Name: Dendritik Dalların Otomatik Tanımlanması ve Oryantasyonları (Video) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: Öğrenin, SOA yazılımı ile 2D floresan görüntülerden dendritik dalların otomatik tanımlanması ve büyüme açılarının analizini. Bu hesaplamalı yöntem, nöron morfolojisinin hızlı ve esnek şekilde incelenmesini sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Yazarlar, kültür görüntülerinin hazırlanması için Dr. Orly Weiss'a teşekkür eder.

NOT: İsrail Sağlık Bakanlığı, deney hayvanlarının etik kullanımı için IL-218-01-21 protokolü kapsamında fare kullanımını onayladı. SOA yalnızca Windows 10 ve Python 3.9 ile uyumludur. Açık kaynak kod olarak mevcuttur: https://github.com/inbar2748/DendriteProject. Bu bağlantıda, bir README de vardır. Yazılımı indirmek için yol tarifi, yazılımın web sitesine bir bağlantı ve tüm paketlerin gerekli sürümleri hakkında bilgi içeren bir gereksinim dosyası içeren DM dosyası. Yazılım kullanılarak gerçekleştirilen ek analiz örnekleri de burada sağlanmıştır.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg"> Şekil 1: Segmentasyon ve büyüme yönü analizi için SOA iş akışı. Dendritik ağların floresan görüntülerinin ve veri analizinin işleme adımları gösterilmiştir. 2B görüntü yüklenir, bölümlere ayırılır (iki adımda: dendritik dallar çizgi olarak algılanır ve daha sonra ilgili satırlar birleştirilir) ve her dendritik dalın uzamsal bilgileri elde edilir. Veriler görüntüdeki tüm dendritik dallar için toplanır. Son olarak, veriler istenen morfolojik parametreleri vermek için analiz edilir. Kısaltma: SOA = segmentasyon ve oryantasyon analizi. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
1. SOA uygulamasını açın.
<ol><li>URL adresini açın: https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA, SOA.zip sıkıştırılmış klasörünü bulun ve zip dosyasını çift tıklatarak indirin.</li>
	<li>SOA'ya sağ tıklayarak klasörün ferş .zip ve Dosyaları Ayıkla'yı seçin. Açılan Ayıklama Yolu ve Seçenekleri penceresini ve ayıklanan dosyaların yolunu görüntüleyen Hedef Adres metin kutusunu gözlemleyin. Farklı bir konuma ayıklamak için, pencerenin sağ panelinde bulunan klasörlerden birini tıklatarak hedef klasör haline getirin. Dosyaları bu klasöre ayıklamak için Tamam'ı tıklatın.</li>
