樹状枝の自動同定とその向き

樹状形態形成は神経科学の中心的な主題であり、樹状樹木の構造はニューロンのシナプス統合の計算特性に影響を及ぼす^1,2,3。また、樹状枝の形態異常や変形性は、変性・神経発達障害^の4,5,6に関係しています。樹状の影響がより容易に可視化できる神経培養において、非姉妹樹状枝間の相互作用は、分岐に沿ったシナプスクラスタリングの部位および程度を調節し、シナプス共活動および可塑性に影響を及ぼす可能性のある行動^7,8,9である。したがって、二次元(2D)ニューロン培養を用いた樹状樹木の形態学的パラメータの特徴づけは、樹状形態形成およびニューロンの単一およびネットワークの機能性を理解するために有利である。しかし、樹状枝は「単純化された」2Dニューロン培養においても複雑なメッシュを形成するため、これは困難な作業です。

樹状構造^10,11,12,13を自動的にトレースし解析するツールがいくつか開発されています。しかし、これらのツールのほとんどは3Dニューロンネットワーク用に設計されており、2Dネットワークでは使用するには複雑すぎます。対照的に、あまり高度でない形態学的解析ツールは、通常、非常に時間がかかり、オペレータ^bias14の影響を受けやすいコンピュータ支援手作業の重要なコンポーネントを含みます。「^ImageJ’15(コミュニティ開発の生物学的画像解析ツールの膨大なコレクションを持つNIHオープンソース画像処理パッケージ)」などの既存の半自動ツールは、ユーザーの手作業を大幅に削減します。ただし、画像処理中に手動で介入する必要がある場合があり、セグメンテーションの品質が望ましいものよりも低くなる可能性があります。

本論文では、2Dニューロンネットワーク内の樹状枝を直接セグメンテーション・オリエンテーション解析できるシンプルな自動化ツール「SOA」を紹介する。SOA は、2D 画像内のさまざまな線状オブジェクトを検出し、その形態学的特性を特徴付けることができます。ここでは、培養中の樹状ネットワークの2D蛍光画像で樹状枝をセグメント化するためのSOAを用いた。ソフトウェアは樹状枝を識別し、並列処理や空間分布などの形態学的パラメータの測定を正常に行います。SOAは、他の細胞タイプの細胞プロセスの解析や非生物学的ネットワークの研究に容易に適応することができます。