Summary

Time-lapse Live Imaging og kvantificering af hurtig dendritiske gren dynamik i at udvikle Drosophila neuroner

Published: September 25, 2019
doi:

Summary

Her beskriver vi den metode, vi anvendte til at afbilde meget motile sædceller dendritiske filopodia i en levende forberedelse af Drosophila larve hjernen, og den protokol, vi udviklede til at kvantificere tidsforskudt 3D imaging datasæt for kvantitative vurderinger af dendrit dynamik i udviklingen af neuroner.

Abstract

Meget motile sædceller dendritiske filopodia er bredt til stede i neuroner på tidlige udviklingsmæssige stadier. Disse sonderende dynamiske grene prøve det omgivende miljø og indlede kontakter med potentielle synaptiske partnere. Selv om forbindelsen mellem dendritiske gren dynamik og synaptogenesis er veletableret, hvordan udviklingsmæssige og aktivitets afhængige processer regulerer dendritiske gren dynamik er ikke godt forstået. Dette skyldes til dels de tekniske vanskeligheder i forbindelse med levende billeddannelse og kvantitative analyser af disse fine strukturer ved hjælp af et in vivo-system. Vi etablerede en metode til at studere dendrit dynamik ved hjælp af Drosophila larve ventrale laterale neuroner (lnvs), som kan være individuelt mærket ved hjælp af genetiske tilgange og er tilgængelige for levende billeddannelse. Drage fordel af dette system, vi udviklet protokoller til at fange gren dynamik i hele dendritiske Arbor af en enkelt mærket lnv gennem time-lapse Live imaging. Derefter udførte vi post-processing for at forbedre billedkvaliteten gennem drift korrektion og dekoncentrering, efterfulgt af at analysere gren dynamik på single-Branch niveau ved at kommentere rumlige positioner af alle gren terminaler. Endelig har vi udviklet R scripts (supplerende fil) og specifikke parametre for at kvantificere gren dynamik ved hjælp af koordinat oplysninger genereret af Terminal tracing. Kollektivt, denne protokol giver os mulighed for at opnå en detaljeret kvantitativ beskrivelse af gren dynamik af neuronal dendritiske Arbor med høj tidsmæssig og rumlig opløsning. De metoder, vi udviklede, gælder generelt for tyndt mærkede neuroner i både in vitro-og in vivo-tilstande.

Introduction

Dendritter er specialiserede neuronal rum, der modtager og behandler sensorisk og synaptisk input. Den komplekse og stereotype struktur af dendritiske Dorne har været under intens efterforskning siden deres opdagelse. En række modelsystemer, herunder Xenopus Optic tectal neuroner, chick retinal ganglion celler og dendritiske arborization (da) neuroner i Drosophila systemet, er blevet etableret for at studere udvikling, remodeling og plasticitet af neuronal dendritter1,2,3,4. Drosophila ventrale laterale neuroner (lnvs) er en gruppe af visuelle projektion neuroner oprindeligt identificeret for deres vigtige funktioner i døgn regulering af flyve adfærd5. Undersøgelser afslørede også larve lnvs rolle som det direkte postsynaptiske mål for larve foto (PRS)6,7. Det er vigtigt, at dyrkning af larver i forskellige lysregimer i høj grad påvirker størrelsen af LNvs ‘ dendritiske Arbors, hvilket viser, at LNvs er egnet som en ny model til undersøgelse af dendritiske plasticitet7. Det seneste arbejde fra vores gruppe viser endvidere, at både størrelsen af lnv dendrit og den dynamiske opførsel af dendritiske grene viser erfarings afhængig plasticitet8,9. Som en del af dette arbejde, udviklede vi en ny live Imaging og kvantificering protokol til at udføre analyse på dendrit dynamik af LNvs fra 2nd eller 3Rd INSTAR larver.

Den gennemsigtige natur af Drosophila larve hjernen gør den ideel til levende billeddannelse. Men de dendritiske Dorne af lnvs er beliggende i den tætbefolkede larve optisk neuropil (Lon) i midten af larve hjernen lobe6. For at fange billeder af fine dendrit grene og filopodia i intakt hjernevæv, bruger vi to-foton mikroskopi, hvilket øger dybden af lys penetration og reducerer fototoksicitet under levende billeddannelse eksperimenter10. Ved hjælp af denne opsætning, vi med succes udført Live imaging eksperimenter på LNvs for over 30 min uden at observere indlysende morfologiske forringelse af neuron. Hertil kommer, at genetiske manipulationer ved hjælp af flip-out teknik gjorde det muligt for os at mærke de enkelte lnvs med en membran Tagged gfp, som også er afgørende for overvågning af bevægelser af de enkelte grene11,12,13 .