	<li>Ayıklanan SOA dosyasını açın ve SOA.exe'e çift tıklayın. Siyah bir pencerenin açılmasını bekleyin, ardından uygulama görünecektir.</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg"> Şekil 2: SOA'nın GUI'sini kullanan iş akışı örneği. Sol sütun: İş akışının GUI bölümleri. Orta sütun: iş akışı sırasında işlenen bir dendritik ağın görüntüsü (Ölçek çubuğu: 20 μm). Sağ sütun: orta sütunun görüntülerinde kırmızı bir dikdörtgenle işaretlenmiş alanın büyütülmesi (Ölçek çubuğu: 4 μm). Adım 1: Bir görüntünün seçimi ve yüklenmesi. Adım 2: Segmentasyonun ilk aşaması, tanımlanan dendritik dalları temsil eden çizgilerin algılanmasıdır. Adım 3: Segmentasyonun ikinci aşaması, segment astarının bireysel dendritik dallarda yakınlık tabanlı birleşmesidir. Tüm adımların ayarları değiştirilebilir. Kısaltmalar: SOA = segmentasyon ve oryantasyon analizi; GUI = grafik kullanıcı arayüzü. <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
2. Analiz etmek için bir resim açın.
<ol><li>SOA Görüntüleyici Karşıya Yükleme menü çubuğunda | Dosya Seç |'nı seçin bilgisayar dosyalarından bir görüntü seçin| üzerine tıklayın (yalnızca .png .jpg .tif .bmp dosyalar) | | Aç dosyanın yolunu gözlemleyin | Önümüzdeki.
</li>
</ol>3. Segmentasyon optimizasyonu
NOT: SOA Görüntüleyici Özellikleri menü çubuğunda, segmentasyon işlemi ayarlarını ayarlamak için seçili parametrelerin değerlerini değiştirin. Ek Malzeme'de Eşik gibi parametrelerin ayrıntılı bir açıklaması verilmiştir.
<ol><li>Kenarlar'da, Eşiği seçip bir sayı girerek ekranın eşiğini ayarlayın. NOT: Eşik için sayı ne kadar düşük olursa, o kadar çok satır algılanır. Eşik, 0 ile 255 arasında değişen bir sayıdır. Varsayılan değer 0 olarak ayarlandı.</li>
	<li>Satırları Birleştir'de:<ol>
<li>Birleştirilecek Min mesafesini seçip bir sayı girerek ekran için birleştirilecek minimum mesafeyi ayarlayın. NOT: Birleştirme için Min mesafesi 0 ile 30 piksel arasında değişir. Varsayılan değer 20 olarak ayarlanır.</li>
		<li>Birleştirilecek Min açısını seçip bir sayı girerek ekran için birleştirilecek minimum açıyı ayarlayın. NOT: Birleştirilecek Min açısı 0 ile 30° arasında değişir. Varsayılan değer 10 olarak ayarlanır.</li>
	</ol>
</li>
	<li>Önizleme Segmentasyon Görüntüsü Oluştur'a tıklayın. NOT: Segmentasyon sonuçlarının önizleme görüntüsü güncelleştirilmiş değerlere göre görüntülenir. Ayrıca, birleştirmeden önceki satır sayısı ve birleştirmeden sonraki satır sayısı görüntülenir.</li>
	<li>Segmentlerin maksimum tanımlamasını elde etmek için parametreleri değiştirin. Özellikleri değiştirme ihtiyacı varsa, Pencereyi kapat düğmesine tıklayın ve 3.1-3.4 adımlarını izleyin.</li>
</ol>4. Çıktı dosyalarını oluşturun.
<ol><li>Segmentasyon görüntülerini ve çözümleme grafiklerini görselleştirmek için Tamam'a basın. .xlsx dosyasının kaydedileceği konumu seçmek için görüntülenen pencereyi gözlemleyin.</li>
