Программное обеспечение для картирования микроглиальных параметров (MMPS): открытый, удобный для пользователя инструмент для количественного анализа морфологии микроглии
July 24th, 2026
Программное обеспечение для картирования микроглиальных параметров (MMPS) — это удобный конвейер анализа, не требующий знаний в программировании и полуавтоматизирующий анализ морфологии микроглиальной морфологии отдельных клеток на основе иммунофлуоресцентных изображений. Валидированная в модели нейровоспаления, вызванной липополисахаридами, MMPS воспроизводимым образом обнаруживает морфологические изменения, связанные с активацией, и позволяет стандартизированное, масштабируемое микроглиальное фенотипирование.
Программное обеспечение для отображения параметров микроглии, или MMPS, позволяет нам изучать, как фераптоз изменяет подпопуляции микроглии после ишемического инсульта. MMPS решает ключевые проблемы в области анализа микроглии, обходя громоздкие требования к программному обеспечению и необходимые знания в области кодирования. Для начала откройте репозиторий GitHub на компьютере и загрузите одиночный пакет программного обеспечения для отображения параметров микроглии или MMPS.
В папке загрузок дважды щелкните, чтобы запустить архивное приложение для автоматического извлечения сжатой папки. Дважды щелкните на иконке приложения MMPS, чтобы проверить и открыть пакет MMPS. Нажмите на выбор папки с изображением и перейдите через каталоги компьютера, чтобы найти файлы проекта.
Предоставьте разрешения на доступ к папке и выберите каталог для хранения изображений. Затем нажмите выбрать папку вывода, а затем выберите каталог вывода. Выберите изображение для обработки, а затем выберите метки изображения.
Назначьте идентификаторы животных и группы обработки для изображения и сохраните вводимые данные. Для расчета размера пикселя изображения выберите калибровку из шкалы. Выберите начальную и конечную точки шкалы и введите известное расстояние шкалы в микрометрах, затем нажмите применить.
Выберите флуоресцентный канал, содержащий сигнал микроглии. Выберите изображения для обработки, отметив флажок рядом с именем каждого изображения, и обработайте их индивидуально, если фоновая флуоресценция отличается между изображениями. Просмотрите вкладки оригинал, предварительный просмотр, обработанные и маски, чтобы сравнить этапы обработки изображений.
Выберите предварительный просмотр текущего изображения, чтобы настроить дополнительные параметры обработки. Для вычитания фона установите значение качения шара от пяти до 150 пикселей. Для уменьшения артефактов освещения используйте значение дешумирования три и установите значения резкости от одного до двух, чтобы улучшить определение краев.
После оптимизации параметров обработки изображений нажмите обработать выбранные изображения. Затем выберите выбор сомас, все изображения. Нажмите показать цвет C для представления RGB-композита.
Выберите каналы, а затем удаляйте выделение любых неиспользуемых каналов, если изображение выглядит искаженным в цвете. Нажмите настройки отображения, чтобы настроить яркость канала в представлении RGB. Выберите сомы микроглии, отображающие DAPI и ионированную кальций-связывающую адаптерную молекулу один, или IBA1 колокаллизацию.
Удалите неправильно выбранное сома с помощью клавиши backspace или delete. Нажмите enter или return, чтобы перейти к следующему изображению. Выберите очертить сомас все после завершения выбора сомас.
Очертите периметр сомы каждой выбранной клетки микроглии, используя не менее восьми точек контура, исключая клеточные процессы. Удалите неправильно размещенные точки контура с помощью отменить последнюю точку, удалить или backspace. Нажмите enter, return, дважды щелкните или щелкните правой кнопкой мыши, чтобы завершить каждое очертание сомы.
Нажмите сгенерировать все маски после завершения очерчивания сомы. В настройках создания масок установите минимальную интенсивность, чтобы уменьшить пиксели фона и сбалансировать подавление фона и сохранение ветвей. Выберите QA все маски, чтобы начать контроль качества масок, и просмотрите все представленные маски от крупнейших к самым маленьким областям.
Сравните каждую маску с соответствующей микроглией, используя вкладки обработанные и маски. Для принятия масок используйте клавиатурный список A. Для отклонения масок используйте клавиатурный список R.
Чтобы отменить принятие или отклонение, нажмите B.Используйте стрелочные клавиши клавиатуры для перемещения по размерам масок. Выберите самую большую приемлемую маску, которая точно захватывает разветвление микроглии без включения соседних клеток, избыточного фона, границ изображения или шкальных линий. Если большинство из них неточны, используйте опцию очистить все маски, чтобы сгенерировать маски с другой пороговой величиной.
Затем выберите вычислить простые характеристики для вычисления различных параметров для принятых масок, затем нажмите ок. Для дополнительного анализа загрузите плагины fractalanalysisimagej. py, sholl. py и skeletonanalysisimagej. py. Для фрактального и оболочки анализов откройте и запустите fractalanalysisimagej. py как плагин Fiji. Затем введите расположение выходной директории. Введите размер пикселя и выберите опцию анализа только самой большой маски для анализа самой большой принятой маски на клетку.
Для анализа sholl откройте sholl. py как плагин Fiji. Введите расположение выходной директории, желаемый размер пикселя, размер шага.
Выберите использовать радиус сомы в качестве начальной радиуса, или введите фиксированное значение радиуса сомы, если радиусы сомы, полученные из MMPS, не используются. Откройте skeletonanalysisimagej. py как плагин Fiji для анализа скелета.
Просмотрите и введите пути для директории масок,
Overview
This article introduces the Mapping Microglial Parameters Software (MMPS), an open-source platform designed for quantitative analysis of microglial morphology. MMPS addresses accessibility and usability challenges in current analysis tools by providing a user-friendly, Python-based solution compatible with immunofluorescence workflows. The software is validated using a rodent model of neuroinflammation, demonstrating its effectiveness in detecting morphological changes associated with microglial activation.
Key Study Components
Area of Science
- Neuroscience
- Immunology
- Image analysis
Background
- Microglia are central nervous system immune cells involved in tissue degradation and remodeling after neurological injury.
- Quantitative morphology analysis can distinguish microglial subpopulations and preserve in situ information.
- Existing analysis platforms often require specialized expertise or are not publicly accessible.
- There is a need for standardized, accessible tools for microglial morphology analysis.
Purpose of Study
- To develop an open-source, user-friendly software for microglial morphology analysis.
- To enable semi-automated, single-cell analysis without coding expertise.
- To validate the software using a rodent neuroinflammation model.
Methods Used
- Development of MMPS using Python 3.11.
- Integration with immunofluorescence-based imaging workflows.
- Implementation of a graphical user interface for accessible operation.
- Validation using a rodent lipopolysaccharide (LPS)-induced neuroinflammation model.
Main Results
- MMPS enables semi-automated, quantitative analysis of microglial morphology at the single-cell level.
- Microglia from LPS-treated animals showed significantly increased soma area (p < 0.01).
- Microglia from LPS-treated animals exhibited reduced cell perimeter (p < 0.05) compared to controls.
- These morphological changes are consistent with microglial activation and neuroinflammation.
Conclusions
- MMPS provides a standardized and reproducible platform for microglial morphology analysis.
- The software is accessible to users without coding expertise.
- MMPS facilitates cross-laboratory comparison and reproducibility in microglial research.
Frequently Asked Questions
Executive Industry Relevance
Quantitative microglial morphology analysis is critical for de-risking neuroinflammation targets and advancing CNS drug discovery. The Mapping Microglial Parameters Software (MMPS) enables standardized, reproducible measurement of microglial activation states, supporting predictive confidence in early discovery and translational research. Its accessibility and cross-laboratory compatibility address key bottlenecks in neuroimmune target validation and portfolio triage.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of microglial activation in disease-relevant models.
- Supports functional target validation by distinguishing subtle morphological phenotypes.
- Facilitates mechanistic de-risking of neuroimmune pathways in CNS disorders.
- Improves predictive confidence for advancing neuroinflammation targets.
Screening & Assay Development
- Standardizes image-based microglial morphology assays for reproducible outputs.
- Prepares validated biological systems for compound screening and phenotypic profiling.
- Enables scalable, semi-automated analysis compatible with immunofluorescence workflows.
- Supports reliable quantitative evaluation of compound effects on microglial states.
Translational & Preclinical Research
- Aligns morphological readouts with translational biomarkers of neuroinflammation.
- Ensures continuity from discovery through preclinical validation in rodent models.
- Reduces risk in advancing neuroimmune assets by providing robust, quantitative endpoints.
- Supports cross-study and cross-laboratory reproducibility for regulatory submissions.
Pipeline & Workflow Integration
MMPS integrates into the discovery-to-preclinical continuum by enabling standardized, quantitative analysis of microglial morphology in immunofluorescence-based workflows.
- Discovery Biology: Provides hypothesis-driven quantification of microglial activation and morphological phenotypes.
- Screening: Delivers reproducible, quantitative outputs for assay development and compound evaluation.
- Analytics: Generates statistical measurements (e.g., soma area, cell perimeter) for condition comparison and decision-making.
- Translational Research: Aligns with preclinical neuroinflammation models for biomarker continuity.
- Enterprise Reuse: Offers an open-source, user-friendly platform adaptable across CNS research programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neuroimmune target validation.
- Operational Value: Standardizes and semi-automates morphology analysis, improving reproducibility and scalability.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient advancement of CNS assets.
- Portfolio Impact: Supports risk-adjusted prioritization of neuroinflammation programs with robust quantitative endpoints.
Implementation Considerations
- Requires expertise in immunofluorescence imaging and neurobiology for optimal use.
- Needs compatible imaging instrumentation and computational infrastructure for image processing.
- Demands cross-team standardization of imaging and analysis protocols for reproducibility.
- Adaptable to various rodent neuroinflammation models and potentially other CNS disease systems.
- Dependent on image quality and parameter selection for accurate morphological quantification.