For at fange den dynamiske opførsel af alle grene på lnv dendritiske Arbor med optimal optisk opløsning, udførte vi time-lapse 3D imaging på frisk dissekeret larve Brain bruskeksplantater med en høj rumlig opløsning på 1 min pr frame for 10 til 30 min. udvikling af lnv dendritter er meget dynamiske, med en stor procentdel af grenene viser observerbare ændringer inden for 10 min vindue. Dette fører til en af de vigtigste tekniske udfordringer i at studere dendrit dynamik, kvantificere gren adfærd baseret på 4D-billed datasæt. Tidligere etablerede metoder har forskellige begrænsninger, herunder manglende nøjagtighed og overdreven tid krav. Derfor udviklede vi en halvautomatisk metode, der kombinerer billed efterbehandling, manuel markering af afdelings terminalerne og automatisk 4D-spot sporing ved hjælp af en billed anmærknings software. Vi beregner bevægelserne af afdelings terminaler på forskellige tidspunkter baseret på 3D-koordinaterne for pletterne. Dataene eksporteres og analyseres derefter for at producere kvantitative målinger af gren dynamikken. Denne metode præcist vurderer varigheden og omfanget af udvidelse og tilbagetrækning begivenheder af eksisterende filialer, samt dannelsen af nye grene, så vi kan overvåge dendrit dynamik i et stort antal neuroner.

Protocol

Forsigtig: Denne protokol omfatter brug af klasse IV lasere og vil kræve passende uddannelse og sikkerhed retningslinjer, der skal følges. Undgå eksponering af øjne eller hud for direkte eller spredt laserlys.Bemærk: Protokollen indeholder seks trin. Arbejdsprocessen vises i figur 1A. 1. mærkning individuelle neuroner ved hjælp af flip-out teknik Bemærk: Den e…

Representative Results

Ved hjælp af den Live imaging-protokol, der er beskrevet ovenfor, optager vi billedstakke med høj opløsning til de efterfølgende analyser og kvantificering. Supplerende video 1 viser den beregnede maksimale INTENSITET (MIP) billedserie indsamlet fra en repræsentant individuelt mærket Lnv. figur 2B viser den tilsvarende montage af otte billeder af billedserien. I begge paneler markerer pilespidser tilbagetrækning af hæ…

Discussion

Her beskriver vi en protokol, vi har udviklet til at registrere og kvantificere den dynamiske opførsel af dendritiske grene i individuelt mærkede neuroner i Drosophila larve hjerner. Især vores Live imaging protokol indeholder specifikke parametre, der gør det muligt for os at fange hele dendritiske Arbor af en larve lnv og give et globalt billede af den dynamiske tilstand af dens dendrit grene. Men fordi vores kvantificeringsmetoder er stærkt afhængige af anmærkningen af afdelings terminaler, er neuroner…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dette arbejde er støttet af det Intramural forsknings program af National Institute of neurologiske lidelser og slagtilfælde, National Institutes of Health. Projektnummer 1ZIANS003137.

Materials

Chameleon Vision II multiphoton laser Coherent
high vacuum grease Dow Corning 79751-30
LSM 780 two-photon laser scanning confocal microscope Carl Zeiss upright configuration
Microscope Cover Glass Fisher Scientific 12-544-E
Superfrost Plus Microscope Slides Fisher Scientific 12-550-15
Software
Excel Microsoft for processing .csv files
Huygens Professional Scientific Volume Imaging for drift correction and deconvolution
Imaris Oxford Instruments for 3D visualization and image annotation
Reagents
Glucose
HEPES
KCl
MgCl2
NaCl
NaHCO3
PBS
Sucrose
TES

