Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Immunology and Infection

自动测量隐球菌种多糖胶囊和细胞体

doi: 10.3791/56957 Published: January 11, 2018

Summary

该技术描述了一种用于测量多糖胶囊和体半径的自动批处理图像处理器。最初设计为新生隐球菌胶囊测量时, 自动图像处理器也可应用于其他基于对比度的圆形物体检测。

Abstract

这项技术的目的是为大量的多糖胶囊测量提供一个一致的, 准确的, 可管理的过程。

首先, 根据每个图像的唯一计算的强度值生成阈值图像。然后, 利用完备的圆霍夫变换 (红隧) 算法, 根据对象和背景的对比度来检测圆。最后, 根据中心坐标和半径大小对检测到的细胞胶囊和体进行匹配, 并在可管理的电子表格中将数据导出到用户。

这种技术的优点很简单但意义重大。首先, 由于这些计算是由一个算法而不是一个人来执行的, 所以精确度和可靠性都提高了。 无论分析多少样品, 准确度或可靠性都没有下降。其次, 此方法为 "隐球菌" 字段建立了一个潜在的标准操作过程, 而不是实验室中的胶囊测量变化的当前情况。第三, 由于手动胶囊测量是缓慢和单调的, 自动化允许快速测量大量的酵母细胞, 反过来又有利于高吞吐量数据分析和日益强大的统计。

该技术的主要局限性来自于该算法的功能。首先, 该算法将只生成圆。当隐球菌细胞及其胶囊采用圆形形态时, 很难将这种技术应用于非圆形物体的检测。其次, 由于如何检测圆, 红隧算法可以根据多个簇圆的外边缘检测出巨大的 pseudo-circles。但是, 在 pseudo-circle 中捕获的任何错误的单元格都可以很容易地检测到并从结果数据集中删除。

本技术是以印度油墨的光场显微镜为基础, 测定新生种的圆形多糖胶囊;虽然它可以应用于其他基于对比度的圆形物体测量。

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

新生隐球菌是一种致病性酵母, 在全球范围内发现无所不在, 与人类疾病主要是免疫人群有关。C. 隐球菌最显著的原因是在撒哈拉以南非洲地区因传染性疾病而导致的全年死亡的一个重要因素1。隐球菌感染的主要临床表现是脑炎, 它是在受感染的巨噬细胞 (特洛伊木马方式) 或直接越过血脑屏障之后, 通过中枢神经系统的侵袭而发生的。C. 隐球菌表达了多种致病因子, 包括在人体温度、脲酶活性、黑和多糖胶囊的形成过程中复制的能力2。该多糖胶囊是由重复 glucuronoxylomannan 和 glucoronoxylomannangalactan 聚合物和功能作为保护屏障的因素, 如环境压力和宿主免疫应答2

虽然隐球菌多糖胶囊大小的大小并没有持续与毒力相关, 但有证据表明它是致病因素2,3,4,5, 6,7。胶囊大小与脑膜炎病理相关6, 可影响巨噬细胞控制新生感染的能力5, 如果缺席则可能导致毒力丧失8。因此, 胶囊大小测量是常见的隐球菌研究, 但没有 fieldwide 标准的方法的胶囊测量。

目前, C. 隐球菌多糖胶囊的测量是基于手工测量的显微图像, 而且图像和测量的精确方法在实验室中各有不同9,10, 11。这种方法的一个直接的关注是, 一些研究需要获得数以千计的个人测量, 这使得保持准确性和可靠性的困难。此外, 即使在公布结果时, 对测量方法的描述也往往不够充分。许多出版物不解释如何获得他们的测量, 使用了什么焦平面, 他们如何确定胶囊的识别阈值, 无论他们使用的半径或直径, 无论是使用一个测量或平均数, 或其他详细.有些出版物仅说明使用的程序的方法, 例如, "Adobe Photoshop CS3 用于测量单元格"11。这种缺乏标准化和报告细节的情况可能会使重现性困难, 如果不是不可能的话。人的视力、电脑亮度、显微镜设置、滑动照明和其他因素之间的差异不仅在个体之间, 而且在样本之间也会有所不同, 而基于像素强度值的比值的计算将保持不变,适用于样品之间。这项技术是在提供一个标准化的, 准确的, 快速的, 简单的技术来测量胶囊大小的领域中, 没有以前。

