Tomografia de coerência óptica 3D automatizada para elucidar a morfogênese do biofilme sobre grandes escalas espaciais

Environment

Your institution must subscribe to JoVE's Environment section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Os biofilmes microbianos formam arquiteturas complexas em interfases e se desenvolvem em padrões espaciais altamente dependentes de escala. Aqui, apresentamos um sistema experimental (Hard-e software) para a aquisição automatizada de conjuntos de dados de tomografia de coerência óptica 3D (OCT). Este conjunto de ferramentas permite a caracterização não invasiva e em várias escalas da morfogênese do biofilme no espaço e no tempo.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Depetris, A., Wiedmer, A., Wagner, M., Schäfer, S., Battin, T. J., Peter, H. Automated 3D Optical Coherence Tomography to Elucidate Biofilm Morphogenesis Over Large Spatial Scales. J. Vis. Exp. (150), e59356, doi:10.3791/59356 (2019).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Os biofilmes são um estilo de vida microbiano de maior sucesso e prevalecem em uma infinidade de configurações ambientais e projetadas. A compreensão da morfogênese do biofilme, que é a diversificação estrutural de Biofilo durante a montagem da Comunidade, representa um desafio notável em escalas espaciais e temporais. Aqui, nós apresentamos um sistema automatizado da imagem latente do biofilme baseado no tomography ótico da coerência (OCT). OCT é uma técnica emergente da imagem latente na pesquisa do biofilme. No entanto, a quantidade de dados que atualmente podem ser adquiridos e processados dificulta a inferência estatística de padrões de grande escala na morfologia do biofilme. O sistema automatizado de imagens de OCT permite cobrir grandes escalas temporais espaciais e estendidas de crescimento de biofilme. Ele combina um sistema OCT comercialmente disponível com uma plataforma de posicionamento robótico e um conjunto de soluções de software para controlar o posicionamento da sonda de digitalização OCT, bem como a aquisição e processamento de conjuntos de dados de imagem de biofilme 3D. Esta configuração permite a monitoração automatizada in situ e não invasora do desenvolvimento do biofilme e pode ser desenvolvida mais para acople a imagem latente de OCT com perfil do Macrofotografia e do microsensor.

Introduction

Os biofilmes são uma adaptação de estilo de vida microbiana de grande sucesso e estas comunidades Interphase-associadas e matriz-incluidas dos micro-organismos dominam a vida microbiana em ajustes naturais e industriais1,2. Lá, os biofilmes formam arquiteturas complexas, como flâmulas alongados3, ondulações4 ou tampas de cogumelo5 com importantes conseqüências para o crescimento do biofilme, estabilidade estrutural e resistência ao estresse6. Embora muito sobre a diferenciação estrutural de biofilme tenha sido aprendido a partir do trabalho em culturas de mono-espécies cultivadas em câmaras de fluxo em miniatura, a maioria dos biofilmes são comunidades altamente complexas, muitas vezes incluindo membros de todos os domínios da vida6. Apreciando esses biofilmes complexos como paisagens microbianas7 e entendendo como a estrutura e a função do biofilme interagem em comunidades complexas está, portanto, na vanguarda da pesquisa de biofilme.

Uma compreensão mecanicista da morfogênese de biofilmes complexos em resposta a pistas ambientais requer experimentos cuidadosamente projetados em conjunto com observações espacialmente e temporalmente resolvidas de estrutura física de biofilme em escalas8. No entanto, a observação não destrutiva do crescimento de biofilme em sistemas experimentais tem sido severamente limitada por restrições logísticas, como a necessidade de mover amostras (por exemplo, para um microscópio), muitas vezes danificando a delicada estrutura de biofilme.

O protocolo aqui apresentado introduz um sistema totalmente automatizado baseado na tomografia de coerência óptica (OCT), que permite o monitoramento in situ, não invasivo da morfogênese do biofilme na escala de mesoescala (mm). Oct é uma técnica emergente de imagem em pesquisa de biofilme com aplicações em tratamento de água e pesquisa Bioincrustação, medicina9 e fluxo ecológico10. Em OCT, uma fonte luminosa de baixa coerência é dividida em um braço de amostra e referência; a interferência da luz refletida e espalhada pelo biofilme (braço da amostra) e a luz do braço de referência é analisada. Uma série de perfis de intensidade axial (A-scans) que contém informações estruturais de profundidade resolvida é adquirida e mesclada em uma B-Scan (uma seção transversal). Uma série de B-varreduras adjacentes compõe a varredura final do volume 3D10. A OCT fornece uma resolução óptica lateral na faixa de aproximadamente 10 μm e, portanto, é bem adequada para o estudo da diferenciação estrutural mesoscópica de biofilmes10,12. Para uma descrição mais detalhada da OCT, consulte Drexler e Fujimoto13e fercher e colegas14. Embora o campo de visão de uma única varredura XY de OCT atinja até centenas de micrômetros quadrados, os padrões de maior escala não podem ser quantificados por meio de OCT em uma única varredura. No que diz respeito aos biofilmes em habitats naturais, como córregos e rios, isso limita atualmente a nossa capacidade de avaliar a morfogênese do biofilme em escalas que correspondem ao modelo físico e hidráulico do habitat.

