leia os arquivos de lapso de tempo.<ol><li>Navegue até a página inicial do bloco de anotações interativo no Google Colab mencionado acima ou faça o download e abra o bloco de anotações AMEBaS_Local.ipynb do GitHub.</li>
		<li>Prepare a configuração do diretório para os dados de entrada e saída:<ol><li>Se estiver usando a versão local, coloque o time-lapse de fluorescência como um arquivo TIFF ou DV dentro de uma pasta chamada dados que devem estar na pasta raiz do programa. Uma pasta nomeada deve ser criada para receber os dados gerados. Em seguida, execute o bloco de código de instalação.</li>
			<li>Se estiver usando o bloco de anotações no Google Colab, execute o bloco de código Configuração para gerar automaticamente os dados e as pastas de saída .</li>
		</ol></li>
		<li>Execute o bloco de código de entrada de arquivo para ler os dados de lapso de tempo clicando no botão de reprodução . Se estiver usando a versão Google Colab do notebook, clique no botão Escolher arquivo para fazer o upload direto do arquivo de lapso de tempo para a pasta de dados . NOTA: O número de canais será detectado automaticamente com base na dimensão da imagem.</li>
		<li>Escolha se saídas adicionais de cada etapa serão geradas definindo o parâmetro 'verbose' como True ou False.</li>
	</ol></li>
	<li>Detecte a célula principal e o segmento a partir do plano de fundo (Figura 2).<ol><li>Execute o bloco de código Segmentação de célula única para separar automaticamente a célula de interesse do plano de fundo clicando no botão de reprodução . NOTA: Os filtros mediano e gaussiano serão aplicados como uma etapa de pré-processamento para remover ruídos indesejados antes de segmentar o primeiro plano do plano de fundo por meio do limiar de Isodata e isolar a região da maior área para remover artefatos indesejados.<ol><li>Ajuste o valor sigma usado pelo Gaussiano na variável 'sigma' para ajustar a suavidade da máscara de segmentação. O valor padrão é 2.0.</li>
			<li>Defina a estimativa de variável como False para armazenar o limite estimado de Isodata diretamente ou como True para suavizá-lo em quadros vizinhos usando regressão polinomial local (LOESS). Ajuste sua função alterando a variável n_points . O valor padrão é 40.</li>
		</ol></li>
	</ol></li>
	<li>Traçar linha média ao longo da extensão celular (Figura 3).<ol><li>Execute o bloco de código Cell Midline Tracing clicando no botão play para esqueletizar automaticamente a célula usando o método18 de Lee e estender a ponta do último esqueleto por extrapolação linear.<ol><li>Escolha traçar a linha média apenas no último quadro ou uma vez por quadro, ajustando o argumento complete_skeletonization . Observação : quando todos os quadros são esqueletizados, extrapolação é ignorada.</li>
			<li>Defina a fração de pontos no esqueleto a ser interpolado durante a extrapolação ajustando a variável interpolation_fraction . O valor padrão é 0,25.</li>
			<li>Escolha o comprimento da extrapolação da linha média alterando a variável extrapolation_length. O padrão é -1, que estende o esqueleto até a borda mais próxima.</li>
		</ol></li>
	</ol></li>
	<li>Gere quimógrafos para cada canal ( Figura 4).<ol><li>Execute o primeiro bloco de código de Visualização de Dados clicando no botão de reprodução para gerar quimógrafos automaticamente para ambos os canais.<ol><li>Escolha o tamanho do kernel gaussiano usado para suavização ajustando a variável kymograph_kernel. Observação : corresponde ao tamanho da vizinhança (em pixels) sobre o qual as intensidades de pixel são médias. O padrão é 3 pixels x 3 pixels.</li>
			<li>Esqueletos não estendidos geram Kymographs tampados que devem usar um mapa de cores personalizado para exibir adequadamente suas intensidades. Escolha a porcentagem de fração das intensidades que serão atribuídas à cor de fundo, preto, ajustando a variável shift_fraction . O valor padrão é 0,7.</li>
		</ol></li>
	</ol></li>
	<li>Calcule a razão entre canais (Figura 5).<ol><li>Execute o segundo bloco de código de Visualização de Dados clicando no botão de reprodução para gerar automaticamente um quimógrafo ratiométrico e um timelapse ratiométrico (Figura 6). Observação : esta etapa só está disponível ao usar intervalos de tempo de canal duplo. O limiar de intensidade de fundo armazenado na etapa 1.2.1.2 é subtraído de cada canal.<ol><li>Ajuste a variável switch_ratio para alternar a ordem dos canais usados como numerador e denominador durante os cálculos de razão. O padrão é False.</li>
			<li>Escolha se o timelapse de proporção deve ser suavizado com uma passagem de filtro mediana ajustando a variável smooth_ratio . O padrão é False.</li>
			<li>Escolha se deseja remover outliers produzidos pelo sinal baixo do canal denominador manipulando a variável reject_outliers . O padrão é True e define outliers como valores 1,5 vezes o intervalo interquartil acima do terceiro quartil (onde estão 75% dos valores).</li>
