マウスの海馬領域の歯状回における樹状樹枝状分岐の評価

シナプスの数と構造の動的な変化は、開発の特徴で、高齢化、および多数の神経変性疾患^1-3である。シナプスの情報を受信し、統合するための神経細胞の能力は、樹状形態とシナプス結合の動的な変化に依存している。確かに、正の相関が樹状突起棘と認知機能^4に影響^を与えるの両方シナプス数、間に存在する。従って、樹状突起棘の数のデクリメントが樹状突起棘の定量化に大きな関心を促し、神経疾患^5-7多数の認知機能障害と関連していることは驚くべきことではない。それにもかかわらず、背骨密度の定量化は、樹状ツリー全体のシナプスの地形や流通に関する有用な情報を生成するのに失敗し、時間がかかり、面倒な作業のまま。一緒に幸いなことに、染色方法（ 例えば 、ゴルジ-コックスとダブルコルチン（DCX））高度なイメージング技術と現在の障壁を克服し、信頼性が高く、迅速な方法で樹枝状分岐の高解像度画像を生成するために利用することができる。ゴルジ-コックス染色法は、すべてのニューロン⁸の樹樹枝状分岐の状態を評価するために展開することができますが、DCXは、特に歯状回と脳室下帯⁹で新たに生まれたニューロンを標識するために展開することができ、重要な考慮事項は、神経新生の両方で発生していることを与えられた寿命^10,11を通じて、これらの地域。

染色後、つの撮像方法は、樹状特性を評価するために配備された：i）のリアルタイムイメージング（RTI）及びフィールドイメージング（EDFI）のii）の拡張深度。 RTI技術は、個々の樹状セグメントと枝に沿って樹枝状分岐の長さと順序をトレースし、定量化するための平均値を提供します。したがって、それぞれの樹状ツリー占める総面積と体積を推定するために1を可能にします。以上のSpecifically、RTIの方法では、ユーザは、連続的セグメントを識別し、ソフトウェアを追跡するニューロンは、樹枝状構造のx、y、およびz座標を収集するように反復的に再集束及び3Dにおける樹枝状構造の軌道を再構成する。比較的、EDFI方法は全体z軸に関する情報を提供し、合成画像を生成することではなく、厚い組織標本において、樹状密度を評価するための比較的単純かつ迅速な手段を提供する。そうするために、ユーザは、セクションの厚さ全体の高解像度ビデオファイルを記録し、画素に焦点が完全であることを特徴とするポイントを識別するためにビデオフレームを検索するためのソフトウェアを使用する。その後、フォーカスピクセルがマージされ、高解像度、合成2D画像に統合される。この合成画像は関係なく、z軸での位置の中で、焦点となったすべてのピクセルが含まれています。これらの2D画像の定性的および定量的分析は、濃度を決定するためにその後に使用することができの樹状突起の各分野での分岐。

最後に、関心領域全体における樹枝状結晶の分析および評価のために非常に高解像度の画像を生成するパノラマの方法を提示する。この技術は、非常に高解像度で高価なデジタルカメラへのアクセスの欠如を克服するために展開することができる。この方法を使用して、一方がx軸とy軸に沿った異なる位置で連続画像を取得し、自動的にそれらを一緒にフリーウェアを使用してステッチ（ 例えば 、画像のコンポジット·エディタ）。特に、この方法は、かなり広範囲に樹状樹枝状分岐の定性的および定量的評価のために使用することができる。