A fim ultrapassar estes limites espaciais e adquirir varreduras de OCT automaticamente, uma ponta de prova da imagem latente do espectro-domínio OCT foi montada em um sistema de posicionamento de 3 eixos. A instalação permite a aquisição de várias varreduras de OCT em um padrão de mosaico sobreposto (varredura da telha), conseguindo eficazmente a imagem latente tomográfica de áreas de superfície até 100 cm2. Além disso, a alta precisão de posicionamento deste sistema permite monitorar de forma confiável o crescimento e o desenvolvimento de recursos de biofilme em locais específicos durante experimentos de longo prazo. O sistema é modular e os componentes individuais (isto é, dispositivo de posicionamento e OCT) da instalação podem ser usados como soluções autônomas ou combinados flexìvel. A Figura 1 fornece uma visão geral dos componentes de hard e software da instalação.

O sistema foi testado com um dispositivo de posicionamento CNC com controle de GRBL disponível comercialmente (tabela de materiais). As distâncias de funcionamento desta plataforma de posicionamento específico são 600 × 840 × 140 milímetro, com uma exatidão fabricante-indicada de +/-0, 5 milímetros e uma definição programável de 0, 5 milímetros. GRBL é uma fonte aberta (licença GPLv3), controle de movimento de capacidade elevada para o CNC Dispositivos. Portanto, cada dispositivo de posicionamento baseado em GRBL (versão > 1,1) deve ser compatível com as diretrizes e os pacotes de software apresentados aqui. Além disso, o software pode ser adaptado a outros controladores stepmotor com tipo de entrada STEP-DIR com poucas modificações.

O dispositivo de OCT usado para avaliar o desempenho do sistema (tabela de materiais) caracteriza uma fonte luminosa da baixa coerência com um comprimento de onda center de 930 nanômetro (largura de faixa = 160 nanômetro) e o comprimento e a intensidade ajustáveis do braço da referência. No exemplo apresentado aqui, um adaptador da imersão para mergulhar a ponta de prova de OCT na água de fluxo foi usado igualmente (tabela dos materiais). O pacote de software desenvolvido aqui para aquisição automatizada de varredura de OCT depende criticamente do SDK fornecido em conjunto com o sistema OCT específico, no entanto, os sistemas OCT do mesmo fabricante com diferentes lentes de digitalização e comprimentos de onda centrais devem ser facilmente compatível.

O dispositivo GRBL é controlado por um servidor Web instalado em um computador de placa única (Figura 1). Isso concede controle remoto do dispositivo a partir de qualquer computador com rede local ou acesso à Internet. O dispositivo OCT é controlado por um computador separado, permitindo a operação do sistema OCT de lado da configuração experimental automatizada. Finalmente, os pacotes de software incluem bibliotecas para sincronizar o posicionamento da sonda OCT e a aquisição de varredura de OCT (ou seja, para adquirir automaticamente conjuntos de dados de imagem 3D em um padrão de mosaico ou em um conjunto de posições definidas). Definir a posição da sonda OCT em 3D efetivamente permite ajustar o plano focal especificamente para conjuntos (regionais) de varreduras. Especificamente, em superfícies irregulares, diferentes planos focais (ou seja, diferentes posições na direção z) podem ser especificados para cada varredura de OCT.