	<li>dosya adı ekleme | Kaydet |' i seçin verilerin oluşturulup kaydedilmesini içeren .xlsx dosyasını bekleyin. NOT: .xlsx dosyasına ek olarak, aşağıdaki dosyalar otomatik olarak görüntülenir: orijinal görüntüyü, çizgi tanıma görüntüsünü, segmentasyonun son görüntüsünü ve üç analiz grafiğini sunan bir dosya.
</li>
</ol>5. Gezinti araç çubuğu
NOT: Gezinti araç çubuğu tüm şekil pencerelerinde bulunur ve veri kümesinde gezinmek için kullanılabilir. Araç çubuğunun altındaki düğmelerin her biri aşağıda açıklanmıştır.
<ol><li>Önceden tanımlanmış görünümler arasında ileri geri gezinmek için İleri ve Geri düğmelerini kullanın. NOT: Giriş, İleri ve Geri düğmeleri, web tarayıcısındaki Giriş, İleri ve Geri denetimlerine benzer. Giriş varsayılan ekrana, orijinal görüntüye döner.</li>
	<li>Kaydırmak ve yakınlaştırmak için Yakınlaştır düğmesini kullanın. Kaydırma ve yakınlaştırmayı etkinleştirmek için Yakınlaştır düğmesine basın, ardından fareyi görüntüde istediğiniz konuma getirin.<ol>
<li>Şekli kaydırmak için, sol fare düğmesini yeni bir konuma sürüklerken basılı tutun. Fare düğmesini bırakın ve görüntüdeki seçili nokta yeni konumda görünecektir. Kaydırma sırasında, hareketi sırasıyla x veya y eksenleriyle sınırlamak için x veya y tuşlarını basılı tutun.</li>
		<li>Yakınlaştırmak için sağ fare düğmesini basılı tutun ve yeni bir konuma sürükleyin. X eksenini yakınlaştırmak için sağa, x ekseninde uzaklaştırmak için sola hareket edin. Aynı şeyi y ekseni ve yukarı/aşağı hareketler için de yapın. Yakınlaştırırken, farenin altındaki noktanın sabit kaldığını ve bu noktanın yakınlaştırmasına veya uzaklaştırmasına izin verdiğini unutmayın. Yakınlaştırmayı sırasıyla x, y veya en boy oranı korumasıyla sınırlamak için x, y veya CONTROL değiştirici tuşlarını kullanın.</li>
	</ol>
</li>
	<li>Dikdörtgene yakınlaştırma modunu etkinleştirmek için Dikdörtgene yakınlaştır düğmesini tıklatın. İmleci görüntünün üzerine yerleştirin ve sol fare düğmesine basın. Dikdörtgen bir bölge tanımlamak için düğmeyi basılı tutarken fareyi yeni bir konuma sürükleyin. NOT: Sol fare düğmesine basıldığında eksen görünümü sınırları tanımlanan bölgeye yakınlaştırılacaktır. Sağ fare düğmesine basıldığında eksen görünümü sınırları uzaklaştırılacak ve orijinal eksenler tanımlanan bölgeye yerleştirilecektir.</li>
	<li>Alt pilotun görünümünü yapılandırmak için Alt Pilot yapılandırma aracını kullanın. NOT: Alt pilotun sol, sağ, üst ve alt kenarlarının yanı sıra satırlar ve sütunlar arasındaki boşluk uzatılabilir veya sıkıştırılabilir.</li>
	<li>Dosya kaydetme iletişim kutusunu açmak için Kaydet düğmesini tıklatın ve dosyayı aşağıdaki biçimlerde kaydedin: .png, .ps, .eps, .svg veya .pdf.</li>
</ol>

<ol><li>Ferrante, M., Migliore, M., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+impact+of+dendritic+branch-point+morphology%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Functional impact of dendritic branch-point morphology.</a> Journal of Neuroscience. 33 (5), 2156-2165 (2013).</li>
<li>Spruston, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pyramidal+neurons%3A+dendritic+structure+and+synaptic+integration%5BTitle%5D)+AND+%22Nature+Reviews+Neuroscience%22%5BJournal%5D)">Pyramidal neurons: dendritic structure and synaptic integration.</a> Nature Reviews Neuroscience. 9 (3), 206-221 (2008).</li>
<li>Chklovskii, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synaptic+Connectivity+and+Neuronal+Morphology%3A+Two+Sides+of+the+Same+Coin%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin.</a> Neuron. 43 (5), 609-617 (2004).</li>
<li>Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+dendritic+spine+development+and+plasticity+by+BDNF+and+vesicular+trafficking%3A+fundamental+roles+in+neurodevelopmental+disorders+associated+with+mental+retardation+and+autism%5BTitle%5D)+AND+%22Journal+of+Neurodevelopmental+Disorders%22%5BJournal%5D)">Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism.</a> Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).</li>
<li>Irwin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+Spine+Structural+Anomalies+in+Fragile-X+Mental+Retardation+Syndrome%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome.</a> Cerebral Cortex. 10 (10), 1038-1044 (2000).</li>
<li>Kaufmann, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+anomalies+in+disorders+associated+with+mental+retardation%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic anomalies in disorders associated with mental retardation.</a> Cerebral Cortex. 10 (10), 981-991 (2000).</li>
<li>Pinchas, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+branch+intersections+are+structurally+regulated+targets+for+efficient+axonal+wiring+and+synaptic+clustering%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering.</a> PLoS ONE. 8 (12), 82083(2013).</li>
<li>Cove, J., Blinder, P., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Contacts+among+non-sister+dendritic+branches+at+bifurcations+shape+neighboring+dendritic+branches+and+pattern+their+synaptic+inputs%5BTitle%5D)+AND+%22Brain+Research%22%5BJournal%5D)">Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs.</a> Brain Research. 1251, 30-41 (2009).</li>
<li>Blinder, P., Cove, J., Foox, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convergence+among+non-sister+dendritic+branches%3A+An+activity-controlled+mean+to+strengthen+network+connectivity%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity.</a> PLoS ONE. 3 (11), 3782(2008).</li>
<li>Glaser, J., Glaser, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuron+imaging+with+neurolucida+-+PC-based+system+for+image+combining+microscopy%5BTitle%5D)+AND+%22Computerized+Medical+Imaging+and+Graphics%22%5BJournal%5D)">Neuron imaging with neurolucida - PC-based system for image combining microscopy.</a> Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).</li>
<li>Scorcioni, R., Polavaram, S., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((L-Measure%3A+a+web-accessible+tool+for+the+analysis%2C+comparison+and+search+of+digital+reconstructions+of+neuronal+morphologies%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies.</a> Nature Protocols. 3 (5), 866-876 (2008).</li>
<li>Torben-Nielsen, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+and+extendable+python+library+to+analyze+neuronal+morphologies%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An efficient and extendable python library to analyze neuronal morphologies.</a> Neuroinformatics. 12 (4), 619-622 (2014).</li>
<li>Parekh, R., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+morphology+goes+digital%3A+A+research+hub+for+cellular+and+system+neuroscience%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neuronal morphology goes digital: A research hub for cellular and system neuroscience.</a> Neuron. 78 (1), 206(2013).</li>
<li>heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NeuronIQ%3A+A+novel+computational+approach+for+automatic+dendrite+SPINES+detection+and+analysis%5BTitle%5D)+AND+%222007+IEEE%2FNIH+Life+Science+Systems+and+Applications+Workshop%22%5BJournal%5D)">NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis.</a> 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).</li>
<li>Image processing and analysis in Java. NIH. ImageJ. , Available from: 
 <a target="_blank" href="https://imagej.nih.gov/ij">https://imagej.nih.gov/ij</a> (2021).</li>
<li>Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Superior+survival+and+durability+of+neurons+and+astrocytes+on+3-dimensional+aragonite+biomatrices%5BTitle%5D)+AND+%22Tissue+Engineering%22%5BJournal%5D)">Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices.</a> Tissue Engineering. 13, 461-472 (2007).</li>
<li>Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gliosis+of+astrocytes+cultivated+on+coral+skeleton+is+regulated+by+the+matrix+surface+topography%5BTitle%5D)+AND+%22Biomedical+Materials%22%5BJournal%5D)">Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography.</a> Biomedical Materials. 14 (4), 045005(2019).</li>
</ol>

