التعرف التلقائي على الفروع التشجرية وتوجهها
Summary
المقدمة هي أداة حسابية تسمح قياس تلقائي بسيط ومباشر للتوجهات الفروع التشجر العصبية من الصور الفلورية 2D.
Abstract
بنية الأشجار التشجر العصبي يلعب دورا رئيسيا في دمج المدخلات متشابك في الخلايا العصبية. لذلك ، فإن توصيف مورفولوجيا التشعبات أمر ضروري لفهم أفضل لوظيفة الخلايا العصبية. ومع ذلك ، فإن تعقيد الأشجار التشجرية ، سواء عندما تكون معزولة وخاصة عندما تقع داخل شبكات الخلايا العصبية ، لم يكن مفهوما تماما. طورنا أداة حسابية جديدة ، SOA (تحليل التقسيم والتوجيه) ، والتي تسمح للقياس التلقائي لتوجيه الفروع التشجرية من الصور الفلورية للثقافات العصبية ثنائية الأبعاد. SOA، مكتوبة في بيثون، ويستخدم تجزئة لتمييز الفروع dendritic من خلفية الصورة ويتراكم قاعدة بيانات عن الاتجاه المكاني لكل فرع. ثم يتم استخدام قاعدة البيانات لحساب المعلمات المورفولوجية مثل التوزيع الاتجاهي للفروع التشجرية في الشبكة وانتشار نمو الفرع المتوازي. ويمكن استخدام البيانات التي تم الحصول عليها للكشف عن التغيرات الهيكلية في التشعبات استجابة لنشاط الخلايا العصبية والمحفزات البيولوجية والصيدلانية.
Introduction
تكوين المورفوجين Dendritic هو موضوع مركزي في علم الأعصاب ، حيث يؤثر هيكل الشجرة التغصنية على الخصائص الحسابية للتكامل المتشابك في الخلايا العصبية1،2،3. وعلاوة على ذلك، فإن التشوهات المورفولوجية والتعديلات في الفروع التغصنية متورطة في اضطرابات تنكسية وعصبية النمو4,5,6. في الثقافات العصبية حيث يمكن تصور تشعبات التشجر بسهولة أكبر ، تنظم التفاعلات بين الفروع غير الشقيقة مواقع ومدى التجمع المتشابك على طول الفروع ، وهو سلوك قد يؤثر على التفاعل المتشابك واللدونة7،8،9. لذلك، توصيف المعلمات المورفولوجية للشجرة التغصنية باستخدام الثقافات العصبية ثنائية الأبعاد (2D) مفيد لفهم مورفوجينيسيس التغصني ووظائف واحدة وشبكات الخلايا العصبية. ومع ذلك ، هذه مهمة صعبة لأن الفروع التشجرية تشكل شبكة معقدة حتى في الثقافات العصبية ثنائية الأبعاد “المبسطة”.
وقد تم تطوير العديد من الأدوات لتتبع وتحليل الهياكل التغصنية تلقائيا10,11,12,13. ومع ذلك، تم تصميم معظم هذه الأدوات لشبكات الخلايا العصبية ثلاثية الأبعاد وهي بطبيعة الحال معقدة للغاية لاستخدامها مع الشبكات ثنائية الأبعاد. وعلى النقيض من ذلك، تنطوي أدوات التحليل المورفولوجي الأقل تقدما عادة على مكون هام من العمل اليدوي بمساعدة الحاسوب، وهو يستغرق وقتا طويلا جدا وعرضة لتحيز المشغل14. الأدوات شبه التلقائية الحالية ، مثل “ImageJ’15 (حزمة معالجة الصور مفتوحة المصدر من NIH مع مجموعة واسعة من أدوات تحليل الصور البيولوجية المطورة من المجتمع) ، تقلل إلى حد كبير من العمل اليدوي للمستخدم. ومع ذلك، لا تزال هناك حاجة إلى بعض التدخلات اليدوية أثناء معالجة الصور، ويمكن أن تكون جودة التقسيم أقل من المرغوب فيه.
