المستندة إلى علم التشكل التمييز بين صحية ومرضية الخلايا استخدام فورييه التحويلات وخرائط التنظيم الذاتي
Summary
هنا، نحن نقدم سير عمل الذي يتيح تحديد خلايا صحية ومرضية استناداً على شكل ثلاثي الأبعاد. ونحن تصف عملية استخدام الإسقاط 2D الخطوط العريضة على أساس على الأسطح ثلاثية الأبعاد لتدريب “سيلفورجانيزينج الخارطة” التي سوف توفر تجميع موضوعي للسكان خلية التحقيق.
Abstract
المظهر وتحركات الخلايا المناعية هي مدفوعة ببيئتهم. كرد فعل للقيام بغزو ممرض، يعينون للموقع لالتهاب الخلايا المناعية ويتم تنشيطها لمنع نشر المزيد من الغزو. وهذا ينعكس أيضا بالتغيرات في السلوك ومظهر المورفولوجية للخلايا المناعية. في الأنسجة السرطانية، لوحظت تغييرات مماثلة مورفوكينيتيك في سلوك خلايا microglial: microglia داخل الأورام الأشكال ثلاثية الأبعاد أقل تعقيداً، وقد تشعبت أقل العمليات الخلوية، والتحرك في سرعة أكبر من تلك الموجودة في صحة جيدة الأنسجة. ويتطلب دراسة هذه الخصائص مورفوكينيتيك تقنيات مجهرية ثلاثية الأبعاد المعقدة، والتي يمكن أن تكون صعبة للغاية عندما أعدم طوليا. ولذلك، تسجيل شكل ثلاثي الأبعاد ثابتة من خلية أبسط بكثير، لأن هذا لا يتطلب قياسات إينترافيتال ويمكن أن يؤديها على قصت الأنسجة، وكذلك. ومع ذلك، أنها ضرورية لامتلاك أدوات التحليل التي تسمح وصف سريع ودقيق للأشكال ثلاثية الأبعاد ويسمح التصنيف التشخيصي لعينات الأنسجة صحية والمسببة للأمراض التي تستند فقط إلى المعلومات الثابتة، والمتصلة بشكل. هنا، فإننا نقدم مجموعة من أدوات التي يحلل مكونات فورييه المنفصل للخطوط العريضة لمجموعة من الإسقاطات 2D و 3D السطوح الخلية عن طريق “خرائط سيلفورجانيزينج”. يسمح تطبيق أساليب الذكاء الاصطناعي إطارنا للتعرف على الأشكال المختلفة من الخلية كما يتم تطبيقه على عينات الأنسجة أكثر وأكثر، بينما تظل سير العمل بسيطة.
Introduction
التصميم في الوقت المناسب، وبسيطة ودقيقة للحالة المرضية للأنسجة البيولوجية المصلحة العليا في البحوث الطبية الحيوية. نماذج الماوس توفير الوسائل اللازمة لدراسة مجموعة من الحالات المرضية، مثل ردود الفعل المناعي أو تطوير السرطان، في تركيبة مع 3D المعقدة وتقنيات الفحص المجهري د 4 (3 الأبعاد المكانية والزمنية). دراسات مجهرية يمكن تنفيذه عن طريق إينترافيتال أو الأنسجة اقتطعت 2-فوتون مجهرية، الضوء-ورقة الفحص المجهري، وعمق أنسجة محدودة لما يقرب من 100 ميكرومتر-بالفحص المجهري [كنفوكل]. من أجل الحصول على المعلومات المتعلقة بالوقت عن السلوك الخلايا تحت الظروف الفسيولوجية أو المرضية، من الضروري رصد الأنسجة لفترة ممتدة من الوقت، الأمر الذي يتطلب عادة التصوير إينترافيتال1،2 . وبطبيعة الحال، وانطباق هذا الأسلوب يقتصر على النماذج الحيوانية بسبب ما اختزاع. تقنيات عدم الغازية متاحة أيضا للتطبيقات البشرية، بما في ذلك مجموعة متنوعة من أساليب التصوير المقطعي (MSOT، المقطعية، إلخ)، ولكن تفتقر إلى هذه الأساليب كافة اللازمة المكانية-وغالباً ما يكون الأزمنة لدراسة السلوك على المستوى الخلوي.
معلومات ثابتة فيما يتعلق بالمظهر الخلايا يمكن الوصول إليها بسهولة أكبر عن طريق تنفيذ مختلف 3D تقنيات التصوير على اقتطعت عينات الأنسجة. هنا، لا يقاس سلوك الخلايا الحركية، وبالتالي من الضروري أن تعتمد تقنيات تحليل الرواية التي تكون قادرة على تحديد حالة الخلايا بحث يستند فقط على مورفولوجيا3المسببة للأمراض. واستخدمت هذا نهج لربط الأشكال الخلايا والأنسجة القوام بالسلوك المرضية4،،من56.