如前所述, 海隧算法是长期的, 并且脚本自动地检测圈子以前被写了。此方法在其他脚本不足的两个方面有所改进。首先, 仅仅检测圆是不够的, 因为与隐球菌细胞的两个不同的圆圈必须相互关联检测。这种方法专门检测胶囊内的细胞体, 区分两者之间, 并只对相关的身体-胶囊对进行计算。第二, 即使遵循相同的协议, 不同的调查人员最终会得到不同的获取图像。通过允许调查人员控制每个算法参数, 可以调整该工具以匹配广泛的获取方法。不需要标准化的范围、目标、筛选等。

这种技术可以很容易地应用到任何情况下, 调查人员需要检测的圆圈内的图像, 与他们的背景形成对比。两个圆圈比他们的背景更亮, 更暗, 可以检测, 计数, 并用这种技术测量。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. 印墨幻灯片的制作

  1. 吸管10µL 的隐球菌样本到幻灯片上。任何循环酵母菌株将工作, 但这个实验 H99 是唯一的应变使用。
    注: 如果样品直接来自培养基, 用 PBS 或水稀释1:2 可以帮助防止墨汁结块。
  2. 吸管2µL 印度墨水污点的样品和混合通过物理推动吸管尖端的样品和移动, 直到印度墨水出现均匀分布。
  3. 通过将片的左边缘与幻灯片的表面片, 然后在样品上轻轻地、均匀地降低片的另一侧, 在样品上放置一个。
  4. 允许滑动到空气干燥5分钟。
  5. 轻轻地涂上一层指甲油到片边界, 形成一个印章, 并保存印度墨水污点。

2. 影像幻灯片

  1. 将幻灯片放在明亮的野外显微镜下, 用照相机附件和已知的 pixel-to-micron 转换。调整滤镜、目标和对比度, 使细胞胶囊清晰, 细胞体聚焦, 暗色带。
    注意: 各种滤镜、目标和对比度设置都可以使用, 但建议使用20x 目标、Ph1 过滤器和2x2 分。
  2. 确保视野是稠密的, 但不是过度的与隐球菌细胞, 与细胞囊和背景清晰的对比, 并适当集中在细胞体可视化为一个黑暗的波段。
    注意: 最佳图像的精确单元格数将因所使用的样本和目标而异。重要的方面是确保细胞不聚集或重叠, 细胞的焦平面不明显变化, 并有明显的印度墨水污点清晰可见的背景 (至少25% 的领域)。
  3. 将图像保存到具有明确标题的单个目录中, 因为测量算法将在单个目录中的图像上运行, 并且输出数据将根据图像文件的名称进行组织。

3. 算法设置

  1. 安装 Python 版本2。7
  2. 通过运行 "pip 安装枕头" 和 "pip 安装 openpyxl" 命令安装附加的 python 库。
  3. 按照以下说明安装 MATLAB
  4. 按照 https://www.mathworks.com/help/matlab/matlab_external/install-the-matlab-engine-for-python.html 提供的说明构建 MATLAB python 库。
  5. 下载这份手稿的补充材料 ("QCA", "Analysis2", 和 "TestRun m") 所需的三文件。
    注意: 这些文件可以提取到任何位置, 但所有三必须在同一目录中。