Um conjunto de pacotes de software foi desenvolvido para processar varreduras de OCT RAW (tabela 1). A navegação do dispositivo de posicionamento, a aquisição de varredura de OCT e o processamento de conjuntos de dados são realizados com notebooks Jupyter codificados em Python, que permitem notável flexibilidade no desenvolvimento e otimização do software. Dois exemplos de trabalho e anotados de tais notebooks (para aquisição e processamento de imagens, respectivamente) estão disponíveis em https://gitlab.com/FlumeAutomation/automated-oct-scans-acquisition.git eles são destinados como pontos de partida para personalização do método. Um notebook Jupyter é um aplicativo baseado em navegador da Web que contém células com código Python anotado. Cada etapa está contida em uma célula do bloco de anotações, que pode ser executada separadamente. Devido ao comprimento diferente do trajeto claro através da lente da varredura (aberração esférica)15, os escaneamentos crus do Oct aparecem distorcidos (Figura 2a). Desenvolvemos um algoritmo para corrigir automaticamente essa distorção em varreduras de OCT adquiridas (contidas em Imageprocessing. ipynb, arquivo complementar 1). Além disso, a morfologia do biofilme pode ser visualizada como um mapa da elevação 2D, como foi usado previamente em sistemas de membrana16, e nós ilustramos como os mapas da elevação obtidos das varreduras tomadas em uma disposição de telha podem ser costurados.

Finalmente, a funcionalidade da instalação laboratorial descrita é ilustrada usando um experimento de Flume em que o biofilme de fluxo fototrófico é exposto a um gradiente de velocidade de fluxo.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. configuração do dispositivo de posicionamento

  1. Conecte o dispositivo de posicionamento a uma placa do microcontrolador, seguindo a instrução em https://github.com/grbl/grbl/wiki/Connecting-Grbl.
  2. Conecte o microcontrolador a um computador de placa única com conexão à Internet através de um cabo USB e instale o servidor GRBL conforme descrito em https://gitlab.com/FlumeAutomation/GRBL_Server.git. Agora, o dispositivo de posicionamento deve ser navegável a partir de uma página da web hospedada em http://IP:5020/. Alternativamente, o dispositivo de posicionamento pode ser navegado com um script Python, como demonstrado na primeira parte do exemplo trabalhado imagesacquisition. ipynb (arquivo complementar 2).

2. configuração de OCT

  1. Monte a sonda OCT no dispositivo de posicionamento usando um suporte de cauda de pomba compatível. Se necessário, instale um adaptador de imersão na lente objetiva.
  2. Posicione o computador e a unidade base de OCT em um banco ao lado do experimento (por exemplo, dispositivos microfluílicos, câmaras de fluxo, flumes, sistemas de filtração). Certifique-se de que o cabo óptico (comprimento máximo de aproximadamente 1,8 m) está se movendo livremente, tempo suficiente para alcançar todos os locais pretendidos e não interferir com a configuração experimental.
  3. Instale o sistema OCT juntamente com o software disponível, conforme descrito pelo fabricante.
  4. Instale os pacotes de software para aquisição de varredura de OCT automatizada, conforme descrito em https://gitlab.com/FlumeAutomation/automated-oct-scans-acquisition.git.

3. aquisição de imagem

  1. Ligue o sistema OCT e o dispositivo de posicionamento. Certifique-se que o dispositivo pode mover-se livremente.
  2. Abra o arquivo config. JSON em um editor de texto. Edite o arquivo config. JSON para ajustar o parâmetro de aquisição de imagem padrão (tabela 2), como o índice de refração (1,33 para água a 20 ° c, 1, 0 para ar) e a pasta de destino para dados e metadados adquiridos.
  3. Defina o tamanho do campo de visão (FOV) e o número de A-scans por B-Scan em config. JSON.
    Observação: esses dois parâmetros determinam o tamanho dos voxels do conjunto de dados final e o tamanho do arquivo de saída e devem corresponder à resolução óptica da sonda (o tamanho do VOXEL x-y não deve ser menor do que a metade da resolução óptica). O número de a-e B-scans afeta a extensão espacial a ser coberto que trades-off contra o espaço em disco disponível e poder de processamento.
  4. Defina os limites de sinal da verificação OCT de saída em config. JSON. Estes dependem do tipo de amostra. Assim, é recomendável determinar esses parâmetros com base em histogramas de intensidade de um conjunto de varreduras preliminares. Salve as alterações em config. JSON.
  5. Navegue a sonda OCT para um site de interesse. Concentre a amostra e ajuste o braço de referência e a intensidade da fonte de luz para obter uma qualidade de imagem ideal. Repita este procedimento para um número de posições e anote as coordenadas.
    Observação: isso permitirá que a aquisição de varredura de OCT automática subseqüente em torno desses pontos de referência. Observe que o comprimento e a intensidade do braço de referência não podem ser alterados durante a aquisição automatizada de imagens.
  6. Abra o arquivo Imageacquisition. ipynb (arquivo complementar 2) no caderno juypter. Cada célula contém código para executar tarefas específicas e pode ser executado separadamente via pressionando Cell | Executar, ou Ctrl + Enter ou Shift + Enter.
    1. Defina o caminho para as bibliotecas necessárias e os parâmetros de configuração padrão. Como alternativa, defina um novo conjunto de parâmetros temporários.
    2. Conecte-se ao dispositivo de posicionamento e inicialize a OCT.
    3. Calibrar o dispositivo de posicionamento (ou seja, realizar um "homing").
    4. Adquira os conjuntos de dados que cobrem as posições de interesse no padrão de digitalização única ou mosaico, especificando o número e a sobreposição (por exemplo, 30%) de telhas vizinhas.
      Observação: a memória é alocada antes para a verificação, que otimiza o uso de recursos do computador. Os dados são salvos em formato 8 bits *. Raw para economizar espaço de armazenamento, na pasta de destino definida em config. JSON, usando o carimbo de data/hora e a posição como Convenção de nomenclatura (ou seja,% Y% m% D_% H% m% S_ < posição >). Os metadados, incluindo as configurações e as coordenadas da OCT, são salvos na mesma pasta em um arquivo *. SRM com a mesma convenção de nomenclatura. Dependendo das configurações, como FOV e resolução, o tamanho do arquivo pode chegar a até 1,5 GB por varredura de OCT.
  7. Para evitar o aborto da aquisição de dados, certifique-se de que há espaço livre em disco suficiente ou mova continuamente conjuntos de dados OCT para um disco rígido externo.

