Curvelet Transform Tabanlı Araçlarla Fibrillar Kollajen Organizasyonunu Ölçme
11 Kasım 2020
Burada, hem normal hem de hastalıklı dokuların hücre dışı matrisinde fibriller kollajen organizasyonunu ölçmek için kavisli dönüşüm tabanlı, açık kaynaklı matlab yazılım aracını kullanmak için bir protokol sunuyoruz. Bu araç kollajen lifleri veya diğer çizgi benzeri yapı türlerine sahip görüntülere uygulanabilir.
Bu araç, küresel bir ilgi bölgesi ve bireysel lif bazında birçok hastalıkla ilgili hücre dışı matristeki fibriller kollajen organizasyonundaki değişiklikleri ölçmeye yardımcı olur. Bu araç, görüntü parazitlerini gidermek ve fiber kenarlarını geliştirmek için en uygun çok ölçekli yönlü görüntü temsil yöntemi olan eğri dönüşümünü kullanır. Kapsamlı ve kullanıcı dostu modüller, verimli bir miktar belirleme sağlar.
Bireysel fiber ekstraksiyonu için, CT-FIRE'ı açmak için protokolü izleyin ve ilgilendiğiniz bir veya daha fazla görüntüyü seçmek için açık dosyalara tıklayın. Parametreler panelinde, güncelle'ye tıklayın ve arka plan eşiğini ve çekirdek arama yarıçapını ayarlayın. Tüm parametreler ayarlandığında, çalıştır'a tıklayın.
Analiz tamamlandıktan sonra, sonuçları görselleştirmek için çıktı tablosundaki herhangi bir öğeye tıklayın ve çıktı dosyaları için ctFIREout alt klasörünü kontrol edin. İlgilenilen bir bölgeyi analiz etmek için, bir veya daha fazla görüntü yüklemek üzere dosyaları aç'a tıklayın ve açıklama eklenecek görüntüyü seçin. Çalıştırma seçenekleri panelinde, açılır menüden ilgi alanı yöneticisinin bölgesini seçin ve ilgi alanı yöneticisi modülünü başlatmak için çalıştır'a tıklayın.
Ardından, ilgi alanı çiz menüsü D açılır menüsünü tıklayın ve ilgi alanlarını çizin. Tam görüntü CT-FIRE analizi yapıldıysa ve sonuçlar varsayılan dizine kaydedildiyse, ilgi bölgesi listesinde bir veya daha fazla ilgi bölgesine tıklayın ve ilgi sonrası bölge analizi modülünü başlatmak için CT-FIRE ilgi bölgesi analizörüne tıklayın. Tam görüntü CT-FIRE analizi yapılmadıysa, ilgi alanı listesindeki ilgili bölgelerden birine veya daha fazlasına tıklayın ve CT-FIRE analizini seçilen ilgili bölgelere doğrudan uygulamak için ROI'ye CT-FIRE uygula'ya tıklayın.
Gelişmiş işlem sonrası için dışarı bakın. adv onay kutusunu işaretleyin ve gelişmiş işlem sonrası grafik arayüzünü başlatmak için İşlem Sonrası'nı tıklayın. Analiz modülünde, orijinal lifler sekmesindeki etiketlere göre lif numarasının girilmesine izin vermek için dosya seç'e tıklayın ve lifleri görselleştirin.
Eşik işlemine geçmek için güncellemeyi onayla'ya tıklayın ve eşik ayarlarını etkinleştirmek için eşik kutusunu işaretleyin. Açılır menüden dört eşik seçeneğinden birini seçin ve bir veya daha fazla fiber özelliği için eşikler paneline istenen eşikleri girin. Ardından, yukarıdaki eşikleme koşullarını uygulamak için şimdi eşiği tıklayın ve özelleştirilmiş renk haritalarıyla orijinal görüntülerin üzerine yerleştirilmiş seçili fiberleri görmek için adın metrik görselleştirme ile bittiği bilgi istemi şeklini kontrol edin.