4. 算法的使用

  1. 通过双击 QCA 运行应用程序。
    注意: 应用程序可能需要几分钟才能开始。"QCA" 文件包含调用 ". m" 文件的程序结构来运行实际算法。
  2. 按照程序中概述的步骤操作。
    1. 输入图像文件的扩展类型, 前面是句点, 用分号 (ex) 分隔。TIF;。jpeg ") 然后单击Enter按钮。
    2. 通过单击选择目录"按钮并选择包含图像的文件夹, 选择图像文件所在的目录。
    3. 通过单击生成图像列表按钮, 在目录中生成图像文件的列表。图像将在右侧的文本框中列出。检查并确保清单的准确性和完整性。
    4. 通过单击选择随机图像"按钮, 从列表中选择一个随机图像以用作预览。
      注意: 如果由于图像模式错误而无法打开图像, 该算法将仍然正常工作, 尽管不显示图像。步骤4.2.7 后, 测试图像仍将显示。
    5. 输入显微镜物镜和分设置。如果默认设置与使用的显微镜不匹配, 请选择 "自定义像素转换" 并输入图像文件的 pixel-to-um 转换。选定后, 单击计算转换"按钮, 并确保根据右侧的文本框进行的转换是正确的。
      注意: 在图 1中显示的具有代表性的图像是用40x 的放大倍数和2x2 分的选择来计算的。
    6. 用于圆检测的输入算法参数。
      1. 输入最小和最大半径可检测的外舱探测作为最小和最大胶囊半径条目。较小的范围将允许更准确的结果。
      2. 输入最小和最大半径检测为细胞体探测作为最小和最大细胞体半径条目。
        注意: 根据源图像, 所有四个条目都应该是以像素为单位表示各自值的数字。
      3. 移动胶囊和细胞体灵敏度滑块来调整算法的灵敏度阈值。低灵敏度将是严格的, 并减少假阳性圆检测, 但也可能检测到更少的真正的圈子。反之, 高灵敏度将提高检测率, 但也可能导致假阳性圆。
        注: 有代表性的结果, 最小胶囊半径为 7, 最大胶囊半径为 45, 最小体半径为 4, 最大体半径为 30, 胶囊灵敏度 87, 体灵敏度87。
    7. 通过单击运行测试按钮来测试随机选择的图像上的参数。结果将显示在程序的上部中心, 替换原始图像。如果结果看起来准确, 建议选择一个额外的随机图像, 以确保选定的参数将适合所有选定的图像。
      1. 最大化检测到的物体和胶囊的数量, 并目视检查这些圆圈是否适合正确显示。检测到的马蹄形内的主体数量将显示在右侧的文本框中。否则, 操作算法参数, 直到结果是准确的。
        注: 厚色圆圈只对可视化有帮助。实际产生的测量圆是一个数学曲线计算的小贩的算法。
    8. 单击开始分析按钮, 在整个映像文件目录中运行检测算法。每个图像将被分析, 程序将显示 "完成" 在文本框的权利, 当所有的图像都被分析。
    9. 单击匹配和清除按钮。这将匹配检测到的细胞体的检测胶囊, 他们驻留在, 并计算真正的胶囊半径减去身体从胶囊。
      注意: 如果该算法被用于检测荧光或其他只检测到一个圆圈的情况, 这一步是不必要的。而只需单击仅拉正文仅拉式胶囊按钮, 即可分别只收集蓝色或绿色圆圈的数据。重要的是要注意, 如果只检索胶囊的数据, 半径将引用的细胞的总半径, 因为不能减去细胞体的半径。
    10. 在映像目录中的 "CleanedOuput. csv" 文件中找到已完成的数据。如果仅选择了一条数据, 则该文件将被标记为 "CleanedBodies" 或 "CleanedCapsules. csv"。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

图像首先由印度墨水幻灯片的显微镜, 使用明亮的野外显微镜和相机 (图 1a) 来获得。重要的是要使细胞分离, 并在足够低的密度不压倒的视野, 以及使用足够的污渍, 以创造对比细胞和背景。如协议中所述, 最佳图像的单元格的确切数目将因所使用的样本、显微镜和目标而异。重要的方面是确保细胞不聚集或重叠, 细胞的焦平面不明显变化, 并有明显的印度墨水污点清晰可见的背景 (至少25% 的领域)。这些方向允许算法通过取平均像素强度值和添加标准偏差来确定每个图像的唯一阈值。任何亮度值高于所述阀值的像素被认为是白色的, 任何具有强度值的低点都被认为是黑色的。生成的图像允许对胶囊的结束位置 (图 1B) 进行明确而清晰的区分。该算法然后有一个强大的底对比度为基础的圆形检测胶囊和原始图像提供了一个健壮的白色圆的细胞体。作为程序的一部分 (图 1C), 将生成检测到的圆的有代表性的可视化。这样, 用户就可以快速分析经过处理的图像并确保结果正确无误。

必须遵循精确的协议来获取最佳图像。子优化图像通常是由于胶囊和墨水之间缺乏对比 (图 2a)。最佳对比度和采集参数将根据样品、实验、相机和显微镜模型等不同而有所不同。一个最佳的图像是, 如果可能的话, 酵母细胞分离, 其中外边缘的胶囊有明显的对比, 印度墨水染色, 并在那里的细胞体是集中显示作为一个黑暗带, 与它的背景形成鲜明对比。如果在视图中有太多的单元格, 或者如果污渍太轻, 则像素强度值将会聚集, 程序将无法建立一个能够阐明胶囊大小的阈值 (图 2B)。当使用了次优图像时, 程序可以检测到大小不正确的圆, 无法检测任何圆, 或者基于阈值图像中的工件检测多个 pseudo-circles (图 2C)。