في هذه التقنية الجديدة الموصوفة هنا، يتم بناؤها في الخلايا الأسطح ثلاثية الأبعاد وشكلها تتميز عن طريق الإسقاطات 3D إلى 2D وتحليل فورييه-على أساس هامش المتعاقبة-الشكل7،8. بتخفيض الأبعاد من 3 إلى 2، يتم تبسيط المشكلة. من الممكن أيضا تميز السطوح الخلية في 3D بتطبيق تحليل التوافقيات الكروية، كما فعلت للصور الطبية9. ومع ذلك، التوافقيات الكروية لا تتعامل مع الأشكال الحادة ووعرة جيدا، تتطلب شبكة متعددة المستويات التي ستنشأ في مجال الوحدة. وبالإضافة إلى ذلك، يمكن العدد من المكونات الضرورية التوافقيات الكروية الكبيرة (50-70)، مع العمليات الحسابية الأساسية جداً يطالب ونتائج يصعب تفسيره10،،من1112.
مع أسلوبنا الجديد المقترح، يتم تقليل المهمة إلى سلسلة من الأوصاف الشكل ثنائي الأبعاد، حيث عدد الإسقاطات 2D متروك المحلل ويمكن تعديلها وفقا لمدى تعقيد الشكل الثلاثي الأبعاد. الإسقاطات التي يتم إنشاؤها تلقائياً عبر نصي بايثون يعمل داخل أداة للرسوم متحركة ثلاثية الأبعاد. الإسقاطات 2D موصوفة بمكونات التحويل (إدارة مكافحة الجريمة المنظمة) فورييه المنفصل على الهامش، حساب بواسطة البرنامج المساعد13 فيجي التي يتم توفيرها هنا كجزء من حزمة برامج أعمالنا. تطبق في إدارة مكافحة الجريمة المنظمة هنا كي تتحلل مخطط معقد من الخلية إلى سلسلة من المهام sin و cos. وبهذه الطريقة، يمكننا وصف التفصيلي مع عدد صغير نسبيا من عناصر إدارة مكافحة الجريمة المنظمة، مما يقلل من تعقيد المشكلة (لمزيد من التفاصيل، انظر قسم المعادلات). توضع مكونات إدارة مكافحة الجريمة المنظمة في “الخارطة سيلفورجانيزينج” المدربين (سوم14)، حيث وجود الشكل يمكن أن تكون مجموعات موضوعية اختبار8. SOMs توفر أداة لتعلم التنافسي ودون إشراف من مجال الذكاء الاصطناعي. وهي تتألف من مجموعة مرتبطة من الخلايا العصبية الاصطناعية التي تتصل مع بعضها البعض عن طريق دالة مسافة حي مرجح. نظام الخلايا العصبية تستجيب للعنصر الأول من مجموعة بيانات الإدخال والخلايا العصبية التي استجابة هو الأقوى “مجمعة” أقرب إلى بعضهما البعض. الجهاز العصبي يستقبل المزيد والمزيد من المدخلات، تبدأ البيانات من الخلايا العصبية التي تستجيب مرارا وتكرارا بشدة لتشكيل كتلة محددة تحديداً جيدا داخل النظام. بعد الحصول على التدريب المناسب في مجموعة بيانات كبيرة تحتوي على معلومات الشكل ثنائي الأبعاد في شكل مجموعة من عناصر إدارة مكافحة الجريمة المنظمة، يمكن وضعها في اجتماع كبار المسؤولين المدربين مكونات إدارة مكافحة الجريمة المنظمة أي خلايا فردية وتكشف ما إذا كانت الخلية المحتمل ينتمي إلى الأصحاء أو مجموعة الخلايا المسببة للأمراض. ونحن نتوقع مثل هذه الأداة لتصبح كبيرة، بإضافة إلى الأساليب التشخيص العلمي والسريري.
Protocol
Representative Results
Discussion
يتم تحديد الحالات المرضية المحتملة باستخدام عينات الأنسجة الصغيرة، سليمة ذات أهمية عالية. سوف أؤكد هذه التقنيات استجابة في الوقت المناسب للأمراض المعدية والعدوانية أنواع السرطان. الاستجابات الحركية والمورفولوجية لمختلف الخلايا المناعية، مثل microglia والضامة، سمة مميزة للاستجابة المناعية للجسم. على الرغم من أن في معظم الحالات ليس من العملي أو الممكن حتى لرصد سلوك هذه الخلايا الحركية، أنها واضحة إلى حد ما الحصول على صور ثلاثية الأبعاد لاسترداد شكلها. عادة، تحمل الخلايا المناعية شكل معقد في الأنسجة السليمة ونموذج أبسط بكثير تحت ظروف ملتهبة أو سرطانية18. في حين أن إضافة خصائص تعتمد على الوقت لمثل هذا التغيير في الشكل في فهمنا لتطوير الاستجابة المناعية، استخدام الشكل 3D فقط مجموعة تمثيلية من الخلايا يمكن أيضا أن تكون كافية لتحديد طبيعة صحية أو مرضية من الأنسجة.