			<li>Escolha se o plano de fundo na saída ratiometric deve ser exportado ajustando a variável background_ratio. O padrão é False, que o substitui por zeros.</li>
		</ol></li>
	</ol></li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/64857/64857fig02.jpg"> Figura 2: Etapa de segmentação de célula única. Técnicas de processamento de imagens, como filtragem, limiarização e marcação de área, são usadas para isolar o sinal de interesse (passo 1.2). Esses dados em particular apresentaram os seguintes valores para Menor Intensidade: 2556, Mediana: 3441 e Maior Intensidade: 32125. <a href="https://www.jove.com/files/ftp_upload/64857/64857fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/64857/64857fig03.jpg"> Figura 3: Visão geral do traçado da linha média- A linha média da célula única é obtida calculando-se seu esqueleto (branco). A ponta (magenta) é extrapolada linearmente dos últimos pontos no final do esqueleto (passo 1.3). Nessa composição, tanto a linha média quanto sua ponta são sobrepostas sobre a célula original. <a href="https://www.jove.com/files/ftp_upload/64857/64857fig03large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/64857/64857fig04.jpg"> Figura 4: Quimógrafos do Timelapse - Comparação dos quimógrafos para cada canal gerado com o 'complete_skeletonization' desligado (passo 1.4). O eixo vertical descreve a progressão do tempo, e o eixo horizontal plota a intensidade média do caminho extrapolado da linha média seguido por uma única célula. Para esses dados específicos, o mapa colorido representa os seguintes valores para Canal 1 Menor intensidade: 2886, Mediana: 3167, Maior intensidade: 21021. Canal 2 Menor intensidade: 3030, Mediana: 3400, Maior intensidade: 29688. <a href="https://www.jove.com/files/ftp_upload/64857/64857fig04large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/64857/64857fig05.jpg"> Figura 5: Suavização do limiar de fundo- O limiar de segmentação de fundo é estimado através do algoritmo isodata e, em seguida, suavizado através da regressão polinomial local (passo 1.5). <a href="https://www.jove.com/files/ftp_upload/64857/64857fig05large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/64857/64857fig06.jpg"> Figura 6: Resultados ratiométricos - (A) Comparação entre o último quadro do timelapse ratiométrico e o primeiro canal original segmentado. (B) Quimógrafo gerado a partir do timelapse ratiométrico (passo 1.5). <a href="https://www.jove.com/files/ftp_upload/64857/64857fig06large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
2. Protocolo de modo de lote
<ol><li>Baixe e coloque o arquivo pipeline.py do repositório GitHub do AMEBaS no mesmo diretório que os dados.</li>
	<li>Digite o local do arquivo na linha de comando após o arquivo de programa.</li>
	<li>Inclua - -v como um argumento posicional para mostrar as etapas internas do pipeline, se desejado.</li>
	<li>Inclua --s para escolher no valor sigma usado na etapa de pré-processamento do Filtro Gaussiano em preparação para segmentação celular. O padrão é 2.</li>
	<li>Inclua - - a para traçar a linha média para cada quadro do lapso de tempo. Por padrão, o pipeline usa apenas o último quadro.</li>
	<li>Incluir - -f para escolher a fração [0,1] do esqueleto a ser utilizada na interpolação. O valor padrão é 0,25.</li>
	<li>Inclua -e para escolher o comprimento em pixels do esqueleto extrapolado. O padrão é -1, que estende o esqueleto até a borda mais próxima.</li>
	<li>Inclua - -sf para escolher a fração do intervalo de cores que será deslocada para o plano de fundo em quimógrafos não extrapolados. O valor padrão é 0,7.</li>
	<li>Inclua - -k para determinar o tamanho do kernel usado na filtragem gaussiana do quimógrafo. O padrão é 3.</li>
	<li>Inclua - -eb para estimar a intensidade do limiar de fundo global por meio da regressão polinomial LOESS das intensidades de limite de fundo específicas do quadro.<ol><li>Personalize o número de pontos usados na suavização LOESS dos valores de limite de plano de fundo modificando o parâmetro - -n. O valor padrão é 40.</li>
	</ol></li>
	<li>Alterne os canais usados como numerador e denominador durante os cálculos de razão, incluindo - r ou - -switch_ratio, se o timelapse tiver dois canais. Por padrão, o segundo canal é o numerador e o primeiro é o denominador.</li>
	<li>Escolha se o timelapse de proporção deve ser suavizado com uma passagem de filtro mediano com o argumento - -sm . O padrão é False.</li>
	<li>Inclua -o para rejeitar pixels com intensidades anormais durante a geração de lapso de tempo ratiométrico.</li>
	<li>Escolha se o plano de fundo na saída ratiometric deve ser exportado usando o argumento - -b. O padrão é False, que o substitui por zeros.</li>
	<li>Pressione Enter para executar. A saída será gerada no mesmo diretório que o arquivo de programa.</li>
</ol>

<ol><li>Drubin, D. G., Nelson, W. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Origins+of+cell+polarity%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Origins of cell polarity.</a> Cell. 84 (3), 335-344 (1996).</li>
<li>Wodarz, A., Näthke, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cell+polarity+in+development+and+cancer%5BTitle%5D)+AND+%22Nature+Cell+Biology%22%5BJournal%5D)">Cell polarity in development and cancer.</a> Nature Cell Biology. 9 (9), 1016-1024 (2007).</li>
<li>Palanivelu, R., Preuss, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pollen+tube+targeting+and+axon+guidance%3A+parallels+in+tip+growth+mechanisms%5BTitle%5D)+AND+%22Trends+in+Cell+Biology%22%5BJournal%5D)">Pollen tube targeting and axon guidance: parallels in tip growth mechanisms.</a> Trends in Cell Biology. 10 (12), 517-524 (2000).</li>
<li>Portes, M. T., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPortes%2C+MT+%22The+Pollen+Tube+Oscillator%3A+Integrating+Biophysics+and+Biochemistry+into+Cellular+Growth+and+Morphogenesis.+Rhythms+in+Plants%3A+Dynamic+Responses+in+a+Dynamic+Environment%22">The Pollen Tube Oscillator: Integrating Biophysics and Biochemistry into Cellular Growth and Morphogenesis. Rhythms in Plants: Dynamic Responses in a Dynamic Environment</a>. , Springer. Cham. (2015).</li>
<li>Wudick, M. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CORNICHON+sorting+and+regulation+of+GLR+channels+underlie+pollen+tube+Ca2%2B+homeostasis%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">CORNICHON sorting and regulation of GLR channels underlie pollen tube Ca2+ homeostasis.</a> Science. 360 (6388), 533-536 (2018).</li>
<li>Hoffmann, R. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Plasma+membrane+H%2B-ATPases+sustain+pollen+tube+growth+and+fertilization%5BTitle%5D)+AND+%22Nature+Communications%22%5BJournal%5D)">Plasma membrane H+-ATPases sustain pollen tube growth and fertilization.</a> Nature Communications. 11 (1), 1-15 (2020).</li>
<li>Michard, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Glutamate+receptor-like+genes+form+Ca2%2B+channels+in+pollen+tubes+and+are+regulated+by+pistil+D-serine%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Glutamate receptor-like genes form Ca2+ channels in pollen tubes and are regulated by pistil D-serine.</a> Science. 332 (6028), 434-437 (2011).</li>
<li>Damineli, D. S., Portes, M. T., Feijó, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Oscillatory+signatures+underlie+growth+regimes+in+Arabidopsis+pollen+tubes%3A+computational+methods+to+estimate+tip+location%2C+periodicity%2C+and+synchronization+in+growing+cells%5BTitle%5D)+AND+%22Journal+of+Experimental+Botany%22%5BJournal%5D)">Oscillatory signatures underlie growth regimes in Arabidopsis pollen tubes: computational methods to estimate tip location, periodicity, and synchronization in growing cells.</a> Journal of Experimental Botany. 68 (12), 3267-3281 (2017).</li>
<li>Li, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+optimized+genetically+encoded+dual+reporter+for+simultaneous+ratio+imaging+of+Ca2%2B+and+H%2B+reveals+new+insights+into+ion+signaling+in+plants%5BTitle%5D)+AND+%22New+Phytologist%22%5BJournal%5D)">An optimized genetically encoded dual reporter for simultaneous ratio imaging of Ca2+ and H+ reveals new insights into ion signaling in plants.</a> New Phytologist. 230 (6), 2292-2310 (2021).</li>
<li>Sadoine, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Designs%2C+applications%2C+and+limitations+of+genetically+encoded+fluorescent+sensors+to+explore+plant+biology%5BTitle%5D)+AND+%22Plant+Physiology%22%5BJournal%5D)">Designs, applications, and limitations of genetically encoded fluorescent sensors to explore plant biology.</a> Plant Physiology. 187 (2), 485-503 (2021).</li>
<li>Grenzi, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Illuminating+the+hidden+world+of+calcium+ions+in+plants+with+a+universe+of+indicators%5BTitle%5D)+AND+%22Plant+Physiology%22%5BJournal%5D)">Illuminating the hidden world of calcium ions in plants with a universe of indicators.</a> Plant Physiology. 187 (2), 550-571 (2021).</li>
<li>Munglani, G., Vogler, H., Grossniklaus, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+and+flexible+processing+of+large+FRET+image+stacks+using+the+FRET-IBRA+toolkit%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">Fast and flexible processing of large FRET image stacks using the FRET-IBRA toolkit.</a> PLoS Computational Biology. 18 (4), 1009242(2022).</li>
<li>Ridler, T., Calvard, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Picture+thresholding+using+an+iterative+selection+method%5BTitle%5D)+AND+%22IEEE+Transactions+on+Systems%2C+Man%2C+and+Cybernetics%22%5BJournal%5D)">Picture thresholding using an iterative selection method.</a> IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).</li>
<li>Portes, M. T., Feijó, J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPortes%2C+MT+%22Growing+Arabidopsis+pollen+tubes+expressing+genetically+encoded+reporters+for+calcium+and+pH%22">Growing Arabidopsis pollen tubes expressing genetically encoded reporters for calcium and pH</a>. , (2023).</li>
<li>Candeo, A., Doccula, F. G., Valentini, G., Bassi, A., Costa, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Light+sheet+fluorescence+microscopy+quantifies+calcium+oscillations+in+root+hairs+of+Arabidopsis+thaliana%5BTitle%5D)+AND+%22Plant+%26+Cell+Physiology%22%5BJournal%5D)">Light sheet fluorescence microscopy quantifies calcium oscillations in root hairs of Arabidopsis thaliana.</a> Plant & Cell Physiology. 58 (7), 1161-1172 (2017).</li>
<li>Romano Armada, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+vivo+light+sheet+fluorescence+microscopy+of+calcium+oscillations+in+Arabidopsis+thaliana%5BTitle%5D)+AND+%22Methods+in+Molecular+Biology%22%5BJournal%5D)">In vivo light sheet fluorescence microscopy of calcium oscillations in Arabidopsis thaliana.</a> Methods in Molecular Biology. 1925, 87-101 (2019).</li>
<li>Krebs, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((FRET-based+genetically+encoded+sensors+allow+high-resolution+live+cell+imaging+of+Ca2%2B+dynamics%5BTitle%5D)+AND+%22The+Plant+Journal%22%5BJournal%5D)">FRET-based genetically encoded sensors allow high-resolution live cell imaging of Ca2+ dynamics.</a> The Plant Journal. 69 (1), 181-192 (2012).</li>
<li>Lee, T. -C., Kashyap, R. L., Chu, C. -N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Building+skeleton+models+via+3-D+medial+surface+axis+thinning+algorithms%5BTitle%5D)+AND+%22CVGIP%3A+Graphical+Models+and+Image+Processing%22%5BJournal%5D)">Building skeleton models via 3-D medial surface axis thinning algorithms.</a> CVGIP: Graphical Models and Image Processing. 56 (6), 462-478 (1994).</li>
<li>Nunez-Iglesias, J., Blanch, A. J., Looker, O., Dixon, M. W., Tilley, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+Python+library+to+analyse+skeleton+images+confirms+malaria+parasite+remodelling+of+the+red+blood+cell+membrane+skeleton%5BTitle%5D)+AND+%22PeerJ%22%5BJournal%5D)">A new Python library to analyse skeleton images confirms malaria parasite remodelling of the red blood cell membrane skeleton.</a> PeerJ. 6, 4312(2018).</li>
</ol>

Os autores deste manuscrito declaram não haver interesses financeiros concorrentes ou outros conflitos de interesse.

O novo método apresentado aqui é uma ferramenta potente para agilizar e automatizar a análise de pilhas de imagens de microscopia de fluorescência de células polarizadas. Os métodos atuais descritos na literatura, como os plugins do ImageJ Kymograph, requerem o rastreamento manual da linha média da célula polarizada de interesse, uma tarefa que não é apenas demorada, mas também propensa a erros humanos. Como a definição da linha média nessa tubulação é sustentada por um método numérico18,19 que realiza a esqueletização, ...

A polaridade celular é um processo biológico fundamental no qual a ação concertada de um conjunto de moléculas e estruturas espacialmente concentradas culmina no estabelecimento de domínios morfológicos subcelularesespecializados1. A divisão celular, o crescimento e a migração dependem desses sítios de polaridade, enquanto sua perda tem sido associada ao câncer em desordens relacionadas ao tecidoepitelial2.
Células em crescimento apical são um exemplo dramático de polaridade, onde o local de polaridade na ponta tipicamente se reorienta para pistas extracelulares3. Estes incluem neuritos em desenvolvimento, hifas fúngicas, pelos radiculares e tubos polínicos, onde múltiplos processos celulares mostram diferenças pronunciadas da ponta da célula em direção à haste. Em tubos polínicos, em particular, a polimerização de actina, o tráfego de vesículas e as concentrações iônicas são marcadamente polarizados, mostrando gradientes focados na ponta4. Os tubos polínicos são os gametófitos masculinos das plantas com flores e são responsáveis por entregar os espermatozoides ao óvulo, crescendo exclusivamente no ápice da célula a uma das taxas de crescimento mais rápidas conhecidas para uma única célula. Os gradientes focados na ponta de íons como cálcio 5 (Ca2+) e prótons 6 (H+) desempenham um papel importante na sustentação do crescimento do tubo polínico, o que é essencial para cumprir sua principal função biológica que culmina em uma dupla fertilização 5,6. Assim, métodos quantitativos para analisar a dinâmica espaço-temporal ao longo da linha média de células em crescimento apical são essenciais para investigar os mecanismos celulares e moleculares subjacentes ao crescimento polarizado7,8,9. Os pesquisadores geralmente usam quimógrafos, ou seja, uma matriz que representa as intensidades de pixel da linha média da célula (por exemplo, colunas) ao longo do tempo (por exemplo, linhas), o que permite visualizar o crescimento e a migração da célula na diagonal (Figura 1). Apesar de sua utilidade, os quimógrafos são frequentemente extraídos traçando manualmente a linha média, sendo propensos a vieses e erros humanos, além de serem bastante trabalhosos. Isso requer um método automatizado de extração de linha média que é a primeira característica do pipeline introduzido aqui chamado AMEBaS: Automatic Midline Extraction e Background Subtração de lapsos de tempo de fluorescência ratiométrica de células individuais polarizadas.
Em termos de procedimentos experimentais, imagens quantitativas de íons/moléculas/espécies de interesse em células isoladas podem ser obtidas com sondas fluorescentes codificadasgeneticamente10. Dentre as escolhas em constante expansão, as sondas ratiométricas são uma das mais precisas, pois emitem diferentes comprimentos de onda de fluorescência quando ligadas/desligadas às moléculas de interesse11. Isso permite corrigir a heterogeneidade espacial na concentração intracelular da sonda usando a razão de dois canais com seu fundo específico do canal subtraído. No entanto, estimar o limiar de fundo para cada canal e ponto de tempo pode ser uma tarefa complexa, pois muitas vezes varia no espaço devido a efeitos como sombreamento, onde os cantos da imagem têm variação de luminosidade em relação ao centro, e no tempo devido ao desbotamento do fluoróforo (fotoclareamento)12. Embora existam vários métodos possíveis, este artigo propõe determinar a intensidade de fundo automaticamente usando o limiar de segmentação obtido com o algoritmo Isodata13, que é então suavizado através de quadros através de regressão polinomial como padrão. Componentes espaciais decorrentes da heterogeneidade da fluorescência não relacionados à célula-alvo removida em12, no entanto, foram ignorados por este método. O limiar automático pode ser realizado por vários métodos, mas o algoritmo Isodata produziu os melhores resultados empiricamente. Assim, a subtração automática do valor de fundo e o cálculo ratiométrico são a segunda característica principal do AMEBaS (Figura 1), que, em conjunto, recebe como entrada uma pilha de imagens de microscopia de fluorescência de canal duplo, estima a linha média da célula e o fundo específico do canal, e produz quimógrafos de ambos os canais e sua razão (saída principal #1) após subtração, suavização e remoção de outlier, juntamente com uma pilha de imagens ratiometric (saída principal #2).
O AMEBaS foi testado com lapsos de tempo de fluorescência de tubos polínicos de Arabidopsis em crescimento obtidos ao microscópio, com sensores de razão de Ca2+ (CaMeleon)8 ou pH (pHluorin)6 expressos sob o promotor LAT52 pólen-específico. As imagens de cada canal foram obtidas a cada 4 s acopladas a um microscópio invertido, uma câmera frontal iluminada (2560 pixels × 2160 pixels, tamanho do pixel 6,45 μm), um iluminador de fluorescência e uma lente objetiva de imersão em água 63x, 1.2NA. As configurações dos filtros utilizados para o CaMeleon foram: excitação 426-450 nm (CFP) e 505-515 nm (YFP), emissão 458-487 nm (CFP) e 520-550 nm (YFP), enquanto para pHluorin, excitação 318-390 nm (DAPI) e 428-475 nm (FITC), emissão 435-448 nm (DAPI) e 523-536 nm (FITC). Um conjunto completo de dados foi adicionado para teste em Zenodo (DOI: 10.5281/zenodo.7975350)14.
Além disso, o duto foi testado com dados de pelos radiculares, onde as imagens foram realizadas com um microscópio de folha de luz (SPIM), como descrito anteriormente 15,16 com pelos radiculares de Arabidopsis expressando o repórter NES-YC3.6 codificado geneticamente Ca2+ sob o controle do promotor UBQ1017. O software LabView caseiro que controlava a aquisição da câmera, a tradução da amostra e o obturador do microscópio de folha de luz permitiu a observação dos dois canais cpVenus e CFP, mas também a visualização de sua proporção em tempo real. Cada imagem de razão do time-lapse representou uma projeção de intensidade máxima (MIP) entre as imagens dos canais fluorescentes cpVenus e CFP obtidas a partir de 15 cortes da amostra espaçados de 3 μm entre si. A razão de lapso de tempo cpVenus/CFP das MIPs foi salva e usada diretamente para a análise AMEBaS.
Embora esse pipeline possa trabalhar com vários tipos de células em crescimento e migração, ele foi projetado especificamente para analisar células em crescimento que crescem exclusivamente na ponta, como tubos polínicos, pelos radiculares e hifas fúngicas, onde há uma correspondência das regiões citoplasmáticas não crescentes entre os quadros. Quando tal correspondência não estiver presente, o usuário deve escolher a opção complete_skeletonization na etapa 1.3.1.1 (consulte a seção Discussão para obter mais detalhes).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/64857/64857fig01.jpg"> Figura 1: Uma visão geral do fluxo de trabalho do pipeline. O pipeline AMEBaS analisa e processa lapsos de tempo microscópicos em três etapas principais: Segmentação de célula única, Rastreamento de linha média e Geração de quimógrafo. <a href="https://www.jove.com/files/ftp_upload/64857/64857fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>

<table><tbody><tr><td>Github</td><td>Github</td><td></td><td>https://github.com/badain/amebas</td></tr><tr><td>Google Colab</td><td>Google</td><td></td><td>https://colab.research.google.com/github/badain/amebas/blob/main/AMEBAS_Colab.ipynb</td></tr></tbody></table>

amebas: extração automática da linha média e subtração de fundo de time-lapses de fluorescência ratiométrica de células individuais polarizadas

AMEBaS: Automatic Midline Extraction and Background Subtraction of Ratiometric Fluorescence Time-Lapses of Polarized Single Cells

A polaridade celular é um fenômeno macroscópico estabelecido por um conjunto de moléculas e estruturas espacialmente concentradas que culminam no surgimento de domínios especializados no nível subcelular. Está associada ao desenvolvimento de estruturas morfológicas assimétricas subjacentes a funções-chave biológicas, tais como divisão celular, crescimento e migração. Além disso, a ruptura da polaridade celular tem sido associada a distúrbios relacionados ao tecido, como câncer e displasia gástrica.
Os métodos atuais para avaliar a dinâmica espaço-temporal de repórteres fluorescentes em células polarizadas individuais geralmente envolvem etapas manuais para traçar uma linha média ao longo do eixo principal das células, o que é demorado e propenso a fortes vieses. Além disso, embora a análise ratiométrica possa corrigir a distribuição desigual das moléculas repórteres usando dois canais de fluorescência, as técnicas de subtração de fundo são frequentemente arbitrárias e carecem de suporte estatístico.
Este manuscrito apresenta um novo pipeline computacional para automatizar e quantificar o comportamento espaço-temporal de células individuais usando um modelo de polaridade celular: crescimento de pelos do tubo polínico/raiz e dinâmica de íons citosólicos. Um algoritmo de três etapas foi desenvolvido para processar imagens ratiométricas e extrair uma representação quantitativa da dinâmica e crescimento intracelular. A primeira etapa segmenta a célula do plano de fundo, produzindo uma máscara binária por meio de uma técnica de limiar no espaço de intensidade de pixel. O segundo passo traça um caminho através da linha média da célula através de uma operação de esqueletização. Finalmente, a terceira etapa fornece os dados processados como um timelapse ratiométrico e produz um quimógrafo ratiométrico (ou seja, um perfil espacial 1D ao longo do tempo). Dados de imagens ratiométricas adquiridas com repórteres fluorescentes codificados geneticamente de tubos polínicos em crescimento foram usados para avaliar o método. Esse pipeline permite uma representação mais rápida, menos enviesada e mais precisa da dinâmica espaço-temporal ao longo da linha média de células polarizadas, avançando assim o kit de ferramentas quantitativas disponível para investigar a polaridade celular. O código-fonte do AMEBaS Python está disponível em: https://github.com/badain/amebas.git

O pipeline AMEBaS automatiza a extração da dinâmica da linha média de células individuais polarizadas de pilhas de imagens de microscopia de fluorescência, tornando-o menos demorado e menos propenso a erros humanos. O método quantifica esses lapsos de tempo gerando quimógrafos e pilhas de imagens ratiométricas (Figura 1) em células individuais em crescimento. Ele pode ser ajustado para trabalhar na migração de células únicas, mas mais experimentos são necessários. O AMEBaS é implementado em ...

Os métodos atuais para analisar a dinâmica intracelular de células isoladas polarizadas são frequentemente manuais e carecem de padronização. Este manuscrito introduz um novo pipeline de análise de imagens para automatizar a extração da linha média de células polarizadas simples e quantificar o comportamento espaço-temporal de lapsos de tempo em uma interface on-line amigável.

AMEBaS: Extração Automática da Linha Média e Subtração de Fundo de Time-Lapses de Fluorescência Ratiométrica de Células Individuais Polarizadas

Cell polarity is a macroscopic phenomenon established by a collection of spatially concentrated molecules and structures that culminate in the emergence ...

Este método quantifica a dinâmica espaço-temporal de células polarizadas ao longo de sua linha média expressando fluorescente ou corante para entidades específicas de interesse, como actina, íons ou dinâmica de vesículas. A versão de automação elimina vieses e permite escalabilidade, especialmente para tarefas que são feitas digitalmente manualmente e podem se tornar demoradas e subjetivas. Para começar, abra o Jupyter Notebook e leia os arquivos de lapso de tempo, acessando a página inicial do bloco de anotações interativo do Google CoLab ou baixando e abrindo o AMEBaS_local IP YNB do GitHub.Para preparar a configuração do diretório para os dados de entrada e saída usando a versão local, coloque o time-lapse de fluorescência como um arquivo TIF ou DV dentro de uma pasta chamada dados localizada na pasta raiz do programa. Crie uma pasta de saída para receber os dados gerados e, em seguida, execute o bloco de código de instalação. Se estiver usando o bloco de anotações no Google CoLab, execute o bloco de código de configuração para gerar automaticamente dados e pastas de saída e, em seguida, execute o bloco de código de entrada de arquivo para ler os dados de lapso de tempo clicando no botão de reprodução.Se estiver utilizando o Google CoLab, faça o upload do arquivo de lapso de tempo para a pasta de dados clicando no botão Escolher arquivo. Em seguida, escolha gerar saídas adicionais para cada etapa, definindo o parâmetro detalhado como true ou false. Para detectar a célula principal e o segmento do plano de fundo, execute o bloco de código de segmentação de célula única clicando no botão de reprodução para separar automaticamente a célula de interesse do plano de fundo.Ajuste o valor sigma na variável sigma para ajustar a suavidade da máscara de segmentação. O valor padrão é 2.0. Agora defina a estimativa da variável como false para armazenar o limite estimado diretamente dos dados ISO ou true para suavizá-lo em quadros vizinhos usando regressão polinomial local.Ajuste a variável n_points para ajustar a função com o valor padrão sendo 40. Para traçar a linha média ao longo da extensão da célula, execute o bloco de código de rastreamento da linha média da célula clicando no botão de reprodução para esqueletizar a célula usando o método de Lee e estender a ponta do último esqueleto por meio de extrapolação linear. Em seguida, selecione a opção de rastreamento para a linha média ajustando o argumento complete_skeletonization para rastrear no último quadro ou uma vez por quadro.Ajuste a variável interpolation_fraction para definir a fração de pontos no esqueleto para interpolação durante a extrapolação. O valor padrão aqui é 0,25. Em seguida, modifique a variável extrapolation_length para determinar o comprimento da extrapolação da linha média.O valor padrão é menos um, que estende o esqueleto até a borda mais próxima. Agora execute o primeiro bloco de código de visualização de dados clicando no botão play para gerar quimografias automaticamente para ambos os canais. Escolha o tamanho do kernel gaussiano para suavização ajustando a variável kymograph_kernel.Para exibir as intensidades dos esqueletos não estendidos corretamente, um mapa colorido personalizado é necessário para seus quimógrafos limitados. Ajuste a variável shift_fraction para escolher a porcentagem de fração de intensidades que será designada como a cor de fundo, preto. Em seguida, execute o segundo bloco de código de visualização de dados clicando no botão de reprodução para gerar um quimógrafo métrico de proporção e lapso de tempo automaticamente.Ajuste a variável switch_ratio para alterar a ordem dos canais usados como numerador e denominador durante os cálculos de razão com o padrão sendo false. Verifique se o lapso de tempo de proporção requer suavização adicional com uma passagem de filtro mediana ajustando a variável smooth_ratio. Por padrão, isso é definido como false.Em seguida, opte por remover ou manter outliers resultantes de sinal baixo no canal denominador ajustando a variável reject_outliers. Os valores atípicos são marcados como valores 1,5 vezes o intervalo interquartil acima do terceiro quartil. Finalmente, escolha se o plano de fundo e a saída métrica de razão precisam ser exportados ajustando a variável background_ratio.O padrão é false para substituir o plano de fundo por zeros. AMEBaS testado em conjuntos de dados como tubos de pólen expressando o cameleon repórter de cálcio, tubos de pólen expressando o florim indicador de pH, pelos de raiz expressando o repórter de cálcio NESYC 3.6 funcionou com sucesso, apesar das diferenças na direção de crescimento, técnicas de imagem, repórteres fluorescentes e tipos de células. Lembre-se de executar o conjunto de blocos para que você possa instalar os pacotes necessários.Além disso, é crucial ajustar os valores sigma especificamente para suas imagens para que você possa obter resultados mais precisos. Os quimógrafos resultantes podem então ser usados para analisar a dinâmica espaço-temporal do interesse de resolução. Além disso, você pode calculá-lo encontrando método, crescimento e séries temporais para analisar a solução certa.

amebas-automatic-midline-extraction-background-subtraction

Research

JoVE Journal

Developmental Biology

Biologia do Desenvolvimento

Fusão mitocondrial foi medida seguindo o equilíbrio da GFP matriz segmentada photoconverted através da rede mitocondrial ao longo do tempo. Até agora, apenas uma célula possa ser sujeita a uma análise de longo horas cinética de cada vez. Nós apresentamos um método que mede simultaneamente várias células, acelerando assim o processo de coleta de dados.

Uma resolução mais rápida, alta, MTPA-GFP baseada em ensaio de fusão mitocondrial aquisição de dados cinéticos de várias células em paralelo usando microscopia confocal

Descreve-se um método de resolução super-imaging para sondar a organização estrutural da bacteriano FtsZ-ring, um aparelho essencial para a divisão celular. Este método baseia-se em análises quantitativas de microscopia fotoativados localização (PALM) imagens e pode ser aplicado a outras proteínas do citoesqueleto bacterianas.

Super-Resolution Imaging da Divisão de Máquinas bacteriana

A distribuição espacial e a dinâmica temporal das proteínas e lipídios da membrana plasmática são um tema quente na biologia. Aqui, esse problema é abordado por uma análise de flutuação de imagem espaço-temporal que fornece conceitualmente as mesmas quantidades físicas de rastreamento de partícula única, mas usa pequenos rótulos moleculares e configurações de microscopia padrão.

De fast imagens de fluorescência com a Lei difusão molecular em membranas de células vivas em um microscópio comercial

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

Protocolos para cultura de células endoteliais da veia umbilical humana (HUVEC), transfecção transitória de marcadores marcados com fluorescência de crescimento de microtúbulos, imagens de células vivas e análise automatizada da dinâmica de crescimento de microtúbulos interfásicos são detalhados.

De alta resolução de imagem Time-lapse e análise automatizada de microtúbulos Dynamics em Viver umbilical humano Células Endoteliais da Veia

A quantificação precisa dos eventos de tráfego vesicular geralmente fornece informações importantes sobre os papéis de proteínas específicas e os efeitos das mutações. Este artigo apresenta métodos para o uso da pHluorina supereclíptica, uma variante de GFP sensível ao pH, como ferramenta para quantificação de eventos endocíticos em células vivas usando microscopia de fluorescência quantitativa e citometria de fluxo.

Aplicações de pHluorin para Quantitative, Kinetic e de alta capacidade: Análise de endocitose em brotamento Yeast

Descrevemos como micro e photomanipulation técnicas tais como o FRAP e photoactivation permitem a determinação de parâmetros de motilidade e a spatiotemporal dinâmica de proteínas dentro de migração de células. Leituras experimentais incluem subcellular dinâmica e volume de negócios de reguladores da motilidade ou o citoesqueleto de actina subjacente.

Técnicas de micromanipulação, permitindo a análise da dinâmica morfogenética e rotatividade dos reguladores do citoesqueleto

Este protocolo descreve uma abordagem de baseados em espectroscopia de flutuação de fluorescência para investigar interações entre proteínas mediando as interações célula-célula, ou seja, as proteínas localizadas em cruzamentos de célula, diretamente em células vivas. Nós fornecemos orientações detalhadas na calibração de instrumentos, aquisição de dados e análise, incluindo correcções de fontes possível artefato.

Um ensaio de espectroscopia de flutuação de fluorescência das interações da proteína-proteína em contatos do celular

a microscopia da localização da único-molécula 3D é utilizada para sondar as posições espaciais e as trajetórias do movimento de proteínas cDNAs etiquetadas em pilhas bacterianas vivas. O protocolo de análise experimental e de dados descrito neste documento determina os comportamentos diffusivos prevalentes de proteínas citosómicas baseadas em trajetórias unimoléculas agrupadas.

Microscopia de seguimento da único-molécula-uma ferramenta para determinar os Estados diffusive de moléculas cytosolic

Este estudo esboça medidas quantitativas do tamanho e da localização sináptica, da morfologia do músculo, e da forma mitochondrial em C. elegans usando ferramentas livremente disponíveis do processamento de imagem. Esta aproximação permite que os estudos futuros em C. elegans comparem quantitativamente a extensão de mudanças estruturais do tecido e do organela em conseqüência das mutações genéticas.

Abordagens quantitativas para o estudo de estruturas celulares e morfologia organelle em Caenorhabditis elegans

Este artigo apresenta um método para análise espiostemporal de sondas móveis, de uma molécula, baseadas em Förster, utilizando microscopia de fluorescência widefield. O kit de ferramentas de software recém-desenvolvido permite a determinação de traços de tempo smFRET de sondas móveis, incluindo a eficiência correta do FRET e as posições moleculares, em função do tempo.

Análise espacial bidimensional automatizada de sondas FRET de molécula única móvel

Aprenda a automatizar a extração da linha média de células polarizadas usando imagens de fluorescência ratiométrica. Este método elimina vieses manuais e permite análises escaláveis de dinâmica celular.

AMEBaS: Extração Automática da Linha Média e Subtração de Fundo de Time-Lapses de Fluorescência Ratiométrica de Células Individuais Polarizadas (Vídeo) | JoVE Journal

AMEBaS: Extração Automática da Linha Média e Subtração de Fundo de Time-Lapses de Fluorescência Ratiométrica de Células Individuais Polarizadas

Explorar mais vídeos