检测细胞体构成一个类似的问题, 在细胞的身体必须被形象化为一个强大的黑色圆圈的白色背景下的胶囊。在描述所需的图像采集焦平面时, 该问题在协议中得到了解决。要使用的最佳焦平面是将单元格体显示为深色、集中的带 (图 3a)。这个焦平面是可以接受的标准, 因为它适当地聚焦于细胞。这是证实通过可视化细胞壁与 Uvitex, 甲壳素染色 (图 3B)。Uvitex 染色清楚地显示了一个脆, 集中的细胞壁与微弱的信号在中心 (那里的顶部和底部的细胞体将被染色, 不集中)。

在这一方法的开发中, 确定该算法能准确地确定胶囊和细胞体的测量值也很重要。虽然代表圈子在早先数字是有为的, 实际测量在计算机和人的测量之间被比较。在准确地跟踪协议并获得最佳图像后, 该算法准确可靠 (图 4A)。然而, 如果协议被错误地跟随, 并且得到次优图象是由于糟糕的染色、过度拥挤或其他早先被提及的参量, 算法丢失准确性并且不能重述人的测量 (图 4B).由于这项技术最初是为一个特定的个体 (第一作者) 开发的, 不同的个体被要求使用它来确定染色和测量风格之间的差异是否会影响准确度, 尽管遵循了协议。结果表明, 只要协议遵循指示 (图 4C), 该技术就能广泛应用。同样, 这种技术可以与任何能够获得印墨幻灯片相衬图像的显微镜一起使用。为了确保该算法与其他显微镜设置保持准确, 该实验由第三位研究者使用不同的明亮场显微镜与相机相结合, 并与人工测量的胶囊直径进行比较。直径.计算机和人体测量之间没有显著差异 (图 4D)。

最后, 从荧光染色的角度探讨了该算法的应用前景。由于荧光成像仍然是基于信噪比的像素强度值, 该算法应易于适用于荧光图像, 只要染色是圆形的性质。当算法能够成功地从先前描述的图像 (图 5A, 5B) 中检测到 Uvitex 染色的细胞体时, 此应用程序被确认。用户应注意优化其实验的算法参数, 并在将来为任何新的应用开发标准化的协议。

Figure 1
图 1: 获得最佳图像的代表性结果。A.印墨幻灯片的明亮场显微镜所获得的初始图像。B.使用从添加到标准偏差的平均像素强度值计算的阈值创建的二进制图像。该阈值以上的所有数值都被认为是白色的, 下面所有的都被视为黑色。C.算法所检测到的胶囊 (绿色) 和细胞体 (蓝色) 的可视化。所有图像均以2x2 分40x 放大倍数获得。请单击此处查看此图的较大版本.

Figure 2
图 2: sub-optimally 获得的图像的代表性结果。A.最初印度墨水幻灯片通过明亮的现场显微镜获得。不均匀和不充分的染色结果在一个特别明亮的背景与梯度强度。B.产生的二进制图像, 由于高背景信号, 胶囊不能明显区分。C.几个胶囊是无法检测到的。所有图像均以2x2 分40x 放大倍数获得。请单击此处查看此图的较大版本.

Figure 3
图 3:检测单元格体A.以首选焦平面为中心的胶囊的明亮场图像。B. Uvitex 在首选焦平面上的细胞体的荧光图像。以2x2 分100x 放大倍数获得图像。请单击此处查看此图的较大版本.

Figure 4
图 4:算法 (黑色) 和人 (灰色) 分析结果的比较。A.当根据协议准备幻灯片并获得最佳图像时, 测量之间没有明显差异。B.如果不遵循该协议, 则算法不能准确地识别和测量胶囊。在这里具体的背景是不一致的, 并没有明确的对比之间的胶囊和背景。通过 t 检验计算出的显著变化为 P 值 < 0.05。C.要求独立调查员遵循该协议, 并将其分析与该算法进行比较。只要正确获取图像, 就能在观察者之间保持可靠性。D.使用第二个显微镜的第二个独立调查员确认该算法在个人和硬件之间保持准确性。请单击此处查看此图的较大版本.

Figure 5
图 5: 一种潜在的替代应用的算法: 荧光显微镜的识别和测量.细胞体被染色和影像与 Uvitex, 然后通过算法识别。检测到的圆将被标记为细胞壁, 因为检测是基于荧光信号。该检测算法可以通过修改用于生成图 1B2B中所表示的初始二进制图像的阈值来专门识别最亮的信号 (细胞壁) 堆积。请单击此处查看此图的较大版本.

Supplemental Figure 1
补充图 1: 在 Windows 环境中运行的应用程序的代表性屏幕快照.请单击此处查看此图的较大版本.