4. correção de imagem e exibição

  1. Abra o notebook Jupyter Imageprocessing. ipynb (arquivo complementar 1) para um exemplo trabalhado de processamento de imagem OCT (correção de distorção, subtração de fundo, cálculo de mapas de elevação, costura de mapa de elevação).
  2. Se necessário, as varreduras Oct da colheita a fim excluir sinais espúrias e reorientado o conjunto de dados (o biofilm deve aparecer acima do substrato).
  3. Correto para a aberração esférica. Isto é conseguido por um algoritmo da correção que utilize uma superfície altamente reflexiva da referência conhecida para ser Lisa (por exemplo, parte inferior do Flume, substrato). Primeiro, o algoritmo define uma grade de 20 × 20 linhas verticais espaçadas regularmente em todo o plano XY da varredura de OCT. Em seguida, ele seleciona uma área circular ao redor de cada ponto e médias intensidades de sinal ao longo do perfil vertical (Figura 2b). Os perfis verticais são processados com um filtro Gaussian modificado:
    Equation 1
    onde x é o sinal de entrada, e σ seu desvio padrão, enquanto C é determinado como:
    Equation 2
    A superfície de referência é localizada como Maxima local em cada um desses perfis. Os pontos identificados incorretamente são filtrados com base nas posições de seus vizinhos em três dimensões (Figura 2C). Finalmente, uma superfície de polinômio de ordem 2ND refletindo a distorção introduzida pela lente de digitalização é montado em todos esses pontos (Figura 2C). A superfície ajustada é então usada para deslocar cada pixel na direção z, obtendo assim uma imagem achatado. Os parâmetros deste algoritmo devem ser ajustados às características da varredura de OCT.
  4. Corrigir o ruído de fundo. Identifique uma área vazia da imagem (normalmente acima do biofilme) e use o algoritmo de correção para subtrair a intensidade média do plano de fundo dos valores de intensidade da imagem para produzir uma imagem de OCT corrigida final (Figura 2D).
  5. Calcule um mapa de elevação a partir do conjunto de dados OCT 3D. Nesta etapa, defina uma superfície de referência de interesse para o experimento específico (por exemplo, o substrato) e uma intensidade de limiar apropriada. Em seguida, use o algoritmo de cálculo de mapa de elevação para calcular a espessura do biofilme para cada coordenada (x, y) da máscara binária e atribuí-la a uma nova matriz 2D (Figura 3a). Os valores de espessura são então atribuídos a uma matriz 2D do tamanho da imagem original em direções x e y. Uma imagem é renderizada na qual a elevação da superfície é relatada como valor de escala de cinza (Figura 3B).
  6. No caso de várias varreduras de OCT serem tiradas em um padrão de mosaico, defina o número de linhas e colunas e costurar os respectivos mapas de elevação. A Figura 5 apresenta exemplos de mapas de elevação costurados, abrangendo a ampla gama de escalas espaciais e resoluções alcançáveis com a configuração descrita.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Nós demonstramos a funcionalidade do sistema automatizado da imagem latente de OCT usando uma experiência do Flume projetada estudar o morfogênese spatio-temporal de biofilms fototróficos do córrego. Uma geometria gradualmente estreitamento das flumes induziu gradientes na velocidade de fluxo ao longo do centro da Flume (ver referência17).  O desenvolvimento temporal e a diferenciação estrutural do biofilme foram monitorados ao longo de 18 dias com o objetivo de compreender melhor os efeitos das condições hidrodinâmicas na morfogênese do biofilme. A Figura 4 demonstra o crescimento de uma microcolônia de biofilme, seguida de 18 dias de crescimento. A morfologia superficial do biofilme foi quantificada utilizando o conjunto de ferramentas descrito acima (figura 4a). O biovolume foi calculado (ver exemplo trabalhado Imageprocessing. ipynb, arquivo complementar 1) para uma janela de movimento quadrado com comprimento de borda de 3,6 mm (Figura 4B) para cada posição ao longo do gradiente de velocidade de fluxo (Figura 4C). O acúmulo de biofilme diminuiu significativamente com o aumento da velocidade de fluxo (indicado como a distância da parte mais larga da Flume; Figura 4). Importante, esta configuração experimental permite uma medição contínua dos parâmetros estruturais (por exemplo, biovolume, espessura, rugosidade) ao longo de grandes gradientes espaciais. Portanto, essa nova ferramenta fornece os meios para obter insights sobre as relações entre a estrutura de biofilme e as pistas ambientais.