Eşik ayarlandığında, seçilen fiber bilgilerini kaydetmek için fiberleri kaydet'e tıklayın ve istatistik oluştur'a tıklayın ve özet istatistikleri oluşturmak için Tamam'a tıklayın. Birden çok görüntüden elde edilen sonuçları birleştirmek için toplu iş modunu kontrol edin ve gösterildiği gibi özet istatistikleri oluşturmadan önce analiz edilecek birden çok görüntü seçin. CT tabanlı fiber özelliklerini çıkarmak için, CurveAlign yazılımını açmak için protokolü izleyin ve ana grafik kullanıcı arayüzünde görüntüleri al'a tıklayın ve komut istemi penceresinden bir veya daha fazla görüntü veya görüntü yığını seçin.
Değeri korumak için katsayıların kesrini, fiber analizinde kullanılacak en büyük CT katsayılarının kesirini girin ve çalıştır'a tıklayın. İstenen bir eşik ayarlamak için tekrarlayın. İşlem tamamlandığında, her görüntü için bazı özet istatistikler bir çıktı tablosunda görüntülenecek ve tüm çıktı dosyaları otomatik olarak orijinal görüntülerin dizinindeki CA_out adlı bir alt klasöre kaydedilecektir.
CT-FIRE tabanlı fiber özelliklerini çıkarmak için, fiber analiz yöntemi açılır menüsünü tıklayın ve fiberi temsil etmek için fiber merkez noktasını ve fiber açısını kullanmak için CT-FIRE fiberleri seçin. Tümör sınırının göreceli hizalama analizi için TIFF sınır koşulunu seçin. CurveAlign yazılımını açın ve ana grafik kullanıcı arayüzünde görüntüleri al'a tıklayın ve komut istemi penceresinden bir veya daha fazla görüntü ya da görüntü yığını seçin.
Birincil parametreler panelinde, yalnızca bu mesafe aralığındaki lifleri değerlendirmek için en yakın sınıra olan mesafeyi girin. Çıktı seçenekleri panelinde, bir fiber, fiber segmenti veya eğricikle ilişkilendirilmiş sınır üzerindeki noktanın görselleştirilmesine izin vermek için sınır ilişkilendirme kutusunu işaretleyin ve çalıştır'a tıklayın, ardından sonuçları görselleştirmek için çıktı tablosuna tıklayın. Tam bir görüntü CurveAlign analizi yapıldıysa ve sonuçlar varsayılan dizine kaydedildiyse, ilgi alanı listesinde bir veya daha fazla ilgi bölgesini tıklatın ve bir ilgi alanı sonrası analizi çalıştırmak için CurveAlign ilgi bölgesi analizörü öğesini tıklatın.
Tam görüntü CurveAlign analizi gerçekleştirilmemişse, ilgi bölgesi listesinde bir veya daha fazla ilgi bölgesini tıklatın ve CurveAlign analizini seçilen ilgi bölgelerine doğrudan uygulamak için CurveAlign'ı ilgi alanına uygula'yı tıklatın. Bu görüntüde, bir doku mikroarray çekirdeğinin üst üste binme görüntüsü gözlemlenebilir. Büyütmede, ilgilenilen bölge içinde tümör sınırına paralel ve dik lifler gözlenebilir.
CurveAlign çıktı kaplama görüntüsü, tümör sınırlarını ve temsili lif konumlarını ve yönelimlerini gösterir. Bu yöntem sadece kollajen liflerini değil, aynı zamanda elastin gibi diğer çizgi benzeri yapıları da ölçmek için kullanılabilir ve potansiyel olarak kanserin erken teşhisini ve prognostik analizini kolaylaştırabilir.
Tam transkripti görüntüleyin ve binlerce bilimsel videoya erişin
Genel Bakış
Bu makale, curvelet dönüşümü tabanlı bir MATLAB aracı kullanarak hücre dışı matristeki fibriler kolajen organizasyonunun nicelleştirilmesine yönelik bir protokol sunmaktadır. Araç, hem normal hem de hastalıklı dokulara uygulanabilir nitelikte olup kolajen liflerin analizini geliştirmektedir.
Temel Çalışma Bileşenleri
Bilim Alanı
- Nörobilim
- Biyoloji
- Hücre Dışı Matris Analizi
Arka Plan
- Fibriler kolajen, doku yapısı ve fonksiyonu için kritik öneme sahiptir.