Supplemental Figure 2
补充图 2: 检测到的发芽酵母细胞的表示.缩放条代表10µm. A.母细胞和芽在各自的囊中作为单独的细胞计算。B.一个母细胞和芽每两次计数, 一次为他们自己的胶囊和一次为其他细胞胶囊, 导致四总细胞检测从一个父母和一个芽。请单击此处查看此图的较大版本.

Supplemental Figure 3
补充图 3: 在单元检测和测量后提供的最后数据的表示形式.图像文件是指原始图像的名称。总半径是指代表绿色圆的半径、胶囊和细胞体的结合。胶囊 x 和胶囊 y 指的是该数据所适用的胶囊的坐标。身体半径是指代表蓝色圆圈的半径。胶囊半径指的是总半径减去身体半径, 导致半径仅为胶囊。只要用户在步骤3.2.5 中包含 pixel-to-micron 转换比率, 这些值就会在微米内。请单击此处查看此图的较大版本.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

这一技术的关键步骤是准备印度墨水幻灯片和获取显微镜图像。虽然该算法已成功地测试了各种幻灯片和图像技术的推荐协议在这篇手稿中描述。该多糖胶囊是基于印度墨水微粒从胶囊的领域排除, 因为这些粒子太大, 渗透到多糖纤维网络。印度油墨的排斥导致一个明亮的圆圈顶部的黑暗背景。该算法根据它们与背景的对比度来检测圆。因此, 大量印墨色斑会导致多糖胶囊与背景的对比度增高, 增加信噪比, 提高结果质量。相反, 细胞体被检测为一个黑暗的圆圈顶部明亮的背景。该细胞体将改变外观的基础上, 它的焦距显微镜是设置, 出现作为一个弥漫灰色圆圈在顶部或底部的细胞和作为一个凝聚黑暗带在中心。出于同样的原因, 作为一个凝聚的, 暗波段的细胞体出现的焦平面应用于图像采集, 因为这将导致最精确的圆检测。

此处报告的方法已经过多次修改和疑难解答。该算法最初被编码, 期望单元格不会小于4或大于60像素的基础上使用显微镜。为了将此算法的应用扩展到不同的放大和单元格大小, 这些限制改为由协议中描述的用户输入字段取代。用户现在可以输入特定于每个实验的参数, 以达到最大的精确度。如果将此算法应用于隐球菌胶囊测量之外的情况, 建议首先设置一系列范围查找条件, 以确定如何生成和映像样本。

这项技术最重要的限制是, 它是在设计的具体应用, 即测量隐球菌胶囊。虽然它可以很容易地修改, 以适应其他应用程序, 这个脚本只是直接适用于胶囊测量协议上面概述。然而, 这一限制也说明了该方法在其领域和现有方法方面的重要性。此外, 萌芽的酵母细胞可以提出一个问题的调查谁希望只测量父母的细胞大小。该算法能够检测芽作为唯一的细胞 (图 S2A)。首先, 这可能是一个问题, 如果调查人员在这种情况下, 他们希望删除芽测量, 或删除两个细胞, 如果它不能确定哪个检测到的圆圈是芽, 哪个是父。其次, 这可能会导致另一个问题, 如果芽被检测为一个细胞体仍然在父母胶囊的范围内 (图 S2B), 在这种情况下, 算法将测量芽在参考的父母胶囊。在此示例中, 每个单元格将被计算两次, 因为每个单元格都位于两个胶囊中。一旦协议完成, 这些问题中的任何一个都可以轻松解决。最终数据集将显示为电子表格, 其中每个检测到的单元格都根据它来自的图像文件进行标记, 而单元格体的 x 和 y 坐标 (图 S3)。调查人员可以简单地查找和排除与芽匹配的数据。尽管胶囊的大小是一个重要的和严重的研究毒力因子隐球菌字段尚未建立标准协议的胶囊测量或图像采集。这项技术的目的是以准确和方便的方式来填补这些角色, 为实验室提供最低限度的先决条件。

这项技术的未来应用主要是将其应用于其他实验。任何基于图像的检测或测量的圆形物体都应该通过这个算法分析。将该算法应用于单个激光信道, 可以对荧光显微镜图像进行分析。细菌菌落计数可以实现, 并与额外的修改可以区分半乳糖记者。利用该算法估算菌落面积大小, 也可对酵母菌落生长的测定进行评价。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