Componente de software Descrição
stepcraft.py Uma biblioteca Python para controlar o dispositivo de posicionamento. Ele contém definições para navegar e homing o dispositivo.
OctControl. cpp Código C++ derivado do Software Development Kit (SDK) distribuído com o sistema OCT. Isso tem que ser compilado usando o VisualStudio 2017, PythonC/API e o SDK.
ImagesAcquisition.py Uma biblioteca Python que contém os comandos para fazer varreduras de OCT em posições selecionadas e definir o padrão de ladrilhos de digitalização.
ImagesAcquisition. ipynb Jupyter Notebook usado para navegar no dispositivo de posicionamento, adquirir varreduras de OCT e para aquisição de imagem automatizada.
OctCorrection.py Uma biblioteca Python definindo as funções usadas para a correção das imagens RAW de OCT e subtração de fundo.
OctProcessing.py Uma biblioteca Python que contém as funções para calcular e costurar mapas de elevação.
OctProcessing. ipynb Notebook jupyter para visualizar, corrigir e processar varreduras de OCT. Isso também contém um exemplo de cálculo de biovolume.

Tabela 1. Componentes de software.

Parâmetro Valor Descrição
Ganimedes 1, 2, 3 Escolha do sistema OCT e versão
Sonda 1, 2 Escolha da lente da varredura
os nAscans 32-900 Número de A-scans por B-Scan
o nBscans 1-900 Número de B-scans
o nCscans 128-1024 Número de pixels de profundidade
X 0,1-10 Tamanho da imagem em x-sentido (milímetro)
Y 0,1-10 Tamanho da imagem na direção y (mm)
Refr 1-1,6 Índice de refração (1 para ar, 1,33 para água)
avg_Ascans 3 Número de A-scan média
ScanSpeed 1, 2, 3 A-taxa de digitalização (5,5, 15 e 36 kHz)
Caminho ".. /% Y-% m-% d_% h% m% S " Pasta de destino para as verificações de OCT adquiridas, usa carimbo de data/hora como nomeação confention
Propriedade Colorlimites [0.0-256.0, 0.0-256.0] Limites de cor das varreduras adquiridas

Tabela 2. Configurações de parâmetro OCT.

Figure 1
Figura 1. Visão geral dos componentes de hard e software. Os de de um dispositivo de posicionamento GRBL-controlado são prendidos a um microcontrolador, conectado através do USB a um computador da único-placa. O servidor GRBL é instalado no último, e o movimento do dispositivo de posicionamento pode ser controlado a partir de qualquer navegador da Web via conexão TCP/IP. Alternativamente, a navegação do dispositivo de posicionamento pode ser realizada a partir de um notebook Jupyter codificado em Python (Imagesacquisition. ipynb, arquivo complementar 2) usando a biblioteca GRBLServer.py. O sistema OCT é conectado a um computador separado do qual a aquisição automatizada de varredura de OCT pode ser executada por meio de um script Python. Por favor clique aqui para ver uma versão maior desta figura.