تميز سطح ثلاثي الأبعاد لخلية ليس مهمة بسيطة. تطبيق التوافقيات الكروية وسيلة لتمثيل سطح ثلاثي الأبعاد مع عدد كبير نسبيا (50-70) من مكونات11،12. وبالإضافة إلى ذلك، تحديد التوافقيات الكروية مكلفة حسابياً؛ إسقاط الأشكال المعقدة للغاية على نطاق الوحدة أما مستحيلة أو صعبة جداً بسبب الحاجة إلى تطبيق شبكات متعددة من العيار مختلفة في مجال الوحدة؛ وأخيراً، تفسير معنى من أطياف مكونات التوافقيات الكروية أبعد ما تكون عن تافهة.
في عملنا هنا، نستبدل المهمة الصعبة المتمثلة في التحليل السطحي ثلاثي الأبعاد المباشر مع نهج أبسط بكثير استخدام الإسقاطات 2D السطح الأصلي للحصول على معلومات كافية المورفولوجية لتحديد شروط مرضية. أظهرنا كل خطوة لسير العمل هذا باستخدام بيانات 3D مجهرية من خلايا النقوي وحين وضوح مشيراً إلى أن جميع الخطوات كانت بسيطة لإكمال الخرائط 2-الأبعاد الناتجة من السهل تفسير.
وبطبيعة الحال، سيؤدي إلى فقدان المعلومات حول بنية السطح إسقاط 3D إلى 2D. في dataset المثال لدينا من ميكروجليا في نموذج ورم القشرية ماوس، كان كافياً لاستخدام زوايا الستة عندما خلق توقعات 2D. ومع ذلك، الأشكال الأكثر تعقيداً، أو التغييرات الشكلية أقل بروزا قد تتطلب أن يتم إنشاء عدد أكبر من التوقعات لكي تتمكن من تحديد موثوق خلية فرعية مع سوم. ولهذا السبب، تم تصميم نهجنا لتكون قادرة على توليد وتحليل أي عدد من التوقعات. ببساطة عن طريق اختيار عدد أكبر من التوقعات بالنسبة لأشكال أكثر تعقيداً، فمن الممكن لقياس فقدان المعلومات إلى الحد أدنى المسموح به. على سبيل مثال، يتطلب نوع الخلية متفاعلة فيما بينها في الشكل 4a و 4b عدد أكبر من التوقعات بغية تمثيل السطح المعقدة بشكل صحيح.
كأي طريقة تقريبية، قد سير العمل بموجب هذا المقترح لفحصها ضد نتائج عملية التصنيف اليدوي microglia18. وأكدت النتائج التي قدمت في وقت سابق موثوقية سير العمل الآلي. وعلاوة على ذلك، سير العمل وقت أكثر كفاءة مقارنة بالتحليل التقليدي. الخبير الطبي الذي تصنف الخلايا microglia يدوياً يلزم حوالي 4 أسابيع على تحليله لمجموعة البيانات، بينما لدينا سير العمل المطلوبة فقط حوالي 1 يوم. وقد ثبت متانة نهجنا أيضا بوضوح بإمكانية تكرار نتائج كبار المدربين لمجموعة فرعية بيانات التي تنتمي إلى نفس نوع الخلية ولكنها لم تستخدم لتدريب سوم، كما يظهر في الشكل 3 جيم.
على الرغم من أن النهج الذي نتبعه لا تعتبر المعلومات الحركية، قمنا بدراسة تأثير التوقيت على تحليل الشكل القائم على إدارة مكافحة الجريمة المنظمة. تم العثور على المثال الأكثر نموذجية للسلوك تعتمد على الوقت بين السكان الخلية المتنقلة، حيث كانت المساهمة من عناصر إدارة مكافحة الجريمة المنظمة المفهرسة أعلى وضوح يمكن ملاحظتها، كما هو الحال في الشكل 4a. وهذا يتطلب الانتباه إلى أهمية استخدام عدد عالية بما يكفي من عناصر إدارة مكافحة الجريمة المنظمة عند التعامل مع أنواع الخلايا التي من المحتمل أن تتصرف بطريقة تعتمد على الوقت جداً. نظراً للطابع الآلي وسرعة التنفيذ عالية لدينا أدوات البرمجيات، ستزيد العدد المتزايد من عناصر إدارة مكافحة الجريمة المنظمة والإسقاطات بدقة وموثوقية النتائج، في حين أنها لن تعيق الأداء الحسابي ملحوظ.