تقدم هذه الورقة SOA ، وهي أداة آلية بسيطة تسمح بتقسيم مباشر وتحليل اتجاه الفروع التغصنية داخل شبكات الخلايا العصبية ثنائية الأبعاد. يمكن للSA الكشف عن مختلف الأجسام الشبيهة بالخط في الصور 2D وتوصيف خصائصها المورفولوجية. هنا ، استخدمنا SOA لتقسيم الفروع التشجرية في صور مضانة 2D من الشبكات التشجرية في الثقافة. ويحدد البرنامج الفروع التشجرية وينجح في إجراء قياسات للمعلمات المورفولوجية مثل التوازي والتوزيع المكاني. ويمكن تكييف ال SOA بسهولة لتحليل العمليات الخلوية لأنواع الخلايا الأخرى ولدراسة الشبكات غير البيولوجية.
Protocol
Representative Results
Discussion
وهناك حاجة ماسة إلى استراتيجيات فعالة لاستخراج المعلومات المورفولوجية من الصور ثلاثية الأبعاد لمواكبة بيانات التصوير البيولوجي. على الرغم من أنه يمكن توليد بيانات التصوير في ساعات ، إلا أن التحليل المتعمق للصور يستغرق وقتا طويلا. ونتيجة لذلك، أصبح من الواضح أن معالجة الصور تشكل عقبة رئي…
Disclosures
The authors have nothing to disclose.
Acknowledgements
ويود المؤلفون أن يشكروا الدكتور أورلي فايس على إعداد الصور الثقافية.
Materials
| Matplotlib | 2002 – 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom and the Matplotlib development team; 2012 – 2021 The Matplotlib development team. | 3.4.2 | a Python 2D plotting library |
| matplotlib-scalebar | Philippe Pinard | 0.7.2 | artist for matplotlib to display a scale bar |
| NumPy | The NumPy community. | 1.20.3 | fundamental package for scientific computing library |
| OpenCV | OpenCV team | 4.5.2.54 | Open Source Computer Vision Library |
| PyCharm | JetBrains | 2020.3.1 (Community Edition) version | Build #PC-203.6682.86, built on December 18, 2020. Runtime version: 11.0.9.1+11-b1145.37 amd64. VM: OpenJDK 64-Bit Server VM by JetBrains s.r.o. Windows 10 10.0. Memory: 978M, Cores: 4 |
| PyQt5 | Riverbank Computing | 5.15.4 | manage the GUI |
| python | Python Software Foundation License | 3.9 version | |
| Qt Designer | The QT Company Ltd. | 5.11.1 version | |
| scipy | Community library project | 1.6.3 | Python-based ecosystem of open-source software for mathematics, science, and engineering |
| Seaborn | Michael Waskom. | 0.11.1 | Python's Statistical Data Visualization Library. |
| Windows 10 | Microsoft | ||
| Xlsxwriter | John McNamara | 1.4.3 | Python module for creating Excel XLSX files |
References
- Ferrante, M., Migliore, M., Ascoli, G. Functional impact of dendritic branch-point morphology. Journal of Neuroscience. 33 (5), 2156-2165 (2013).
- Spruston, N. Pyramidal neurons: dendritic structure and synaptic integration. Nature Reviews Neuroscience. 9 (3), 206-221 (2008).
- Chklovskii, D. Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin. Neuron. 43 (5), 609-617 (2004).
- Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism. Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).
- Irwin, S. Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome. Cerebral Cortex. 10 (10), 1038-1044 (2000).
- Kaufmann, W. Dendritic anomalies in disorders associated with mental retardation. Cerebral Cortex. 10 (10), 981-991 (2000).
- Pinchas, M., Baranes, D. Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering. PLoS ONE. 8 (12), 82083 (2013).
- Cove, J., Blinder, P., Baranes, D. Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs. Brain Research. 1251, 30-41 (2009).
- Blinder, P., Cove, J., Foox, M., Baranes, D. Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity. PLoS ONE. 3 (11), 3782 (2008).
- Glaser, J., Glaser, E. Neuron imaging with neurolucida – PC-based system for image combining microscopy. Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).
- Scorcioni, R., Polavaram, S., Ascoli, G. L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies. Nature Protocols. 3 (5), 866-876 (2008).
- Torben-Nielsen, B. An efficient and extendable python library to analyze neuronal morphologies. Neuroinformatics. 12 (4), 619-622 (2014).
- Parekh, R., Ascoli, G. Neuronal morphology goes digital: A research hub for cellular and system neuroscience. Neuron. 78 (1), 206 (2013).
- heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis. 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).
- Image processing and analysis in Java. NIH. ImageJ Available from: https://imagej.nih.gov/ij (2021)
- Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices. Tissue Engineering. 13, 461-472 (2007).
- Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography. Biomedical Materials. 14 (4), 045005 (2019).