Figure 2
Figura 2. Fluxo de trabalho de correção de digitalização OCT. O painel A mostra um B-Scan não processado de biofilme crescendo em uma superfície plana de plexiglass. A imagem é distorcida (curvatura) por causa das diferenças no comprimento do trajeto da luz da baixa coerência através da lente. A distorção da imagem de OCT pode ser corrigida identificando uma superfície de referência plana e refletindo fortemente na imagem. Primeiro, 20 × 20 pontos de referência são distribuídos uniformemente em toda a pilha de imagens. Em cada um desses pontos, o sinal de imagem é calculada em média em uma área circular (na direção x-y) para cada profundidade (plano z), obtendo um perfil de profundidade médio da intensidade do sinal. Em seguida, um filtro Gaussian modificado é aplicado a cada um dos perfis de referência 400. O painel B fornece um exemplo do sinal original ao longo do perfil de profundidade indicado pela linha vermelha vertical no painel A, o perfil de profundidade média e o mesmo perfil após o filtro Gaussian modificado ter sido aplicado. O filtro Gaussian modificado permite a identificação do Maxima local na intensidade do sinal, identificando assim a posição da superfície de referência fortemente refletindo. Os pontos de referência identificados corretamente são então selecionados com base nas coordenadas de seus vizinhos em três dimensões. No exemplo no painel C, os pontos amarelos foram mantidos para a correção subseqüente da imagem visto que os roxos foram descartados. Uma superfície de polinômio de ordem de 2ND é então adequada para os pontos de referência colocados corretamente e usada para corrigir a distorção na imagem original do Oct mudando os pixels na direção z. A intensidade média do fundo é estimada a partir de uma área vazia da imagem e subtraída das imagens corrigidas. O painel D mostra o mesmo B-Scan após a correção e a subtração de fundo. Por favor clique aqui para ver uma versão maior desta figura.

Figure 3
Figura 3. Mapas de elevação. A topologia de biofilme pode ser visualizada como mapas de elevação 2D em que a espessura da biomassa é codificada por cores. Para isso, uma imagem de OCT 3D é dedutada e a espessura do biofilme calculada como a distância do sinal superior ao substrato. O painel A mostra a máscara binária de um B-Scan obtido após a Thresholding. A linha azul indica o sinal superior enquanto a linha vermelha mostra a superfície de referência. O painel B mostra um exemplo do mapa de elevação obtido, dimensionado de acordo com a resolução axial da sonda OCT. A linha vermelha indica a posição do B-Scan no painel A.

Figure 4
Figura 4. Resultados representativos mostrando o efeito da velocidade de fluxo no crescimento de biofilme. Nós estudamos a morfogênese fototrófica do biofilme do córrego ao longo de um inclinação na velocidade do fluxo usando experimentos do Flume. A velocidade de fluxo aumentou com a distância da entrada do Flume. Após 10 dias de crescimento, a morfologia do biofilme foi caracterizada por OCT automatizada em diferentes resolcimentos e abrangendo diferentes escalas espaciais. Os mapas de elevação (A, B e C) demonstram a morfologia do biofilme cultivado em baixa, média e alta velocidade de fluxo, respectivamente. Esses mapas de elevação são calculados a partir de varreduras de OCT com tamanho de voxels em x, direção y de 4 μm. A área de superfície da varredura é um quadrado do comprimento da borda de 3,6 milímetros. Os painéis D, e e F mostram mapas de elevação (velocidade de fluxo baixa, média e alta, respectivamente) obtidos pela costura 3 × 3 varreduras de OCT com um tamanho de VOXEL em XY-sentido de 11 μm, área da varredura de 10 milímetros2 e uma sobreposição entre varreduras vizinhas de 30%. O painel G mostra um mapa de elevação do biofilme crescendo ao longo de todo o gradiente de velocidade alcançado neste experimento de Flume. Foi obtido por meio de costura 3 × 51 OCT scans com um tamanho de VOXEL em xy-direção de 40 μm, área de digitalização de 10 mm2 e uma sobreposição entre verificações vizinhas de 30%. A área total da varredura alcançada é 24 × 353 milímetros. o painel H relata o biovolume em uma janela movente quadrada da borda de 3,6 milímetros. O biovolume médio diminuiu significativamente em função da distância da entrada (I). Por favor clique aqui para ver uma versão maior desta figura.

Figure 5
Figura 5. Teste de precisão para o dispositivo de posicionamento. A precisão do dispositivo de posicionamento foi avaliada pela montagem de uma câmera de 20,2 megapixels equipada com uma lente macro de 35 mm no dispositivo de posicionamento, focada em uma marca colorida. O dispositivo de posicionamento foi movido em uma direção aleatória longe da marca e, em seguida, posicionado de volta para um total de 80 ciclos. A posição da marca foi então comparada. A figura mostra a mudança na direção x e y em relação à primeira imagem. Observe que o deslocamento máximo é de aproximadamente 16 μm na direção y e ainda menos na direção x. Por favor clique aqui para ver uma versão maior desta figura.

