Automatische Identifizierung von dendritischen Ästen und deren Orientierung

Die dendritische Morphogenese ist ein zentrales Thema in den Neurowissenschaften, da die Struktur des dendritischen Baumes die Recheneigenschaften der synaptischen Integration in Neuronen ^{beeinflusst1,2,3}. Darüber hinaus sind morphologische Anomalien und Modifikationen in dendritischen Ästen mit degenerativen und neurologischen Entwicklungsstörungen ^{assoziiert4,5,6}. In neuronalen Kulturen, in denen die dendritische Verzweigung leichter sichtbar gemacht werden kann, regulieren die Wechselwirkungen zwischen nicht-schwesterlichen dendritischen Ästen die Stellen und das Ausmaß der synaptischen Clusterbildung entlang der Zweige, ein Verhalten, das die synaptische Koaktivität und Plastizität beeinflussen ^kann7,8,9. Daher ist die Charakterisierung der morphologischen Parameter des dendritischen Baumes unter Verwendung zweidimensionaler (2D) neuronaler Kulturen vorteilhaft, um die dendritische Morphogenese und Funktionalität einzelner und Netzwerke von Neuronen zu verstehen. Dies ist jedoch eine herausfordernde Aufgabe, da dendritische Zweige selbst in “vereinfachten” neuronalen 2D-Kulturen ein komplexes Netz bilden.

Mehrere Werkzeuge wurden entwickelt, um dendritische Strukturen automatisch zu verfolgen und zu analysieren10,11,12,13. Die meisten dieser Werkzeuge sind jedoch für neuronale 3D-Netzwerke konzipiert und natürlich zu komplex, um sie mit 2D-Netzwerken zu verwenden. Im Gegensatz dazu beinhalten weniger fortgeschrittene morphologische Analysewerkzeuge typischerweise eine bedeutende Komponente computergestützter manueller Arbeit, die sehr zeitaufwendig und anfällig für Bedienerverzerrungen ^ist14. Bestehende halbautomatische Tools wie “^ImageJ’15” (ein Open-Source-Bildverarbeitungspaket der NIH mit einer umfangreichen Sammlung von von der Community entwickelten biologischen Bildanalysewerkzeugen) reduzieren die manuelle Arbeit des Benutzers weitgehend. Während der Bildverarbeitung sind jedoch noch einige manuelle Eingriffe erforderlich, und die Qualität der Segmentierung kann weniger als wünschenswert sein.

Dieser Artikel stellt die SOA vor, ein einfaches automatisiertes Werkzeug, das eine direkte Segmentierung und Orientierungsanalyse von dendritischen Verzweigungen innerhalb neuronaler 2D-Netzwerke ermöglicht. Die SOA kann verschiedene linienartige Objekte in 2D-Bildern erkennen und deren morphologische Eigenschaften charakterisieren. Hier verwendeten wir die SOA zur Segmentierung dendritischer Zweige in 2D-Fluoreszenzbildern von dendritischen Netzwerken in Kultur. Die Software identifiziert die dendritischen Verzweigungen und führt erfolgreich Messungen morphologischer Parameter wie Parallelität und räumliche Verteilung durch. Die SOA kann leicht für die Analyse zellulärer Prozesse anderer Zelltypen und für die Untersuchung nicht-biologischer Netzwerke angepasst werden.