Disclosures
The authors have nothing to disclose.
Acknowledgements
يشكر المؤلفون كراوس بنيامين للمناقشة المثمرة ودعمه. يشكر المؤلفون كذلك غونثر روبرت لمساعدته مع خلية حية المجهرية.
وأيده العمل الدعم المالي DFG NI1167/3-1 (الجيمي) إلى المعنية و Z.C.، DFG المالية ودعم لجنة حقوق الطفل عام 1278 بوليتارجيت المشروع Z01 Z.C.، C01 في TRR130 إلى المعنية و SFB633، TRR130، Exc257 A.E.H. و J.B.S. بي إف آر وقدمت الدعم الداخلية SFP1322-642 F.L.K والجامعة العربية
Materials
| Imaris 9.1.2, software | Bitplane, Zürich, Switzerland | v.9.1.2 | 3D image reconstruction and surface generation; this was used by us! |
| Blender 2.75a, software | https://www.blender.org/ | v.2.75a | 3D and 4D open source animation software; 2.75a is the required version for this Python |
| Fiji /ImageJ, software | https://fiji.sc/ | ImageJ v.1.52b | Open source multi-D image analysis toolkit |
| MATLAB | MathWorks, www.mathworks.com | R2017b | General computational mathematical software |
| MATLAB Machine Learning kit | MathWorks, www.mathworks.com | R2017b | Can only be used together with MATLAB |
| Fiji plugins: SHADE | https://github.com/zcseresn/ShapeAnalysis | v.1.0 | |
| Fiji plugins: ActiveContour | http://imagejdocu.tudor.lu/doku.php?id=plugin:segmentation:active_contour:start | absnake2 | |
| Computer | Any | NA | See Imaris instructions for minimum computer requirements |
References
- Masedunskas, A., et al. Intravital microscopy: a practical guide on imaging intracellular structures in live animals. Bioarchitecture. 2 (5), 143-157 (2012).
- Niesner, R. A., Hauser, A. E. Recent advances in dynamic intravital multi-photon microscopy. Cytometry A. 79 (10), 789-798 (2011).
- Ho, S. Y., et al. NeurphologyJ: an automatic neuronal morphology quantification method and its application in pharmacological discovery. BMC Bioinformatics. 12, 230 (2011).
- Yin, Z., et al. A screen for morphological complexity identifies regulators of switch-like transitions between discrete cell shapes. Nature Cell Biology. 15 (7), 860 (2013).
- Yu, H. Y., Lim, K. P., Xiong, S. J., Tan, L. P., Shim, W. Functional Morphometric Analysis in Cellular Behaviors: Shape and Size Matter. Advanced Healthcare Materials. 2 (9), (2013).
- Johnson, G. R., Buck, T. E., Sullivan, D. P., Rohde, G. K., Murphy, R. F. Joint modeling of cell and nuclear shape variation. Molecular Biology of the Cell. 26 (22), 4046-4056 (2015).
- Wang, S. -. H., Cheng, H., Phillips, P., Zhang, Y. -. D. Multiple Sclerosis Identification Based on Fractional Fourier Entropy and a Modified Jaya Algorithm. Entropy. 20 (4), 254 (2018).
- Kriegel, F. L., et al. Cell shape characterization and classification with discrete Fourier transforms and self-organizing maps. Cytometry Part A. 93 (3), 323-333 (2017).
- Styner, M., et al. Framework for the Statistical Shape Analysis of Brain Structures using SPHARM-PDM. Insight Journal. (1071), 242-250 (2006).
- El-Baz, A., et al. 3D shape analysis for early diagnosis of malignant lung nodules. Medical Image Computing and Computer Assisted Intervention. 14 (Pt 3), 175-182 (2011).
- Williams, E. L., El-Baz, A., Nitzken, M., Switala, A. E., Casanova, M. F. Spherical harmonic analysis of cortical complexity in autism and dyslexia. Translational Neuroscience. 3 (1), 36-40 (2012).
- Kruggel, F. Robust parametrization of brain surface meshes. Medical Image Analysis. 12 (3), 291-299 (2008).
- Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
- Kohonen, T. Essentials of the self-organizing map. Neural Networks. 37, 52-65 (2013).
- Andrey, P., Boudier, T. Adaptive Active Contours. ImageJ user and developer conference. , (2006).
- Burger, W., Burge, M. J. . Principles of Digital Image Processing. , (2013).
- Lestrel, P. E. . Fourier Descriptors and their Applications in Biology. , (2008).
- Bayerl, S. H., et al. Time lapse in vivo microscopy reveals distinct dynamics of microglia-tumor environment interactions-a new role for the tumor perivascular space as highway for trafficking microglia. Glia. 64 (7), 1210-1226 (2016).