Arquivo complementar 1. Imageprocessing. ipynb. por favor, clique aqui para baixar este arquivo.

Arquivo complementar 2. Imagesacquisition. ipynb. por favor, clique aqui para baixar este arquivo.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

A imagem latente de OCT é poço-serido para resolver estruturas na escala do micrômetro com um FOV de diversos milímetros quadrados. É, portanto, uma ferramenta poderosa para a pesquisa de biofilme10,18. No entanto, a OCT está atualmente limitada a uma área de varredura máxima de 100-256 mm2, enquanto os padrões estruturais de biofilme geralmente excedem essa escala espacial19, especialmente quando a diferenciação morfológica é impulsionada por gradientes ambientais de grande escala 20. o sistema automatizado da imagem latente de OCT descrito neste protocolo estende a área de superfície caracterizada por Oct a diversos centímetros quadrados, permitindo eficazmente monitorar a diferenciação morfológica do biofilme sobre uma escala relevante de escalas espaciais (de poucos milímetros a vários centímetros). A exatidão de posicionamento elevada (dentro de 16 μm; Figura 5) permite monitorar com precisão o desenvolvimento estrutural de biofilmes durante longos períodos de tempo (Figura 4), impulsionando efetivamente as oportunidades para a obtenção de uma compreensão mecanicista dos motoristas de biofilmes diferenciação morfológica . Ao mesmo tempo, esta técnica de caracterização de biofilme in situ é não invasiva e minimiza a interferência com o crescimento do biofilme. As soluções de processamento de imagens apresentadas aqui se constroem em análises anteriormente empregadas de conjuntos de dados do biofilme OCT16, mas a automação fornece ferramentas para análises de conjunto de dados Oct sem precedentes e de espaço resolvido.

Este sistema foi concebido e aferido com um dispositivo específico de OCT, como descrito no protocolo. As etapas críticas no Protocolo referem-se principalmente à definição de resolução de OCT e foco, que são ambos críticos para alta qualidade de imagem. Uma limitação da correção da rotina das aberrações esféricas é que depende da presença de uma superfície plana altamente reflexiva. Alternativamente, uma superfície de correção padrão pode ser medida e, em seguida, usada para corrigir verificações de OCT. Além disso, a costura de varreduras de OCT depende de recursos estruturais suficientes para alinhar varreduras vizinhas. Em caso da distribuição uniforme do biofilme ou da baixa cobertura do biofilme, a costura pode ser conseguida confiando unicamente na precisão do dispositivo de posicionamento. Finalmente, como em qualquer outro pipeline de processamento de imagem, ao configurar essas ferramentas, é fundamental avaliar cuidadosamente o desempenho do algoritmo de processamento em um conjunto de varreduras representativas antes de manipular lotes de imagens.

O Hard-e o software foram projetados fornecer a modularidade cheia das peças individuais. Mais especificamente, este sistema pode facilmente ser adaptado para trabalhar com outras ferramentas para a caracterização dos biofilmes tais como a imagem latente da macro-fotografia usando câmeras hiperespectrais ou o perfilamento do microsensor. O acoplamento de informações estruturais com gradientes localizados em recursos ao redor e dentro de biofilmes fornecerá insights novos e cruciais sobre a forma como os biofilmes são adaptados para otimizar a alocação de recursos. A flexibilidade também é implementada através do uso de notebooks Jupyter, uma ferramenta de desenvolvimento de software de acesso aberto, rápido e versátil.

Uma limitação crítica da imagem latente de OCT em geral permanece a incapacidade de resolver objetos em movimento rápido. Por exemplo, os flâmulas que alongam em e que movem-se com o fluxo não são retratados exatamente. A aplicabilidade desta ferramenta é, portanto, limitada a estruturas de biofilme relativamente fixas e não-móveis. O sistema é otimizado para funcionar autonomamente, no entanto, as configurações iniciais e, se necessário, o ajuste manual de foco e iluminação, ainda são necessários. Isso representa uma limitação significativa se as amostras diferem significativamente na densidade e propriedades reflexivas. A automatização cheia, incluindo o foco software-guiado e o ajuste da iluminação podem entretanto ser conseguidos usando princípios similares (por exemplo, motores de passo e feedbacks do software-hardware).

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Sebastian Schäfer é empregado na Thorlabs Inc.

