Dendritik Dalların Otomatik Tanımlanması ve Oryantasyonları
Summary
Sunulan, 2D floresan görüntülerden nöronal dendritik dalların yönelimlerinin basit ve doğrudan otomatik olarak ölçülmasını sağlayan bir hesaplama aracıdır.
Abstract
Nöronal dendritik ağaçların yapısı, sinaptik girdilerin nöronlara entegrasyonunda kilit rol oynar. Bu nedenle, nöronal fonksiyonun daha iyi anlaşılması için dendritlerin morfolojisinin karakterizasyonu esastır. Bununla birlikte, hem izole edildiğinde hem de özellikle nöronal ağlar içinde bulunduğunda, dendritik ağaçların karmaşıklığı tam olarak anlaşılamamıştır. 2B nöronal kültürlerin floresan görüntülerinden dendritik dalların yönünün otomatik olarak ölçülmesine izin veren yeni bir hesaplama aracı olan SOA ‘yı (Segmentasyon ve Oryantasyon Analizi) geliştirdik. Python ile yazılan SOA, dendritik dalları görüntü arka planından ayırmak için segmentasyon kullanır ve her dalın uzamsal yönü üzerinde bir veritabanı biriktirir. Veritabanı daha sonra bir ağdaki dendritik dalların yönlü dağılımı ve paralel dendritik dal büyümesinin yaygınlığı gibi morfolojik parametreleri hesaplamak için kullanılır. Elde edilen veriler, nöronal aktiviteye yanıt olarak dendritlerdeki yapısal değişiklikleri tespit etmek ve biyolojik ve farmakolojik uyaranlara karşı kullanılabilir.
Introduction
Dendritik morfogenez, nöronlarda sinaptik entegrasyonun hesaplama özelliklerini etkilediği için, dendritik ağacın yapısı nörobilimde merkezi bir konudur1,2,3. Ayrıca dendritik branşlarda morfolojik anormallikler ve modifikasyonlar dejeneratif ve nöro-gelişimsel bozukluklara bulaşmıştır4,5,6. Dendritik sonuçların daha kolay görselleştirilebildiği nöronal kültürlerde, kardeş olmayan dendritik dallar arasındaki etkileşimler, kollar boyunca sinaptik kümelenmenin alanlarını ve kapsamını düzenler, sinaptik koaktiviteyi ve plastisiteyi etkileyebilecek bir davranış7,8,9. Bu nedenle, dendritik ağacın morfolojik parametrelerinin iki boyutlu (2D) nöronal kültürler kullanılarak karakterizasyonu, dendritik morfogenez ve tek ve nöron ağlarının işlevselliğini anlamak için avantajlıdır. Yine de, bu zorlu bir iştir, çünkü dendritik dallar “basitleştirilmiş” 2D nöronal kültürlerde bile karmaşık bir ağ oluşturur.
Dendritik yapıları otomatik olarak izlemek ve analiz etmek için çeşitli araçlar geliştirilmiştir10,11,12,13. Bununla birlikte, bu araçların çoğu 3D nöronal ağlar için tasarlanmıştır ve doğal olarak 2D ağlarla kullanılamayacak kadar karmaşıktır. Buna karşılık, daha az gelişmiş morfolojik analiz araçları tipik olarak bilgisayar destekli el emeğinin önemli bir bileşenini içerir, bu da çok zaman alıcı ve operatör önyargısına karşı hassastır14. ‘ImageJ’15 (topluluk tarafından geliştirilen biyolojik görüntü analiz araçlarının geniş bir koleksiyonuna sahip bir NIH açık kaynaklı görüntü işleme paketi) gibi mevcut yarı otomatik araçlar, kullanıcı el emeğini büyük ölçüde azaltır. Bununla birlikte, görüntü işleme sırasında bazı manuel müdahalelere hala ihtiyaç vardır ve segmentasyonun kalitesi arzu edilenden daha az olabilir.
Bu makale, 2B nöronal ağlardaki dendritik dalların doğrudan segmentasyon ve oryantasyon analizine izin veren basit bir otomatik araç olan SOA’yı sunun. SOA, 2D görüntülerdeki çeşitli çizgi benzeri nesneleri algılayabilir ve morfolojik özelliklerini karakterize edebilir. Burada, kültürdeki dendritik ağların 2D floresan görüntülerinde dendritik dalları segmentlere ayırırken SOA’yı kullandık. Yazılım dendritik dalları tanımlar ve paralellik ve mekansal dağılım gibi morfolojik parametrelerin ölçümlerini başarıyla gerçekleştirir. SOA, diğer hücre tiplerinin hücresel süreçlerinin analizi ve biyolojik olmayan ağların incelenmesi için kolayca uyarlanabilir.
Protocol
Representative Results
Discussion
Biyolojik görüntüleme verilerine ayak uydurmak için 2D görüntülerden morfolojik bilgi çıkarmak için etkili stratejiler gereklidir. Görüntüleme verileri saatler içinde oluşturulabilse de, görüntülerin derinlemesine analizi uzun zaman alır. Sonuç olarak, görüntü işleme açıkça birçok alanda büyük bir engel haline gelmiştir. Bu kısmen, özellikle biyolojik örneklerle uğraşırken verilerin yüksek karmaşıklığından kaynaklanmaktadır. Ayrıca, birçok kullanıcı özel programlama ve gö…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Yazarlar, kültür görüntülerinin hazırlanması için Dr. Orly Weiss’a teşekkür eder.
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).
