Summary

Technologie de balayage 3D Bridging Microcircuits and Macroscale Brain Images in 3D Novel Embedding Overlapping Protocol

Published: May 12, 2019
doi:

Summary

Cet article introduit un protocole expérimental utilisant la technologie de balayage 3D reliant deux échelles spatiales : l’échelle spatiale macroscopique de l’anatomie du cerveau entier image par IRM à 100 m et l’échelle spatiale microscopique des distributions neuronales à l’aide la coloration immunohistochemistry et un système de tableau multiélectrode et d’autres méthodes (10 m).

Abstract

Le cerveau humain, étant un système à plusieurs échelles, a à la fois des signaux électriques macroscopiques, qui circulent globalement le long d’épais faisceaux de fibres de matière blanche, et des pointes neuronales microscopiques, se propageant le long des axones et des dendrites. Les deux échelles complètent différents aspects des fonctions cognitives et comportementales humaines. Au niveau macroscopique, l’IRM a été la technologie d’imagerie standard actuelle, dans laquelle la plus petite résolution spatiale, la taille du voxel, est de 0,1 à 1 mm3. En outre, au niveau microscopique, les études physiologiques précédentes étaient au courant des architectures neuronales non uniformes dans de tels voxels. Cette étude développe un moyen puissant d’intégrer avec précision les données microscopiques dans une carte macroscopique en interfaçant la recherche scientifique biologique avec les progrès technologiques dans la technologie de numérisation 3D. Depuis la technologie de numérisation 3D a été principalement utilisé pour l’ingénierie et la conception industrielle jusqu’à présent, il est réutilisé pour la première fois d’intégrer des microconnectomes dans l’ensemble du cerveau tout en préservant les pieux naturels dans les cellules vivantes du cerveau. Pour atteindre cet objectif, tout d’abord, nous avons construit un protocole de numérisation pour obtenir des images 3D précises à partir de bio-organismes vivants intrinsèquement difficiles à l’image en raison de surfaces humides et réfléchissantes. Deuxièmement, nous nous sommes entraînés à maintenir la vitesse pour empêcher la dégradation du tissu cérébral vivant, qui est un facteur clé dans la rétention de meilleures conditions et l’enregistrement de pointes neuronales plus naturelles à partir de neurones actifs dans le tissu cérébral. Deux images de surface corticales, extraites indépendamment de deux modules d’imagerie différents, à savoir les images de surface de l’IRM et du scanner 3D, montrent étonnamment une erreur de distance de seulement 50 m comme valeur de mode de l’histogramme. Cette précision est comparable à l’échelle de la résolution microscopique des distances intercellulaires; aussi, il est stable parmi différentes souris individuelles. Ce nouveau protocole, le nouveau protocole 3D intégrant le chevauchement (3D-NEO), comble les niveaux macroscopiques et microscopiques dérivés de ce protocole intégratif et accélère de nouvelles découvertes scientifiques pour étudier des architectures de connectivité complètes (c.-à-d., microconnectome).

Introduction

Les architectures multi-échelles non uniformes à diverses organisations physiques et biologiques sont généralement trouvées1,2. Le cerveau est également une organisation de réseau très non uniforme et multi-échelle3,4. Diverses fonctions cognitives sont codées dans de telles organisations de réseau, détenant des changements temporels des modèles électriques de pointe des populations neuronales dans les résolutions temporelles submillisecondes. Historiquement, les réseaux complexes entre les neurones ont été structurellement observés en détail en utilisant les techniques de coloration par Santiago Ramon y Cajal de plus de 150 ans5. Pour observer les comportements de groupe des neurones actifs, les chercheurs ont développé diverses technologies d’enregistrement6,7,8, et les récents développements significatifs de ces technologies nous ont permis d’enregistrer activités électriques d’un grand nombre de neurones simultanément. En outre, à partir de ces activités fonctionnelles, les scientifiques ont réussi à reconstruire des réseaux d’interactions causales entre un grand nombre de neurones et ont déclaré l’architecture topologique de leurs interactions complexes «microconnectome»9 . Les observations macroscopiques du cerveau permettent également de considérer un cerveau entier comme une organisation de réseau parce que beaucoup de régions de cerveau sont reliées par de multiples faisceaux de fibres. L’intégration des microconnectomes dans la carte globale du cerveau a encore des limites claires dans les progrès technologiques actuels, c’est pourquoi ce protocole d’intégration est si important. Cependant, l’élaboration du protocole d’intégration pose de nombreux défis. Par exemple, afin d’observer les activités des circuits neuronaux locaux vivants dans des régions cérébrales purement isolées, des tranches de cerveau doivent être produites pour les enregistrements in vitro. En outre, les enregistrements de tranches de cerveau pour les enregistrements in vitro sont encore un choix important pour au moins deux raisons. Tout d’abord, il n’est toujours pas facile d’observer les activités de nombreux neurones individuels vivants simultanément à partir de régions du cerveau plus profondes que 1,5 mm et en haute résolution temporelle (lt;1 ms). Deuxièmement, lorsque nous espérons connaître l’architecture interne d’un circuit neuronal local, nous devons arrêter toutes les entrées provenant de régions externes du cerveau pour éliminer les facteurs de confusion. Afin d’identifier les directions et les positions des tranches de cerveau produites, il sera encore nécessaire d’intégrer les positions spatiales de ces tranches de cerveau produites à l’aide de coordonnées. Il existe, cependant, quelques façons systématiques et fiables de faire des tranches de cerveau d’une manière organisée10,11. Ici, un nouveau protocole de coenregistrement est introduit, utilisant la technologie de balayage 3D pour la recherche neuroscientifique afin de fournir un protocole intégratif. Ce protocole agit pour coordonner les micro- et macro-échelles et intégrer les microdonnées du réseau multiélectrode (MEA)12,13 et les données de coloration sur un espace d’IRM macroscopique à travers des surfaces de balayage 3D des cerveaux extraits, ainsi que de cerveaux non invasifs enregistrés. Étonnamment, cela a montré une erreur de distance de seulement 50 m comme valeur de mode de l’histogramme. En conséquence, les valeurs de mode des distances minimales entre deux surfaces entre la surface d’IRM et la surface 3D numérisée étaient près de 50 m pour chacun des six souris, qui est un nombre approprié lors de la vérification de la communité entre les individus. La largeur typique de la tranche avait une activité de pointe enregistrée d’environ 300 m.

Protocol

Toutes les procédures expérimentales décrites ici ont été approuvées par le Comité des soins aux animaux de l’Université de Kyoto. 1. Animaux (Jour 1) Préparer les souris femelles C57BL/6J(n – 6, âgées de 3 à 5 semaines).REMARQUE: Ce protocole s’applique à toutes les espèces de rongeurs. 2. Paramètres IRM (Jour 1) Placez la souris dans une boîte d’anesthésie acrylique placée sur un tapis chauf…

Representative Results

Nous avons évalué les distances entre les surfaces corticales, produites en dépouillant le volume d’IRM, et les surfaces obtenues à partir de balayages 3D des cerveaux extraits. Les valeurs de mode de l’histogramme des distances ne sont que de 55 m (Figure 3a). De plus, lors de l’accumulation de l’histogramme à partir du point où la distance est égale à zéro, la valeur accumulée atteint 90 % du nombre total d’échantillons à 300 m (<strong class="x…

Discussion

Nous avons développé un nouveau protocole appelé protocole 3D-NEO pour combler les échelles spatiales macroscopiques et microscopiques en superparant deux surfaces cérébrales avec plus de précision qu’auparavant. À l’origine, il y avait deux défis dans la création de ce protocole qui a rendu possible le chevauchement précis de deux images de surface du cerveau et l’enregistrement des activités neuronales saines à partir d’organismes vivants. Tout d’abord, il était nécessaire d’essuyer efficacement la solut…

Disclosures

The authors have nothing to disclose.

Acknowledgements

M.S. est reconnaissant pour le soutien de tout le personnel dans le cours d’ingénierie de l’information médicale à l’École supérieure de médecine et de la Faculté de médecine, et tient à remercier le professeur Tetsuya Takakuwa, le professeur Nobukatsu Sawamoto, et Doris Zakian pour leur aide Commentaires. Cette étude a été appuyée par une subvention d’aide pour la recherche exploratoire stimulante et par le programme Leading Initiative for Excellent Young Researchers (LEADER) à M.S. du MEXT (Ministère de l’Éducation, de la Culture, des Sports, des Sciences et de la Technologie). Les expériences d’IRM dans ce travail ont été effectuées dans la Division pour l’IRM des petits animaux, Medical Research Support Center, Graduate School of Medicine, Université de Kyoto, Japon.

Materials

Air compressor Kimura Medical KA-100 Animal preparation for MRI
All-in-one fluorescence microscope KEYENCE BZ-X710
Anesthesia box Bio Research Center RIC-01 Animal preparation for MRI
Anesthesia system ACOMA Medical Industry NS-5000A Animal preparation for MRI
Anti-GAD67, clone 1G10.2 Merk Millipore MAB5406 For immunostaining
Calcium Chrolide nacalai tesque 06729-55 aCSF
Choline Chloride nacalai tesque 08809-45 aCSF
curved blunt forceps
Disposal scalpel Kai 10
D-PBS(-) without Ca and Mg, liquid(10x) nacalai tesque For immunostaining
D(+)-Glucose Wako 049-31165 aCSF
Gelatin nacalai tesque 16605-42 re-secctioning
Goat anti-Mouse IgG (H+L) Highly Cross-Adsorbed Secondary Antibody, Alexa Fluor Plus 488 Invitrogen A32723 For immunostaining
Goat anti-Rabbit IgG (H+L) Highly Cross-Adsorbed Secondary Antibody, Alexa Fluor Plus 555 Invitrogen A32732 For immunostaining
Heater mat Bio Research Center HM-10 Animal preparation for MRI
Heater mat controller Bio Research Center BWT-100A Animal preparation for MRI
Heater system SA Instruments MR-compatible Small Animal Heating System Animal preparation for MRI
Isoflurane AbbVie Animal preparation for MRI
Isoflurane vaporizer ACOMA Medical Industry MKIIIai Animal preparation for MRI
Linear Slicer DOSAKA Neo Linear Slicer MT
L(+)-Ascorbic Acid Sodium Salt Wako 196-01252 aCSF
Magnesium Chrolide Hexahydrate Wako 135-00165 aCSF
MaxOne Single-Well MEA MaxWell Biosystems
Metal Spatula
Monitoring system SA Instruments Model 1025 Animal preparation for MRI
Monitoring software SA Instruments PC-SAM V.5.12 Animal preparation for MRI
MRI compatible cradle Bruker BioSpin T12812 Animal preparation for MRI
MRI coil Bruker BioSpin T9988 For MRI
MRI operation software Bruker BioSpin ParaVision 5.1 For MRI
Neo LinearSlicer MT D.S.K. NLS-MT
NeuN (D4G40) XP Rabbit mAb Cell Signaling 24307 For immunostaining
Normal Goat Serum Wako 143-06561 For immunostaining
Potassium Chloride Wako 163-03545 aCSF
Polyethylene Glycol Mono-p-isooctylphenyl Ether nacalai tesque 12967-45 For immunostaining
Pressure-sensitive respiration sensor SA Instruments RS-301 Animal preparation for MRI
Preclinical MRI scanner Bruker BioSpin BioSpec 70/20 USR For MRI
Pyruvic Acid Sodium Salt nacalai tesque 29806-54 aCSF
SCAN in a BOX Open Technologies srl
scissors
Sieve bottle TIGERCROWN 81 For 3D scan
SlowFade Gold Antifade Mountant Invitrogen S36937 For immunostaining
Sodium Chloride Wako 191-01665 aCSF
Sodium Dihydrogenphosphate Wako 197-09705 aCSF
Sodium Hydrogen Carbonate Wako 191-01305 aCSF
Sodium Hydrogensulfite nacalai tesque 31220-15 For immunostaining
Thermistor temperature probe SA Instruments RTP-101-B, PLTPC-300 Animal preparation for MRI
Tooth bar Bruker BioSpin T10146 Animal preparation for MRI
Winged intravenous needle TERUMO SV-23CLK For perfusion
1 mol/l-Tris-HCl Buffer Solution nacalai tesque 35436-01 For immunostaining
1 mol/l-Hydrochloric Acid nacalai tesque 37314-15 For pH adjustment of solution
16%-Paraformaldehyde Aqueous Solution Electron Microscopy Sciences 15710 For immunostaining

References

  1. Vogelsberger, M., et al. Properties of galaxies reproduced by a hydrodynamic simulation. Nature. 509 (7499), 177-182 (2014).
  2. Zhang, B., et al. Integrated systems approach identifies genetic nodes and networks in late-onset Alzheimer’s disease. Cell. 153 (3), 707-720 (2013).
  3. Sporns, O., Chialvo, D. R., Kaiser, M., Hilgetag, C. C. Organization, development and function of complex brain networks. Trends in Cognitive Sciences. 8 (9), 418-425 (2004).
  4. Shimono, M. Non-uniformity of cell density and networks in the monkey brain. Scientific Reports. 3, 2541 (2013).
  5. DeFelipe, J., Jones, E. G. . Cajal on the Cerebral Cortex: An Annotated Translation of the Complete Wrings. , (1988).
  6. Kandel, E. R., Schwartz, J. H., Jessell, T. M. . Principles of Neural Science. , (2013).
  7. Pine, J., Taketani, M., Baudry, M. A history of MEA development. Advances in Network Electrophysiology. , 3-23 (2006).
  8. Grienberger, C., Konnerth, A. Imaging calcium in neurons. Neuron. 73 (5), 862-885 (2012).
  9. Shimono, M., Beggs, J. M. Functional clusters, hubs, and communities in the cortical microconnectome. Cerebral Cortex. 25 (10), 3743-3757 (2014).
  10. Amunts, K., et al. BigBrain: An Ultrahigh-Resolution 3D Human Brain Model. Science. 340, 1472-1475 (2013).
  11. Ali, S., et al. Rigid and non-rigid registration of polarized light imaging data for 3D reconstruction of the temporal lobe of the human brain at micrometer resolution. NeuroImage. 181, 235-251 (2018).
  12. Kozai, T. D. Y., et al. Ultrasmall implantable composite microelectrodes with bioactive surfaces for chronic neural interfaces. Nature Materials. 11, 1065-1073 (2012).
  13. Kampasi, K., et al. Dual color optogenetic control of neural populations using low-noise, multishank optoelectrodes. Microsystems & Nanoengineering. 4 (1), 10 (2018).
  14. Hellwig, B. A quantitative analysis of the local connectivity between pyramidal neurons in layers 2/3 of the rat visual cortex. Biological Cybernetics. 82 (2), 111-121 (2000).
  15. Bezgin, G., Reid, A. T., Schubert, D., Kötter, R. Matching spatial with ontological brain regions using Java tools for visualization, database access, and integrated data analysis. Neuroinformatics. 7 (1), 7-22 (2009).
  16. Holmgren, C., Harkany, T., Svennenfors, B., Zilberter, Y. Pyramidal cell communication within local networks in layer 2/3 of rat neocortex. The Journal of Physiology. 551 (1), 139-153 (2003).
  17. Boucsein, C., Nawrot, M., Schnepel, P., Aertsen, A. Beyond the cortical column: abundance and physiology of horizontal connections imply a strong role for inputs from the surround. Frontiers in Neuroscience. 5 (32), 1-13 (2011).
  18. Edelsbrunner, H., Aronov, J. P. B., Basu, S., Sharir, M. Surface reconstruction by wrapping finite point sets in space. Discrete and Computational Geometry – The Goodman-Pollack Festschrift. , 379-404 (2003).
  19. Roland, P. E., et al. Human brain atlas: For high‐resolution functional and anatomical mapping. Human Brain Mapping. 1 (3), 173-184 (1994).
  20. Johnson, G. A., et al. Waxholm space: an image-based reference for coordinating mouse brain research. NeuroImage. 53 (2), 365-372 (2010).
  21. Evans, A. C., Janke, A. L., Collins, D. L., Baillet, S. Brain templates and atlases. NeuroImage. 62 (2), 911-922 (2012).
  22. Okabe, S. Brain/MINDS–a new program for comprehensive analyses of the brain. Microscopy. 64 (1), 3-4 (2015).
  23. Shimono, M., Hatano, N. Efficient communication dynamics on macro-connectome, and the propagation speed. Scientific Reports. 8 (1), 2510 (2018).

Play Video

Cite This Article
Ide, S., Kajiwara, M., Imai, H., Shimono, M. 3D Scanning Technology Bridging Microcircuits and Macroscale Brain Images in 3D Novel Embedding Overlapping Protocol. J. Vis. Exp. (147), e58911, doi:10.3791/58911 (2019).

View Video