Acknowledgments

Agradecemos a Mauricio Aguirre Morales por sua contribuição para o desenvolvimento deste sistema.  O apoio financeiro veio da Swiss National Science Foundation para a T.J.B.

Materials

Name Company Catalog Number Comments
OCT Probe Thorlabs GAN210C1 OCT imaging device
OCT scan lens Thorlabs  OCT-LK3-BB
Immersion adapter Thorlabs  OCT-IMM3-SP1
Stepcraft 840 CK STEPCRAFT NA positioning device
microcontroller Arduino Uno R3 NA
Single-board computer Raspberry PI NA
camera Canon EOS 7D Mark II NA
camera lens Canon MACRO EFS 35 mm NA

DOWNLOAD MATERIALS LIST

References

  1. Flemming, H. C., Wingender, J. The biofilm matrix. Nature reviews. Microbiology. 8, 623-633 (2010).
  2. Flemming, H. -C., et al. Biofilms: an emergent form of bacterial life. Nature reviews. Microbiology. 14, 563 (2016).
  3. Stoodley, P., Lewandowski, Z., Boyle, J. D., Lappin-Scott, H. M. Oscillation characteristics of biofilm streamers in turbulent flowing water as related to drag and pressure drop. Biotechnology and Bioengineering. 57, 536-544 (1998).
  4. Stoodley, P., Lewandowski, Z., Boyle, J. D., Lappin-Scott, H. M. The formation of migratory ripples in a mixed species bacterial biofilm growing in turbulent flow. Environmental microbiology. 1, 447-455 (1999).
  5. Banin, E., Vasil, M. L., Greenberg, E. P. Iron and Pseudomonas aeruginosa biofilm formation. Proceedings of the Natural Academy of Sciences U.S.A. 102, 11076-11081 (2005).
  6. Battin, T. J., Besemer, K., Bengtsson, M. M., Romani, A. M., Packmann, A. I. The ecology and biogeochemistry of stream biofilms. Microbiology. 14, 251-263 (2016).
  7. Battin, T. J., et al. Microbial landscapes: new paths to biofilm research. Nature Reviews. Microbiology. 5, 76-81 (2007).
  8. Neu, T. R., Lawrence, J. R. Innovative techniques, sensors, and approaches for imaging biofilms at different scales. Trends in Microbiology. 23, 233-242 (2015).
  9. Meleppat, R. K., Shearwood, C., Seah, L. K., Matham, M. V. Quantitative optical coherence microscopy for the in situ investigation of the biofilm. J. of Biomedical Optics. 21, (12), 127002 (2016).
  10. Wagner, M., Horn, H. Optical coherence tomography in biofilm research: A comprehensive review. Biotechnology and Bioengineering. 114, 1386-1402 (2017).
  11. Huang, D., et al. Optical coherence tomography. Science. 254, 1178-1181 (1991).
  12. Haisch, C., Niessner, R. Visualisation of transient processes in biofilms by optical coherence tomography. Water Resources. 41, 2467-2472 (2007).
  13. Drexler, W., Fujimoto, J. G. Optical Coherence Tomography: Technology and Applications. Springer Verlag. (2008).
  14. Fercher, A. F. Optical coherence tomography – development, principles, applications. Zeitschrift für Medizinische Physik. 20, 251-276 (2010).
  15. Lee, H. -C., Liu, J. J., Sheikine, Y., Aguirre, A. D., Connolly, J. L., Fujimoto, J. G. Ultrahigh speed spectral-domain optical coherence microscopy. Biomedical Optics Express. 41236-41254 (2013).
  16. Fortunato, L., Leiknes, T. In-situ biofouling assessment in spacer filled channels using optical coherence tomography (OCT): 3D biofilm thickness mapping. Bioresource Technology. 229, 231-235 (2017).
  17. Niederdorfer, R., Peter, H., Battin, T. J. Attached biofilms and suspended aggregates are distinct microbial lifestyles emanating from differing hydraulics. Nature Microbiology. 1, 16178 (2016).
  18. Roche, K. R., et al. Benthic biofilm controls on fine particle dynamics in streams. Water Resources. 53, 222-236 (2016).
  19. Fortunato, L., Jeong, S., Wang, Y., Behzad, A. R., Leiknes, T. Integrated approach to characterize fouling on a flat sheet membrane gravity driven submerged membrane bioreactor. Bioresource Technology. 222, 335-343 (2016).
  20. Morgenroth, E., Milferstedt, K. Biofilm engineering: linking biofilm development at different length and time scales. Reviews in Environmental Science and Bio/Technology. 8, 203-208 (2009).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics