29 ноября 2024 г.
В этом исследовании описан метод визуализации и разработки трехмерных (3D) моделей остеоцитов в лакунарно-каналикулярной сети (LCN) для анализа вычислительной гидродинамики (CFD). Модели, созданные с помощью этого метода, помогают понять механоощущения остеоцитов в здоровых или больных костях.
Предполагается, что напряжение сдвига потока жидкости является механическим стимулятором остеоцитов. Поскольку прямое измерение не является вариантом, модели остеоцитов, полученные с помощью конфокальных изображений, являются ценным инструментом для проведения вычислительного анализа динамики жидкости для оценки напряжений потока жидкости на дендритных мембранах остеоцитов. Часть работы, выполненной в нашей лаборатории, соответствует последним разработкам в этой области, где фактическая морфология лакун остеоцитов, включая извилистость и плотность дендритов, используется вместе с костной и лакунарно-каналикулярной сетью для численного определения напряжения сдвига потока жидкости и мест в дендритной структуре остеоцитов, где напряжение высокое.
Современные технологии включают в себя различные вычислительные модели, такие как анализ конечных элементов, вычислительная гидродинамика, взаимодействие структуры жидкости, моделирование на основе изображений, включая рентгеновский или конфокальный микроскоп для точных 3D-моделей, а также системы механических испытаний для проверки моделей путем измерения реакции костей, таких как деформации в условиях контролируемого нагружения. Наши результаты показывают, что потеря дендритов из-за старения или заболевания костей является фактором, приводящим к тому, что кости становятся менее чувствительными к физической активности. Мы предположили, что остеоциты обнаруживают механические нагрузки через области напряжения сдвига с высоким потоком жидкости, которые являются дендритами.
А напряжение сдвига потока жидкости коррелирует с подобной лакунарной морфологией, особенно с площадью поверхности. С созданием этого протокола мы в настоящее время работаем над проектом NIH по изучению напряжения сдвига потока жидкости в дендритах остеоцитов костей мышей двух разных возрастов и полов. Это исследование поможет определить, как старение и половые различия влияют на механическую трансдукцию в кости из-за нагрузки.
Для начала зафиксируйте бедренную кость, собранную у мыши, в холодном 4% параформальдегиде в фосфатно-солевом буфере на 24 часа при температуре четыре градуса Цельсия с легким покачиванием. На следующий день промойте кость и буферизованный фосфатами солевой раствор и быстро заделайте его в быстро полимеризующийся акрил. Нарежьте толстыми поперечными ломтиками размером 300 микрометров выше третьего вертела.
С помощью наждачной бумаги отполируйте срезы кости до окончательной толщины от 90 до 100 микрометров. Затем промойте полированные участки в 70%95% и 100% этаноле в течение пяти минут каждая. Окрашивайте срезы в 1%-ный С-100%-ный этанол в течение четырех часов в темноте с умеренным встряхиванием.
Далее тщательно промойте срезы в 100% этаноле. И высушите их на воздухе в течение ночи, прежде чем поместить в каплю монтажного носителя на предметное стекло. Закрепите на образце защитное накладку.
На конфокальный микроскоп установите 488-нанометровый лазер для возбуждения и окно сбора излучения от 496 до 596 нанометров. Во-первых, сделайте маломощное изображение всего участка кости с помощью объектива 5x. Затем сделайте снимки трех областей интереса с помощью 20-кратного объектива.
Используйте масляный объектив с числовой апертурой 100x 1,44 с цифровым зумом 1,7 и шагом 0,126 микрометра для сбора детализированных стеков Z из 400 Z-плоскостей размером 1024 x 1024 пикселей и разрешением 0,089 микрометра. Для компьютерного моделирования остеоцитов мыши откройте программу ImageJ после импорта собранных изображений Z стека бедренной кости мыши в формате TIFF, настройте порог в меню раздела для изменения пределов интенсивности пикселей для включения в маску. Используя операцию маски обрезки, обрежьте одну лакуну с каналикулами в качестве области интереса.
Заключите лакуну в воображаемый куб большего размера со сторонами 21, 14 и 19 микрометров. Выполните операцию увеличения области для выбора соединенных областей пикселей для создания однородной лакунарно-каналикулярной сети или LCN. Далее, используя операцию вычисляемой детали, преобразуем лакунарно-каналикулярную маску в объект.
Уменьшите объем LCN с помощью операции разглаживания для построения остеоцитарных и дендритных мембран. Затем экспортируйте объекты. Объедините две поверхности дендритных мембран LCN и остеоцитов в одну поверхность.