- Kolajen organizasyonundaki değişiklikler çeşitli hastalıklarla ilişkilidir.
- Kolajen organizasyonunun nicelleştirilmesi, hastalık mekanizmalarının anlaşılmasına yardımcı olur.
- Curvelet dönüşümü, görüntü temsili için etkili bir yöntemdir.
Çalışmanın Amacı
- Kolajen organizasyonunu nicelendirmek için kullanıcı dostu bir araç sağlamak.
- Farklı doku durumlarındaki kolajen analizini kolaylaştırmak.
- Kolajenin hastalıklardaki rolüne dair anlayışı geliştirmek.
Kullanılan Yöntemler
- Görüntü işleme için curvelet dönüşümünün kullanımı.
- CT-FIRE yazılımı kullanılarak tekil lif ekstraksiyonu protokolü.
- Optimal görüntü analizi için parametrelerin ayarlanması.
- Global ve tekil lif kantifikasyon yöntemleri.
Ana Sonuçlar
- Bu araç, kolajen organizasyonunu etkili bir şekilde nicelleştirir.
- Fiber kenar tespitini iyileştirir ve gürültüyü azaltır.
- Kapsamlı modüller, verimli analizi destekler.
- Görüntülerdeki çeşitli çizgi benzeri yapı türleri için uygulanabilir.
Sonuçlar
- Curvelet dönüşüm aracı, kolajen araştırmaları için değerlidir.
- Sağlıklı ve hastalıklı durumlarda hücre dışı matris hakkında bilgiler sağlar.
- Gelecekteki uygulamalar diğer yapısal analizlere genişletilebilir.
Sıkça Sorulan Sorular
Yönetici Sektörel Uygunluğu
Fibriler kolajen organizasyonunun nicelendirilmesi, kanser ilerlemesinin ve diğer fibrotik hastalıkların temel özelliği olan hücre dışı matris yeniden şekillenmesi hakkında kritik bilgiler sağlar. Curvelet dönüşümü tabanlı platform, lif morfolojisinin ve hizalanmasının tekrarlanabilir, yüksek içerikli analizini mümkün kılarak preklinik onkoloji ve fibrozis araştırmalarında hedef doğrulamasını ve mekanistik risk azaltma süreçlerini destekler. Nicel ve konuma özgü lif özellikleri sunan bu araç, hastalıkla ilişkili sistemlerde öngörüsel güveni artırır ve erken keşif aşamalarındaki karar süreçlerini bilgilendirir.
Biyofarma Ar-Ge'sinde Stratejik Uygulamalar
Erken Keşif ve Hedef Doğrulama
- Bilimsel Değer: Kanser modellerinde stromal-tümör etkileşimlerinin fonksiyonel bir çıktısı olarak kolajen fiber mimarisinin sorgulanmasına olanak tanır.
- Operasyonel Değer: Stromal hedeflerin hipotez testlerini desteklemek için uzunluk, açı, genişlik ve düzlük gibi kantitatif fiber metrikleri sağlar.
- Translasyonel Değer: Meme, yumurtalık, böbrek ve pankreas kanseri bağlamlarında ECM değişikliklerini hastalık fenotipleriyle ilişkilendirerek biyolojik risk azaltımını kolaylaştırır.
Tarama ve Analiz Geliştirme
- Analiz Hazırlığı: Büyük görüntü veri setleri genelinde tekrarlanabilir kolajen kantifikasyonu için standartlaştırılmış, gürültüye karşı dirençli fiber kenar algılama ve yönelim verileri oluşturur.
- Ölçeklenebilirlik: Yüzlerce veya binlerce görüntünün toplu işlenmesini destekleyerek, ECM modüle eden bileşiklerin yüksek kapasiteli taramasına olanak tanır.
- Kantitatif Çıktı: Analiz normalizasyonu ve hit seçimi için yoğunluk, hizalanma ve sınırla ilişkili yönelim dahil olmak üzere otuza kadar fiber özelliği sunar.
Translasyonel ve Preklinik Araştırmalar
- Hastalıkla İlgisi: Doku mikro-dizi merkezlerinde tümör sınırı invazyonu ile ilişkili kolajen yeniden organizasyonunu doğrudan ölçer.
- Preklinik Süreklilik: Terapötik müdahale çalışmalarında, lif düzlüğü ve hizalanmasının farmakodinamik biyobelirteçler olarak boylamsal takibine olanak tanır.
- Risk Ayarlı İlerleme: Anti-fibrotik veya matriks modüle edici ajanların kolajen ağ bütünlüğü üzerindeki etkilerini nicelleştirerek devam/durdur kararlarını destekler.
Boru Hattı ve İş Akışı Entegrasyonu
Platform, erken hedef hipotezi testinden preklinik doğrulamaya kadar keşif iş akışlarına entegre edilerek, onkoloji ve fibrozis endikasyonlarında ECM fenotiplemesi için yeniden kullanılabilir bir yetenek sunar.
- Keşif Biyolojisi: Stromal yolak modülasyonunun fonksiyonel bir çıktısı olarak kolajen lif organizasyonunu nicelendirerek mekanistik risk azaltmayı destekler.
- Tarama: 3D kültür veya doku kesitlerinde bileşik taraması için otomatik lif ekstraksiyonu ve eşikleme ile assay geliştirmeye olanak tanır.
- Analitik: Karşılaştırmalı durum analizleri için tümör sınırlarına göre lif açısı ve düzlük metrikleri gibi istatistiksel çıktılar sağlar.
- Translasyonel Araştırma: ROI'ye özgü lif özelliği takibi yoluyla, keşif aşamasındaki ECM değişikliklerini preklinik doğrulama ile ilişkilendirir.
- Kurumsal Yeniden Kullanım: Çeşitli hastalık modellerinde tutarlı kolajen nicelendirmesi için ekipler genelinde uygulanabilir, standartlaştırılmış ve kullanıcı dostu bir platform sunar.
Operasyonel ve Kurumsal Etki
- Bilimsel Değer: Kollajen lif organizasyonunun doğrudan, kantitatif okumalarını sağlayarak stromal hedeflemedeki mekanistik belirsizliği azaltır.
- Operasyonel Değer: Curvelet dönüşümü aracılığıyla otomatik gürültü azaltma ve kenar belirginleştirme sağlayarak kullanıcıya bağlı değişkenliği minimize eder ve tekrarlanabilirliği garanti eder.
- Stratejik Değer: Kantitatif ECM fenotiplemesi yoluyla etkisiz matris modüle edici ajanların erken aşamada tanımlanmasını sağlayarak sermaye verimliliğini artırır.
- Portföy Etkisi: Kollajen hizalanma değişikliklerini preklinik modellerdeki terapötik yanıtla ilişkilendirerek riske göre ayarlanmış önceliklendirmeye temel oluşturur.
Uygulama Hususları
- Görüntü tabanlı fibrozis veya onkoloji modellerine ve temel mikroskopi görüntü formatlarına aşinalık gerektirir.
- CT-FIRE ve CurveAlign modüllerinin yürütülmesi için MATLAB çalışma zamanı ortamına bağlıdır.
- Çalışmalar arası karşılaştırılabilirlik için görüntüleme parametrelerinin (çözünürlük, boyama, kontrast) standartlaştırılmasını gerektirir.
- Elastin veya nöronal lifler gibi kolajen benzeri olmayan yapılara uygulanırken adaptasyon değerlendirmelerini içerir.
- Sınır ilişkili analizlerde manuel ROI tanımlama ihtiyacı ile sınırlıdır, ancak ilgi alanı yöneticisi üzerinden otomasyon seçenekleri mevcuttur.
Biyofarma SSS
Chapters in this video
0:04
Introduction
0:43
CT-FIRE Fiber Extraction and Region of Interest (ROI) Analysis
2:34
Advanced CT-FIRE Post-Processing
4:09
CurveAlign Fiber Analysis: CT Mode Without Boundary
5:03
CurveAlign Fiber Analysis: CT-FIRE Mode with Boundary
6:14
CurveAlign Region of Interest (ROI) Analysis
6:56
Results: Representative Tumor-Associated Human Breast Cancer Tissue Microarray (TMA) Collagen Signatures
7:26
Conclusion