References

  1. Wong, W. T., Wong, R. O. L. Changing specificity of neurotransmitter regulation of rapid dendritic remodeling during synaptogenesis. Nature Neuroscience. 4 (4), 351-352 (2001).
  2. Wu, G. Y., Zou, D. J., Rajan, I., Cline, H. Dendritic Dynamics In Vivo Change during Neuronal Maturation. The Journal of Neuroscience. 19 (11), 4472-4483 (1999).
  3. Jan, Y. N., Jan, L. Y. Branching out: mechanisms of dendritic arborization. Nature Reviews Neuroscience. 11, 316 (2010).
  4. Cline, H., Haas, K. The regulation of dendritic arbor development and plasticity by glutamatergic synaptic input: a review of the synaptotrophic hypothesis. The Journal of Physiology. 586 (6), 1509-1517 (2008).
  5. Helfrich-Forster, C., et al. Development and morphology of the clock-gene-expressing lateral neurons of Drosophila melanogaster. Journal of Comparative Neurology. 500 (1), 47-70 (2007).
  6. Sprecher, S. G., Cardona, A., Hartenstein, V. The Drosophila larval visual system: High-resolution analysis of a simple visual neuropil. 发育生物学. 358 (1), 33-43 (2011).
  7. Yuan, Q., et al. Light-Induced Structural and Functional Plasticity in Drosophila Larval Visual System. Science. 333 (6048), 1458-1462 (2011).
  8. Sheng, C., et al. Experience-dependent structural plasticity targets dynamic filopodia in regulating dendrite maturation and synaptogenesis. Nature Communications. 9 (1), 3362 (2018).
  9. Yin, J., et al. Transcriptional Regulation of Lipophorin Receptors Supports Neuronal Adaptation to Chronic Elevations of Activity. Cell Reports. 25 (5), 1181-1192 (2018).
  10. Denk, W., Strickler, J., Webb, W. Two-photon laser scanning fluorescence microscopy. Science. 248 (4951), 73-76 (1990).
  11. Golic, K. G., Lindquist, S. The FLP recombinase of yeast catalyzes site-specific recombination in the drosophila genome. Cell. 59 (3), 499-509 (1989).
  12. Harrison, D. A., Perrimon, N. Simple and efficient generation of marked clones in Drosophila. Current Biology. 3 (7), 424-433 (1993).
  13. del Valle Rodríguez, A., Didiano, D., Desplan, C. Power tools for gene expression and clonal analysis in Drosophila. Nature Methods. 9, 47 (2011).
  14. Portera-Cailliau, C., Pan, D. T., Yuste, R. Activity-regulated dynamic behavior of early dendritic protrusions: evidence for different types of dendritic filopodia. Journal of Neuroscience. 23 (18), 7129-7142 (2003).
  15. Niell, C. M., Smith, S. J. Live optical imaging of nervous system development. Annual Review of Physiology. 66, 771-798 (2004).
  16. Barry, D. J., Durkin, C. H., Abella, J. V., Way, M. Open source software for quantification of cell migration, protrusions, and fluorescence intensities. The Journal of Cell Biology. 209 (1), 163-180 (2015).
  17. Hendricusdottir, R., Bergmann, J. H. M. F-dynamics: Automated quantification of dendrite filopodia dynamics in living neurons. Journal of Neuroscience Methods. 236, 148-156 (2014).
  18. Jacquemet, G., et al. FiloQuant reveals increased filopodia density during breast cancer progression. The Journal of Cell Biology. 216 (10), 3387 (2017).
  19. Nilufar, S., Morrow, A. A., Lee, J. M., Perkins, T. J. FiloDetect: automatic detection of filopodia from fluorescence microscopy images. BMC Systems Biology. 7 (1), 66 (2013).
  20. Tsygankov, D., et al. CellGeo: A computational platform for the analysis of shape changes in cells with complex geometries. The Journal of Cell Biology. 204 (3), 443-460 (2014).
  21. Urbančič, V., et al. Filopodyan: An open-source pipeline for the analysis of filopodia. The Journal of Cell Biology. 216 (10), 3405-3422 (2017).
check_url/cn/60287?article_type=t

Play Video

Cite This Article
Sheng, C., Javed, U., Rosenthal, J., Yin, J., Qin, B., Yuan, Q. Time-lapse Live Imaging and Quantification of Fast Dendritic Branch Dynamics in Developing Drosophila Neurons. J. Vis. Exp. (151), e60287, doi:10.3791/60287 (2019).

View Video