Теперь используйте операцию remesh для создания объемной модели лакунарного каналикулярного пространства. Экспортируйте модель в виде файла STL и настройте масштаб объекта с точностью до микрометров. В программном обеспечении для обработки трехмерных изображений выберите объемную модель лакунарно-каналикулярного пространства мыши в качестве базовой модели для построения различных моделей остеоцитов.
Выберите более низкий порог, чтобы уменьшить интенсивность света изображения и получить лакуну с меньшим количеством каналов. Затем разработайте модели остеоцитов с различной толщиной лакунарно-каналикулярного пространства или диаметром дендритных каналик. Создавайте большие или меньшие модели остеоцитов с помощью операций обертывания или сглаживания соответственно.
Чтобы создать поток жидкости в программном обеспечении для моделирования, импортируйте разработанные геометрии на основе конфокальных изображений в программное обеспечение CFX. Установите размеры единиц измерения в нанометрах. Далее нажмите на вычесть, чтобы получить единое тело лакунарного каникулярного пространства.
Щелкните правой кнопкой мыши по сгенерированному фасету и преобразуйте его из фасетов в сплошную область без объединения граней. Нажмите на сетку и выберите линейные тетраэдрические элементы с размером элемента 0,06 микрометра. Уточните сетку с помощью исследования сходимости сетки.
Теперь выделите поверхность и выберите каналы на верхней стороне воображаемого куба в качестве входных отверстий для жидкости. Используя коробку, выберите каналы на остальных пяти гранях в качестве выходов жидкости. Затем экспортируйте сетку.
После создания еще одного потока жидкости импортируйте текучую сетку в раздел настройки CFX. Используя параметр "Вставить границу", задайте два граничных условия для входов и выпусков для граней. Оказывайте давление на входе жидкости 300 и ноль паскалей на входе и выходе соответственно.
Остальные поверхности обрабатывайте как стены с условием отсутствия скольжения. В библиотеке материалов обрабатывайте интерстициальную ламинарную жидкость как воду. Установите секции теплопередачи, сгорания и теплового излучения в положение «Нет».
Выберите турбулентность в качестве характеристики жидкости в LCN. Затем запустите программное обеспечение, используя двойную точность и прямой запуск в качестве типа отправки. Вставьте новый контур в раздел результатов программного обеспечения для вычислительной гидродинамики.
Создайте напряжение сдвига потока жидкости или контур FFSS, выбрав сдвиг стенки на дендритных мембранах остеоцитов в качестве переменной в домене. Далее вставьте контур скоростных линий внутрь лакунарно-каналикулярной области, начиная от входных отверстий. Средний FFSS на остеоцитарных и дендритных мембранах в модели молодого остеоцита составил 0,42 Паскаля, что было значительно выше, чем 0,13 Паскаля в модели старого остеоцита.
FFSS увеличивался в остеоцитах с большим лакунарным каналикулярным пространством, как видно в модели 7 и модели 8, где модель 8 показала самый высокий FFSS. Самые низкие значения FFSS в 0,19 Паскаля и 0,13 Паскаля наблюдались во второй и четвертой моделях соответственно с самой низкой плотностью каналикулов. Не наблюдалось существенных изменений в FFSS при увеличении диаметра дендритов, как это было в моделях 5 и 6.
В данном исследовании описывается метод визуализации и разработки трехмерных (3D) моделей остеоцитов внутри лакунарно-канальцевой сети (ЛКС) для анализа вычислительной гидродинамики (CFD). Созданные модели помогают понять механизмы механосенсорики остеоцитов в здоровой или пораженной болезнью костной ткани.
Конфокальная визуализация высокого разрешения и компьютерное моделирование сетей остеоцитов позволяют количественно оценить напряжение сдвига при потоке жидкости, которое является ключевым сигналом механотрансдукции в биологии кости. Данный рабочий процесс обеспечивает прогностическую достоверность для понимания того, как микроструктурные изменения, такие как старение или вызванная болезнью потеря дендритов, влияют на реактивность остеоцитов на механическую нагрузку. Интеграция этих моделей в исследования на этапе поиска новых средств поддерживает механистическое снижение рисков и обосновывает трансляционные стратегии для разработки терапевтических средств, воздействующих на костную ткань.
Данный метод представляет собой сочетание конфокальной визуализации и CFD-моделирования, которое служит связующим звеном между этапами первичных открытий и доклиническими исследованиями в области разработки препаратов, нацеленных на костную ткань.