Yazarlar rakip finansal çıkarları olmadığını beyan ederler.

Biyolojik görüntüleme verilerine ayak uydurmak için 2D görüntülerden morfolojik bilgi çıkarmak için etkili stratejiler gereklidir. Görüntüleme verileri saatler içinde oluşturulabilse de, görüntülerin derinlemesine analizi uzun zaman alır. Sonuç olarak, görüntü işleme açıkça birçok alanda büyük bir engel haline gelmiştir. Bu kısmen, özellikle biyolojik örneklerle uğraşırken verilerin yüksek karmaşıklığından kaynaklanmaktadır. Ayrıca, birçok kullanıcı özel programlama ve görüntü işleme becerilerinden yoksun olduğundan, gör...

Dendritik morfogenez, nöronlarda sinaptik entegrasyonun hesaplama özelliklerini etkilediği için, dendritik ağacın yapısı nörobilimde merkezi bir konudur1,2,3. Ayrıca dendritik branşlarda morfolojik anormallikler ve modifikasyonlar dejeneratif ve nöro-gelişimsel bozukluklara bulaşmıştır4,5,6. Dendritik sonuçların daha kolay görselleştirilebildiği nöronal kültürlerde, kardeş olmayan dendritik dallar arasındaki etkileşimler, kollar boyunca sinaptik kümelenmenin alanlarını ve kapsamını düzenler, sinaptik koaktiviteyi ve plastisiteyi etkileyebilecek bir davranış7,8,9. Bu nedenle, dendritik ağacın morfolojik parametrelerinin iki boyutlu (2D) nöronal kültürler kullanılarak karakterizasyonu, dendritik morfogenez ve tek ve nöron ağlarının işlevselliğini anlamak için avantajlıdır. Yine de, bu zorlu bir iştir, çünkü dendritik dallar "basitleştirilmiş" 2D nöronal kültürlerde bile karmaşık bir ağ oluşturur.
Dendritik yapıları otomatik olarak izlemek ve analiz etmek için çeşitli araçlar geliştirilmiştir10,11,12,13. Bununla birlikte, bu araçların çoğu 3D nöronal ağlar için tasarlanmıştır ve doğal olarak 2D ağlarla kullanılamayacak kadar karmaşıktır. Buna karşılık, daha az gelişmiş morfolojik analiz araçları tipik olarak bilgisayar destekli el emeğinin önemli bir bileşenini içerir, bu da çok zaman alıcı ve operatör önyargısına karşı hassastır14. 'ImageJ'15 (topluluk tarafından geliştirilen biyolojik görüntü analiz araçlarının geniş bir koleksiyonuna sahip bir NIH açık kaynaklı görüntü işleme paketi) gibi mevcut yarı otomatik araçlar, kullanıcı el emeğini büyük ölçüde azaltır. Bununla birlikte, görüntü işleme sırasında bazı manuel müdahalelere hala ihtiyaç vardır ve segmentasyonun kalitesi arzu edilenden daha az olabilir.
Bu makale, 2B nöronal ağlardaki dendritik dalların doğrudan segmentasyon ve oryantasyon analizine izin veren basit bir otomatik araç olan SOA'yı sunun. SOA, 2D görüntülerdeki çeşitli çizgi benzeri nesneleri algılayabilir ve morfolojik özelliklerini karakterize edebilir. Burada, kültürdeki dendritik ağların 2D floresan görüntülerinde dendritik dalları segmentlere ayırırken SOA'yı kullandık. Yazılım dendritik dalları tanımlar ve paralellik ve mekansal dağılım gibi morfolojik parametrelerin ölçümlerini başarıyla gerçekleştirir. SOA, diğer hücre tiplerinin hücresel süreçlerinin analizi ve biyolojik olmayan ağların incelenmesi için kolayca uyarlanabilir.

<table><tbody><tr><td>Matplotlib</td><td>&nbsp; 2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom ve Matplotlib geliştirme ekibi; 2012 - 2021 Matplotlib geliştirme ekibi.</td><td>3.4.2</td><td>bir Python 2B çizim kitaplığı</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>matplotlib için bir ölçek çubuğu görüntülemek için sanatçı</td></tr><tr><td>NumPy</td><td>NumPy topluluğu.</td><td>1.20.3</td><td>bilimsel bilgi işlem kütüphanesi OpenCV için temel paket</td></tr><tr><td></td><td>OpenCV ekibi</td><td>4.5.2.54</td><td>Açık Kaynak Bilgisayarla Görme</td></tr><tr><td>Kitaplığı PyCharm</td><td>JetBrains</td><td>2020.3.1 (Community Edition) sürümü</td><td>Build #PC-203.6682.86, 18 Aralık 2020'de oluşturulmuştur. Çalışma zamanı sürümü: 11.0.9.1+11-b1145.37 amd64. VM: JetBrains s.r.o. tarafından sağlanan OpenJDK 64 bit sunucu VM'si Windows 10 10.0. Bellek: 978M, Çekirdekler: 4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>GUI</td></tr><tr><td>python</td><td>Python Software Foundation License</td><td>3.9 sürümünü</td><td></td></tr> yönetin <tr><td>Qt Designer</td><td>The QT Company Ltd.</td><td>5.11.1 sürüm</td><td></td></tr><tr><td>scipy</td><td>Topluluk kütüphanesi projesi</td><td>1.6.3</td><td>Python tabanlı matematik, bilim ve mühendislik için açık kaynaklı yazılım ekosistemi</td></tr><tr><td>Seaborn</td><td>Michael Waskom.</td><td>0.11.1</td><td>Python'un İstatistiksel Veri Görselleştirme Kitaplığı.</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td><td>1.4.3</td><td>Excel XLSX dosyaları oluşturmak için Python modülü</td></tr></tbody></table>

dendritik dalların otomatik tanımlanması ve oryantasyonları

Automatic Identification of Dendritic Branches and their Orientation

Nöronal dendritik ağaçların yapısı, sinaptik girdilerin nöronlara entegrasyonunda kilit rol oynar. Bu nedenle, nöronal fonksiyonun daha iyi anlaşılması için dendritlerin morfolojisinin karakterizasyonu esastır. Bununla birlikte, hem izole edildiğinde hem de özellikle nöronal ağlar içinde bulunduğunda, dendritik ağaçların karmaşıklığı tam olarak anlaşılamamıştır. 2B nöronal kültürlerin floresan görüntülerinden dendritik dalların yönünün otomatik olarak ölçülmesine izin veren yeni bir hesaplama aracı olan SOA 'yı (Segmentasyon ve Oryantasyon Analizi) geliştirdik. Python ile yazılan SOA, dendritik dalları görüntü arka planından ayırmak için segmentasyon kullanır ve her dalın uzamsal yönü üzerinde bir veritabanı biriktirir. Veritabanı daha sonra bir ağdaki dendritik dalların yönlü dağılımı ve paralel dendritik dal büyümesinin yaygınlığı gibi morfolojik parametreleri hesaplamak için kullanılır. Elde edilen veriler, nöronal aktiviteye yanıt olarak dendritlerdeki yapısal değişiklikleri tespit etmek ve biyolojik ve farmakolojik uyaranlara karşı kullanılabilir.

Kültürdeki dendritik ağların görüntüleri üzerinde temsili bir analiz yapıldı. Hücreler Baranes ve ark. 16,17. Kısaca, hipokampal hücreler doğum sonrası sıçanların beyinlerinden çıkarıldı ve 1-2 hafta boyunca 2D cam kapaklar üzerinde yetiştirildi. Kültürler daha sonra dendritik protein belirteci, mikrotübül ilişkili protein 2'ye (MAP2) karşı bir antikor kullanılarak dolaylı immünofluoresans yoluyla sabitlendi ve lekelendi. Dendritik ağların görüntüleri fl...

Sunulan, 2D floresan görüntülerden nöronal dendritik dalların yönelimlerinin basit ve doğrudan otomatik olarak ölçülmasını sağlayan bir hesaplama aracıdır.

Dendritik Dalların Otomatik Tanımlanması ve Oryantasyonları

The structure of neuronal dendritic trees plays a key role in the integration of synaptic inputs in neurons. Therefore, characterization of the morphology ...

SOA, karmaşık 2D hat ağlarının görüntülerinden önemli morfolojik bilgilerin tanımlanması, segmentasyonu ve çıkarılması için kullanıcı dostu bir arayüze sahip otomatik bir araçtır. Çalışma süreci basit ve sezgiseldir ve veriler hemen ve kolayca elde edilir. Ayrıca, SOA uyarlanabilir ve esnek olduğundan, analitik kapasitesi diğer uygulamalar için genişletilebilir.SOA, sinirsel olmayan hücre ağları, sitoskeleton tarafından oluşturulan karmaşık yapılar ve nanotüpler gibi biyolojik olmayan ağlar gibi diğer 2D ağ türlerinin analizi için kullanılabilir. Web sayfasını açın, SOA'yı bulun. fermuarlı klasörü tıklatın ve çift tıklatarak zip dosyasını indirin.Dosyaları ayıkla'yı sağ tıklatıp seçerek klasörün fermini çözün. Ayıklanan dosyaların yolunu görüntüleyen hedef adres metin kutusunda açılan seçenekler penceresinde ayıklama yolunu gözlemleyin. Ardından, ayıklanan SOA dosyasını açın ve SOA.exe'a çift tıklayın.Siyah bir pencerenin açılmasını bekleyin, ardından uygulama görünecektir. SOA görüntüleyici yükleme menü çubuğunda dosya seç'i seçin, ardından bilgisayar dosyalarından bir resim seçin ve üzerine tıklayın. Aç'ı tıklatın, dosyanın yolunu gözlemleyin ve sonra İleri'yi tıklatın.Kenarlarda

automatic-identification-of-dendritic-branches-and-their-orientation

Research

JoVE Journal

Neuroscience

Sinirbilim

Kaynak: Pekarek, B. T., et. al., CLARITY Doku Temizleme ile Sağlam Nöronal Dendritlerin Görüntülenmesi ve Miktarının Belirlenmesi. J. Vis. Uzm. (2021)Bu videoda, konfokal mikroskopi ve 3D rekonstrüksiyon tekniklerini kullanarak dendritik direkleri, omurga morfolojisini ve nöronal dağılımı incelemek için temizlenmiş bir fare beyninin hazırlanmasını, görüntülenmesini ve analizini gösteriyoruz.

Temizlenmiş Bir Fare Beyninde Sağlam Dendritik Arbors ve Omurga Morfolojisinin Konfokal Mikroskopi Görüntülemesi

Kaynak: Ting, C., et al., Sütunlarda ve Katmanlarda Dendritik Morfolojiyi Analiz Etme. J. Vis. Uzm. (2017)Bu video, bir Drosophila beyni hazırlama, konfokal bir mikroskop altında GFP etiketli medulla dendritlerinin yatay ve önden görüntü yığınlarını yakalama ve katmanlar ve sütunlar arasındaki morfolojilerini analiz etmek için bir 3D rekonstrüksiyon oluşturma prosedürünü göstermektedir.

Drosophila Medulla Katmanları ve Sütunları Boyunca Dendritik Morfolojinin Analizi

Kaynak: Gouder, et. al. İnsan Kaynaklı Pluripotent Kök Hücrelerden Türetilen Piramidal Nöronlardan Dendritik Dikenlerin Üç Boyutlu Miktar Tayini. J. Vis. Uzm. (2015).Bu video, konfokal mikroskopi kullanılarak transdüksiyona uğramış, immün etiketli piramidal nöronlardaki dendritik dikenlerin görüntülenmesini ve analizini göstermektedir. Arka plan gürültüsü azaltılır ve dendritler çapları ve uzunlukları tahmin edilerek izlenir. Otomatik omurga segmentasyonu, dendrit ve omurga boyutları için...

Konfokal Mikroskopi Görüntüleme Kullanılarak Dendritik Dikenlerin Miktar Tayini

Fare modellerinin hipokampusunda dendritik arborizasyonun görselleştirilmesi ve ölçülmesi için iki yöntem açıklıyoruz: gerçek zamanlı ve genişletilmiş alan derinliği görüntüleme. İlk yöntem, karmaşık topografik izlemeye ve dallanma derecesinin ölçülmesine izin verirken, ikincisi dendritik ağacın hızlı bir şekilde görselleştirilmesine izin verir.

Farelerde Hipokampal Bölgesi Dentate Gyrus dendritik arborization Değerlendirilmesi

Piramidal nöronlar dendritik dikenleri memeli beyin korteksinde en uyarıcı sinaps sitelerdir. Bu yöntem, uyarılmış pluripotent kök hücrelerinden elde edilen insan kortikal piramidal glutamaterjik nöronları omurga morfolojileri 3D kantitatif analiz açıklanır.

İnsan uyarılmış pluripotent kök hücrelerin türetilmiş Piramidal Nöronlar gelen Dendritik Spine Üç boyutlu Niceleme

Burada, sütunlar ve katmanlar halinde Drosophila medulla nöronların dendritik yönlendirmesini nasıl analiz edileceğini göstermektir. iş akışı, izleme referans sütun dizisine dendritik milleri tescili için ve 3 boyutlu uzayda dendritik yapıların analizi için görüntü kalitesi ve hesaplama araçlarını geliştirmek için bir çift görünümü görüntüleme tekniği içerir.

Sütunlar ve Katmanlar dendritik Morfoloji Analizi

Bu iletişim kuralı dendritik morfogenez çalışmaları için kullanılan Drosophila, nöronal dendritik arborization karmaşıklık (NDAC) kantitatif analiz üzerinde duruluyor.

Kantitatif analiz Drosophila nöronal dendritik Arborization karmaşıklığı

Burada, Drosophila larva beyninin canlı bir hazırlığında son derece hareketli dendritik filopodia'yı görüntülemek için uyguladığımız yöntemi ve dendritin kantitatif değerlendirmeleri için hızlandırılmış 3D görüntüleme veri kümelerini ölçmek için geliştirdiğimiz protokolü anlatıyoruz. nöronlar gelişmekte dinamikleri.

Drosophila Nöronlarının Geliştirilmesinde Hızlı Dendritik Dal Dinamiğinin Hızlandırılmış Canlı Görüntüleme ve Nicelleştirilmesi

Nörokimyasal ve davranışsal anormalliklerin altında yatan nöronlar ve dendritik dikenlerde potansiyel morfolojik değişikliklerin değerlendirilmesi için kritik olan piramidal nöronları etiketlemek ve analiz etmek için bir protokol salıyoruz.

Beyin Dilimlerinde ve Birincil Hücre Kültüründe Piramidal Nöronların Balistik Etiketlemesi

Nöronal dendritik morfoloji genellikle fonksiyon alttan. Gerçekten de, nöronların gelişimini etkileyen birçok hastalık süreci morfolojik bir fenotip ile kendini gösterir. Bu protokol, bozulmamış dendritik çardakları ve ilişkili dikenlerini analiz etmek için basit ve güçlü bir yöntemi açıklar.

CLARITY Doku Temizleme Yoluyla Bozulmamış Nöronal Dendritlerin Görüntülenmesi ve Nicelleştirilmesi

Dendritik dikenler, çoğu uyarıcı sinapsın post-sinaptik bölmeleridir. Dendritik omurga morfolojisindeki değişiklikler, nörogelişim, yaşlanma, öğrenme ve birçok nörolojik ve psikiyatrik bozukluk sırasında meydana gelir ve güvenilir dendritik omurga analizinin önemini vurgular. Bu protokol, otomatik üç boyutlu nöron rekonstrüksiyon yazılımı kullanılarak dendritik omurga morfolojisinin doğru ve tekrarlanabilir bir şekilde ölçülmesini açıklar.

Otomatik Üç Boyutlu Nöron Rekonstrüksiyon Yazılımı Kullanılarak Dendritik Omurga Ölçümü

Öğrenin, SOA yazılımı ile 2D floresan görüntülerden dendritik dalların otomatik tanımlanması ve büyüme açılarının analizini. Bu hesaplamalı yöntem, nöron morfolojisinin hızlı ve esnek şekilde incelenmesini sağlar.

Dendritik Dalların Otomatik Tanımlanması ve Oryantasyonları

Daha fazla video keşfet