作者没有利益冲突透露。

Acknowledgments

我们要感谢安东尼. 鲍文, 他的幻灯片被作为第二个人并排比较, 以及他的幻灯片被用作第三人并排和第二次显微镜比较。

Materials

Name Company Catalog Number Comments
India Ink Becton, Dickinson and Co. 261194
Fisherbrand Superfrost Microscope Slides Fisher Scientific 12-550-143 25x75x1
Fisherfinest Premium Cover Glass Fisher Scientific 12-548-B 22x22-1
Sally Hansen HardasNails Xtreme Wear Nail Polish Sally Hansen N/A 109 invisible
SAB Media Sigma S3306
Cryptotoccus neoformans ATCC 208821 H99 strain
Olympus AX70 Microscope Olympus AX70TRF Discontinued ; Bright Field Microscope
Qimaging Retiga 1300 Qimaging N/A Discontinued ; Camera Microscope Attachment
MATLAB MathWorks N/A Most recent version recommended
Python Programming Language Python N/A Version 2 necessary ; 2.7 recommended
Microsoft Excel Microsoft N/A Most recent version recommended
Phosphate Buffered Saline (PBS) Sigma P3813

DOWNLOAD MATERIALS LIST

References

  1. Park, B. J., Wannemuehler, K. A., Marston, B. J., Govender, N., Pappas, P. G., Chiller, T. M. Estimation of the current global burden of cryptococcal meningitis among persons living with HIV/AIDS. AIDS. 23, (4), 525-530 (2009).
  2. Kwon-Chung, K. J., et al. Cryptococcus neoformans and Cryptococcus gattii, the etiologic agents of cryptococcosis. Cold Spring Harb Perspect Med. 4, (7), 019760 (2014).
  3. Granger, D. L., Perfect, J. R., Durack, D. Virulence of Cryptococcus neoformans. Regulation of capsule synthesis by carbon dioxide. J Clin Invest. 76, (2), 508 (1985).
  4. Rumbaugh, J., Pool, A., Gainey, L., Forrester, K., Wu, Y. The Role of Cryptococcal Capsule in Pathogenesis of Cryptococcal Meningitis. Neurology. 80, (7), Supplement (P04.007) 007 (2013).
  5. Bojarczuk, A., et al. Cryptococcus neoformans Intracellular Proliferation and Capsule Size Determines Early Macrophage Control of Infection. Sci Rep. 6, (2016).
  6. Robertson, E. J., et al. Cryptococcus neoformans Ex Vivo Capsule Size Is Associated With Intracranial Pressure and Host Immune Response in HIV-associated Cryptococcal Meningitis. J Infect Dis. 209, (1), 74-82 (2014).
  7. Araujo, G. deS., et al. Capsules from Pathogenic and Non-Pathogenic Cryptococcus spp. Manifest Significant Differences in Structure and Ability to Protect against Phagocytic Cells. PLoS One. 7, (1), 29561 (2012).
  8. García-Rivera, J., Chang, Y. C., Kwon-Chung, K. J., Casadevall, A. Cryptococcus neoformans CAP59 (or Cap59p) Is Involved in the Extracellular Trafficking of Capsular Glucuronoxylomannan. Eukaryot Cell. 3, (2), 385-392 (2004).
  9. Guimarães, A. J., Frases, S., Cordero, R. J. B., Nimrichter, L., Casadevall, A., Nosanchuk, J. D. Cryptococcus neoformans responds to mannitol by increasing capsule size in vitro and in vivo: Mannitol impacts the structure of C. neoformans capsule. Cell Microbiol. 12, (6), 740-753 (2010).
  10. Zaragoza, O., Fries, B. C., Casadevall, A. Induction of Capsule Growth in Cryptococcus neoformans by Mammalian Serum and CO2. Infect and Immun. 71, (11), 6155-6164 (2003).
  11. Rossi, S. A., et al. Impact of Resistance to Fluconazole on Virulence and Morphological Aspects of Cryptococcus neoformans and Cryptococcus gattii Isolates. Front Microbiol. 7, (2016).
自动测量<em>隐球菌</em>种多糖胶囊和细胞体
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Dragotakes, Q., Casadevall, A. Automated Measurement of Cryptococcal Species Polysaccharide Capsule and Cell Body. J. Vis. Exp. (131), e56957, doi:10.3791/56957 (2018).More

Dragotakes, Q., Casadevall, A. Automated Measurement of Cryptococcal Species Polysaccharide Capsule and Cell Body. J. Vis. Exp. (131), e56957, doi:10.3791/56957 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter