يجمع الفحص المجهري الديناميكي التفاضلي (DDM) بين ميزات تشتت الضوء الديناميكي والفحص المجهري. هنا ، يتم عرض عملية استخدام DDM لتوصيف شبكات الهيكل الخلوي المعاد تشكيلها عن طريق تحديد الديناميكيات تحت الانتشار والمحبوسة للجسيمات في شبكات vimentin والحركة الباليستية لمركبات الأكتين – microtubule النشطة التي يحركها الميوسين.
يمكن للخلايا الزحف والشفاء الذاتي وضبط صلابتها بسبب هيكلها الخلوي الديناميكي بشكل ملحوظ. على هذا النحو ، قد تؤدي إعادة تشكيل شبكات البوليمرات الحيوية الهيكلية الخلوية إلى مجموعة من المواد النشطة والقابلة للتكيف. ومع ذلك ، فإن هندسة هذه المواد ذات الخصائص المضبوطة بدقة تتطلب قياس كيفية اعتماد الديناميكيات على تكوين الشبكة وطرق التوليف. ويواجه تحديد هذه الديناميكيات تحديا يتمثل في الاختلافات عبر الزمان والمكان ومساحة صياغة الشبكات المركبة. يصف البروتوكول هنا كيف يمكن لتقنية تحليل فورييه ، المجهر الديناميكي التفاضلي (DDM) ، تحديد ديناميكيات شبكات البوليمر الحيوي وهي مناسبة بشكل خاص لدراسات شبكات الهيكل الخلوي. يعمل DDM على تسلسلات زمنية للصور التي تم الحصول عليها باستخدام مجموعة من طرق الفحص المجهري ، بما في ذلك المسح الضوئي بالليزر ، والتألق واسع المجال ، والتصوير الساطع. من تسلسلات الصور هذه ، يمكن للمرء استخراج أوقات الديكور المميزة لتقلبات الكثافة عبر نطاق من متجهات الموجة. كما تم تطوير حزمة Python سهلة الاستخدام ومفتوحة المصدر لإجراء تحليل DDM. باستخدام هذه الحزمة ، يمكن للمرء قياس ديناميكيات مكونات الهيكل الخلوي الموسوم أو جزيئات التتبع المضمنة ، كما هو موضح هنا مع بيانات شبكات الخيوط الوسيطة (vimentin) وشبكات الأكتين والأنابيب الدقيقة النشطة. سيتمكن المستخدمون الذين ليس لديهم خبرة سابقة في البرمجة أو معالجة الصور من إجراء DDM باستخدام حزمة البرامج هذه والوثائق المرتبطة بها.
الهيكل الخلوي هو شبكة من خيوط البروتين التي تمتد عبر سيتوبلازم الخلايا حقيقية النواة ، وتربط سطح الخلية بالنواة. لديها خصائص مواد فريدة من نوعها ، مما يوفر الحماية الميكانيكية ضد الأحمال الميكانيكية الكبيرة والمتكررة ، ولكن أيضا قيادة تغييرات شكل الخلية الديناميكية1. يمكن أن تؤدي شبكات الهيكل الخلوي المعاد تشكيلها إلى ظهور مجموعة من السلوكيات الديناميكية المثيرة للاهتمام ، من حبس الجسيمات المضمنة إلى الحركة الباليستية التي تحركها المحركات الجزيئية2،3،4،5،6،7،8،9،10،11 . تشمل طرق تحليل ديناميكيات هذه الشبكات تتبع حركة الميكروسفير المتتبع المدمج6،7،12،13،14 ، وتحليل الصور لتتبع حجم العناقيد كثيفة البروتين بمرور الوقت8 ، وتشتت الضوء الديناميكي 15 ، وقياس سرعة صورة الجسيمات4،16،17،18،19 ، وحساب الكثافة الطيفية للطاقة للصور بمرور الوقت19، وتحليل الكيموغراف20. مع إجراء المزيد من الدراسات حول شبكات الهيكل الخلوي المعاد تشكيلها ، سواء لفهم الميكانيكا الخلوية أو المادة النشطة ، أصبحت الطرق القوية وغير المتحيزة والقابلة للتكرار لتوصيف الديناميكيات ضرورية بشكل متزايد. يعد الفحص المجهري الديناميكي التفاضلي (DDM)21,22 ، وهو تقنية جديدة نسبيا تم استخدامها لدراسة ديناميكيات الهيكل الخلوي ، إحدى هذه التقنيات التي تحدد الديناميكيات بكفاءة مع عدد قليل من المعلمات المحددة من قبل المستخدم. مع حزمة البرامج الموضحة هنا ، سيتمكن الباحثون ذوو الخبرة القليلة في البرمجة أو تحليل الصور من الاستفادة من DDM لعملهم الخاص.
DDM هي تقنية تحليل الصور لاستخراج ديناميكيات العينة. مثل تتبع الجسيمات أو قياس سرعة صورة الجسيمات ، يتطلب DDM سلسلة زمنية من الصور (غالبا آلاف الصور) ، يتم تسجيلها عادة باستخدام المجهر. على عكس تتبع الجسيمات ، لا تحتاج الميزات الفردية أو حبات التتبع إلى أن تكون مترجمة (أو حتى قابلة للترجمة) في الصورة. على عكس كل من تتبع الجسيمات وقياس سرعة صورة الجسيمات ، يستعيد المرء ديناميكيات المجموعة باستخدام DDM مع عدد قليل نسبيا من المعلمات المحددة من قبل المستخدم. باستخدام DDM ، يتم تحليل الصور في فضاء فورييه لتحديد وقت اضمحلال تقلبات الكثافة عبر مجموعة من الأعداد الموجية ، q ، حيث q = 2πu ، و u هو مقدار الترددات المكانية ، . يحصل المرء على معلومات تشبه التشتت ولكن مع صور الفضاء الحقيقي التي تم الحصول عليها على المجهر 21،22،23. لذلك ، يمكن للمرء الاستفادة من الطرق المختلفة المولدة للتباين في الفحص المجهري ، مثل التألق واسع المجال22,24 ، أو التألق البؤري25 ، أو المستقطب 26 ، أو المجال المظلم 27 ، أو المجهر الفلوري ذو الورقة الضوئية28. علاوة على ذلك ، يمكن استخدام الصور المستخدمة لتحليل DDM لتتبع الجسيمات أو قياس سرعة صورة الجسيمات لتوفير معلومات تكميلية.
هذا المزيج من الميزات من تشتت الضوء الديناميكي والمجهر الضوئي يجعل DDM تقنية قوية ومتعددة الاستخدامات. منذ أول وصف له من قبل Cerbino و Trappe في عام 2008 21 ، حيث تم إثبات DDM لقياس انتشار الجسيمات الغروية 73 نانومتر ، تم استخدام DDM لقياس الغرويات المتدفقة29 ، التجميع الغروي 30,31 ، المرونة اللزجة للبلورات السائلة الخيطية26 ، ديناميات المواد الهلامية الغروية 32 ، الرغاوي الخشنة 33 ، الجسيمات النانوية في البيئات المحصورة 34 ، 35,36,37 ، الحركة البكتيرية 38,39,40,41 ، انتشار مجموعات البروتين المبعثرة بشكل ضعيف 42 ، الموجات الشعرية في واجهات السوائل 43 ، وغيرها من الأنظمة. يمكن لأولئك الذين يبحثون عن قائمة أكثر اكتمالا للمنشورات التي تستخدم DDM الرجوع إلى أوراق مراجعة شاملة حول هذا الموضوع22،23،44،45.
كما تم استخدام DDM للتحقيق في ديناميكيات الشبكات البيولوجية. استخدم Drechsler et al. DDM لقياس ديناميكيات الأكتين في بويضات ذبابة الفاكهة الحية46. قام Burla et al. بقياس ديناميكيات الجسيمات التتبعية في شبكات مركبات الهيالورونان والهيالورونان والكولاجين47. كما تم توثيق العديد من استخدامات DDM لدراسة ديناميكيات جزيئات التتبع في شبكات الهيكل الخلوي المعاد تشكيلها9,10 ، ونقل جزيئات الحمض النووي في هذه الشبكات48,49 ، وديناميكيات الشبكات النشطة المعاد تشكيلها 11,50,51. ميزة DDM في قياس الديناميكيات في مثل هذه الأنظمة هي أن الجسيمات أو الجزيئات الفردية لا تحتاج إلى أن تكون محلية وتتبعها. لذلك ، على سبيل المثال ، يمكن قياس ديناميكيات جزيئات الحمض النووي في البيئات المزدحمة باستخدام DDM على الرغم من صعوبة تتبع هذه الجزيئات الصغيرة وغير الكروية. علاوة على ذلك ، باستخدام الفحص المجهري الفلوري ، يمكن للمرء استخدام العلامات متعددة الألوان لقياس ديناميكيات المكونات الفردية بشكل انتقائي في مركب معقد.
لإجراء DDM ، يتم التقاط سلسلة من الصور بمرور الوقت ، I(x,y,t). بالنسبة لوقت تأخير معين ، Δt ، يتم العثور على جميع (أو مجموعة فرعية من) أزواج الصور مفصولة بوقت التأخر هذا. تحويل فورييه التربيعي لفرق كل زوج ،
يتم حسابها ومتوسطها معا. هذه الكمية، هي في المتوسط شعاعيا، شريطة أن تكون الديناميكيات متساوي الخواص. ينتج عن ذلك مصفوفة DDM (يشار إليها أيضا باسم وظيفة بنية الصورة) ، . تظهر هذه العملية بيانيا في الشكل 1. لتحديد ديناميكيات العينة من مصفوفة DDM هذه ، يفترض أن تأخذ مصفوفة DDM الشكل
حيث A هي السعة ، والتي تعتمد على تفاصيل المجهر وبنية العينة ، B هي الخلفية ، والتي تعتمد على الضوضاء في الصور ، و f (q ، Δt) هي دالة التشتت الوسيطة (ISF) ، والتي تحتوي على معلومات حول الديناميكيات21,22. في الحالات البسيطة،
حيث τ هو اضمحلال مميز أو وقت الديكور. وقد استخدم مثل هذا ISF في العديد من الدراسات التي تستخدم DDM على الأنظمة الإرغودية مثل المعلقات الغروية المخففة21،24،27،37،40،52. ومع ذلك ، يمكن استخدام أشكال أخرى من ISF لنمذجة أنواع مختلفة من الديناميكيات. على سبيل المثال ، يمكن للمرء استخدام توسع تراكمي لنمذجة ISF لعينات متعددة التشتت على النحو التالي:
حيث μ هو مقياس لتعدد التشتت42,53 ؛ إذا تفاضلت تقلبات الكثافة بواسطة وضعين منفصلين ، فقد يستخدم المرء ISF مثل
26, 54, 55, 56 , 57;
يمكن استخدام ISFs الأخرى للسباحة الكائنات الحية الدقيقة أو الجسيمات النشطة الأخرى 38،39،40،41،58،59.
الشكل 1: نظرة عامة على تحليل DDM. من السلسلة الزمنية للصور ، يتم حساب تحويل فورييه لاختلافات الصورة لحساب مصفوفة DDM. يمكن أن تكون مصفوفة DDM مناسبة لنموذج لتحديد النطاق الزمني لتقلبات الكثافة عبر مجموعة من قيم q . يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.
هنا ، يتم وصف استخدام حزمة برامج تحليل DDM التي تم تطويرها في Python ، PyDDM. تعتمد حزمة البرامج هذه على العمل الذي قامت به مختبراتنا البحثية وغيرها من الدراسات المنشورة على مدى السنوات القليلة الماضية. وتشمل الدوافع الرئيسية لإنشاء حزمة البرامجيات هذه الحاجة إلى (1) تتبع وتخزين البيانات الوصفية والمعلمات المستخدمة في التحليل؛ و (2) الحاجة إلى (2) و (ج) و (ج (2) توثيق شامل مع أمثلة مفصلة للتحليل من البداية إلى النهاية ؛ و (3) طريقة سهلة لاستخدام نماذج رياضية مختلفة (أو إنشاء نماذج جديدة) لملاءمة البيانات (على سبيل المثال ، ستكون إضافة نماذج ISF ، مثل تلك التي تم تطويرها مؤخرا للخيوط النشطة60 ، أمرا سهلا). توجد أيضا حزم برامج أخرى لتحليل DDM ، على الرغم من أنها ليست جميعها موثقة جيدا ومكتوبة بلغة برمجة مفتوحة المصدر. على سبيل المثال ، هناك رمز C ++ مع الحوسبة على وحدات معالجة الرسومات (https://github.com/peterlu/ConDDM) 25 ، ورمز C ++ الذي يستخدم تحويلات فورييه في الوقت المناسب لتسريع العمليات الحسابية (https://github.com/giovanni-cerchiari/diffmicro)61 ، وإصدارات MATLAB و Python (https://github.com/MathieuLeocmach/DDM)40 ، ورمز MATLAB (https://sites.engineering.ucsb.edu/~helgeson/ddm.html)27 ، ورمز MATLAB مع تحديد كمي لعدم اليقين ( https://github.com/UncertaintyQuantification/DDM-UQ)62. نظرا لأن حزمة PyDDM هذه موثقة جيدا وتوفر الكثير من المرونة في كيفية حساب مصفوفة DDM وتحليلها ، فمن المأمول أن تكون مفيدة للباحثين الذين يتطلعون إلى تنفيذ DDM بغض النظر عن خلفيتهم في البرمجة أو تحليل الصور.
يوضح البروتوكول كيف يمكن استخدام حزمة البرامج هذه لتحديد ديناميكيات شبكات الهيكل الخلوي المعاد تشكيلها في المختبر . ويتم ذلك باستخدام مجموعتين متميزتين من بيانات التصوير: (1) صور لجسيمات تتبع تحت الميكرون مدمجة في شبكة فيمنتين تم التقاطها باستخدام الفحص المجهري الساطع و (2) صور لخيوط الأكتين والأنابيب الدقيقة المسماة بالفلورسنت في شبكة مركبة متشابكة مع نشاط يحركه الميوسين تم التقاطه باستخدام المجهر البؤري الممسوح بالليزر. تسلط تحليلات هاتين المجموعتين من البيانات الضوء على نقاط القوة البارزة في DDM ، بما في ذلك قدرتها على تحليل الصور الملتقطة باستخدام مجموعة متنوعة من طرق التصوير (على سبيل المثال ، التألق الساطع أو البؤري البؤري) ، لاستخراج الديناميكيات من أجهزة التتبع المضمنة أو من الخيوط المصنفة ، وتحديد مجموعة متنوعة من الديناميكيات (على سبيل المثال ، تحت الانتشار والمقيد أو الباليستي).
تستخدم حزمة البرامج الموضحة هنا DDM لتحليل تقلبات الكثافة التي لوحظت في الصور التي تم الحصول عليها باستخدام المجهر الضوئي. تم عرض النتائج التمثيلية من بيانات جزيئات التتبع المضمنة في شبكات vimentin لأول مرة. يمكن استخدام تحليل هذه البيانات لتوصيف حجم الشبكة وصلابتها بشكل مشابه لكيفية استخدام تتبع الجسيمات المفردة في العديد من الدراسات السابقة لشبكات الهيكل الخلوي6،12،13. ميزة استخدام DDM على تتبع الجسيمات المفردة هي أن DDM لا يتطلب توطين الجسيمات. لذلك ، حتى في الصور التي تكون فيها كثافة الجسيمات عالية جدا أو الجسيمات صغيرة جدا بحيث لا يمكن توطينها وتعقبها ، لا يزال بإمكان DDM تحديد الديناميكيات. حيث يكون تتبع الجسيمات المفردة مفيدا عند فحص تباين الجسيمات إلى الجسيمات. باستخدام DDM ، يجد المرء ديناميكيات متوسط المجموعة بينما ، مع تتبع الجسيمات المفردة ، يمكن للمرء حساب كل من MSD لجسيم واحد و MSD متوسط المجموعة. ومع ذلك ، يمكن استخدام DDM للتحقيق في الديناميكيات غير المتجانسة من خلال تحليل مناطق متعددة من الاهتمام داخل مجال رؤية كبير.
بعد ذلك ، تم عرض النتائج التمثيلية من بيانات الخيوط المصنفة بالفلورسنت في شبكة نشطة تتكون من نوعين من الخيوط الخلوية الهيكلية ذات العلامات المختلفة11. باستخدام هذه البيانات ، تم تمييز الحركة الباليستية دون الحاجة إلى أي ميزات قابلة للتوطين داخل الصورة. نظرا لأن DDM يستخرج ديناميكيات المجموعة المتوسطة مع عدد قليل من مدخلات المستخدم ، فإنه يجعل مقارنة سلسلة الصور المكتسبة بظروف مختلفة مباشرة (على سبيل المثال ، مقارنة العينات بنسب مختلفة من الأكتين إلى الأنابيب الدقيقة أو العينات ذات التركيزات المختلفة من الميوسين ، كما هو الحال في50). بالإضافة إلى ذلك ، باستخدام التصوير الفلوري ، يمكننا التحقيق في ديناميكيات المكونات المختلفة للشبكة باستخدام وضع العلامات متعددة الألوان. تم ذلك في11,50 ، حيث تم تحليل ديناميكيات الأكتين والأنابيب الدقيقة بشكل منفصل في شبكة مركبة نشطة من الأكتين والأنابيب الدقيقة باستخدام التصوير متعدد الألوان. في قسم النتائج التمثيلية هنا ، تم عرض النتائج فقط من قناة microtubule ، ولكن في العمل السابق ، قارنا ديناميكيات الأنابيب الدقيقة وخيوط الأكتين11.
نلاحظ أن هذه النتائج التمثيلية تعرض إما الانتشار الفرعي السلبي أو الحركة الباليستية النشطة. الأهم من ذلك ، يمكن استخدام DDM لتحليل الأنظمة التي يوجد فيها تقاطع في نوع الديناميكيات في جداول زمنية أو طولية متوسطة. وكأمثلة على ذلك، استخدم كورزثالر وآخرون DDM مع نظام من غرويات جانوس النشطة لاستكشاف الحركة الموجهة النشطة على نطاقات زمنية قصيرة والتوزيع العشوائي للاتجاه على نطاقات زمنية أطول59؛ استخدم Giavazzi et al. DDM مع رغوة خشنة ووجدوا تقاطعا في الديناميكيات المقابلة لمقياس طول فقاعة33 ؛ واستخدم Cho et al. DDM مع المواد الهلامية الغروية ووجدوا ثلاثة أنظمة مميزة على مقاييس طول مختلفة تمتد من المجموعات الكسورية إلى الشبكة بأكملها32.
تم الحصول على البيانات المدرجة في قسم النتائج التمثيلية باستخدام المجهر الساطع والمجهر البؤري للمسح الضوئي بالليزر. ومع ذلك ، كما لوحظ سابقا ، يمكن استخدام DDM مع العديد من طرق التصوير. مع أي طريقة تصوير ، يجب على المستخدمين مراعاة الإعدادات البصرية مثل درجة التقسيم البصري أو عمق المجال. قد تقلل درجة عالية من التقسيم البصري من الإشارة من الأجسام خارج نطاق التركيز البؤري ، ولكن لن يتمكن المرء من قياس الديناميكيات بدقة عبر جداول زمنية أكبر من المقياس الزمني للأجسام للتحرك خارج عمق المجال25,28. يمكن العثور على مناقشة أكثر شمولا حول كيفية تأثير عمق المجال المعتمد على Q على تحليل DDM في22. بالنسبة للتصوير الساطع ، قد يحتاج المستخدمون أيضا إلى مراعاة سمك العينة. في حين أنه بالنسبة للعينات المبعثرة بشكل ضعيف ، قد توفر العينات الأكثر سمكا إشارة أكثر42 ، فقد تتطلب العينات العكرة تعديل التحليل لمراعاة التشتت المتعدد81. وأخيرا، بالنسبة لطرق التصوير التي ليست ثابتة في الفضاء الخطي (أي عندما تعتمد الكثافة التي تسجلها كاميرا جسم ما على مكان وجود هذا الجسم في مستوى العينة x-y)، قد يحتاج المرء إلى حساب تباين الفضاء الخطي، كما هو موضح في المجال المظلم DDM27.
بالنسبة لأولئك الذين يبدأون في DDM ، نود أن نؤكد على أهمية النظر في الدقة المكانية والزمانية. عند فحص أوقات الاضمحلال المحددة كدالة للعدد الموجي ، من المهم وضع علامة على حدود دقة المرء (أي الحد الأقصى والحد الأدنى لأوقات التأخير والحد الأقصى للعدد الموجي ، كما هو موضح في الشكل 5). يجب على المرء أن يفكر بعناية في هذه الحدود قبل جمع البيانات بحيث يمكن تحديد العدسة الموضوعية المثلى وحجم الصورة ومعدل الإطارات ومدة الفيلم. الاعتبار المهم الآخر هو كيفية تقدير معلمة الخلفية B. وقد استخدمت أساليب متعددة لتقدير الخلفية في الأدبيات، وتم وصف آثار الإفراط في تقدير B أو التقليل من شأنه في المنشورات السابقة62,77. كما هو موضح في الشكل 10 ، يسمح PyDDM للمستخدمين بتنفيذ طرق مختلفة لتقدير B ، ونقترح على المستخدمين الجدد تجربة هذه الأساليب وتقييم الطرق المناسبة للاستخدام.
تتمثل إحدى نقاط قوة هذه الحزمة في توثيقها الشامل والإرشادات التفصيلية التي تضم بيانات المثال ، وتخزين وتنظيم البيانات الوصفية لتتبع كيفية إجراء التحليلات ، والمرونة في كيفية تحليل مصفوفة DDM (نماذج مناسبة مختلفة ، وطرق متعددة لتقدير معلمة الخلفية B ، والقدرة على العثور على MSD). ومع ذلك ، هناك جوانب متعددة لهذا الرمز يمكن تحسينها. حاليا ، لم يتم تحسين التعليمات البرمجية لسرعة الحساب السريعة. تم الإبلاغ عن طرق لتسريع الحساب61,62 ، وسيتم تنفيذها في الإصدارات المستقبلية. بالإضافة إلى ذلك ، نخطط لتنفيذ الأساليب التي تم الإبلاغ عنها مؤخرا لتقدير أوجه عدم اليقين بشكل أفضل واستخدام عمليات المحاكاة لتوجيه المستخدمين إلى نموذج ISF62 المناسب. للحصول على تحسينات أخرى ، نأمل أن يتصل بنا المستخدمون لتقديم اقتراحات.
The authors have nothing to disclose.
تم تمويل أجزاء من هذا البحث من قبل جائزة R15 للمعاهد الوطنية للصحة (المعهد الوطني للعلوم الطبية العامة جائزة رقم. R15GM123420، منحت إلى R.M.R.-A. و R.J.M.) ، وجائزة Cottrell Scholar من مؤسسة الأبحاث للتقدم العلمي (الجائزة رقم 27459 ، الممنوحة ل R.J.M.) ، ومنحة أبحاث مؤسسة William M. Keck (تمنح إلى R.M.R-A.). تقدر GHK بامتنان الدعم المالي المقدم من مجلس البحوث الهولندي (NWO ؛ رقم المشروع VI.C.182.004 لبرنامج المواهب NWO).
CMOS camera, Orca-Flash 4.0 | Hamatsu | ||
F-127 Pluronic | Sigma Aldrich | ||
Jupyter Notebook | |||
Nanodrop | Thermo Fisher | ||
Nikon Ti-Eclipse microscope | Nikon | ||
PLL-PEG-bio | SuSos AG, Dübendorf, Switzerland | ||
Polystyrene beads | Sigma Aldrich | ||
Protein dialysis mini-cassette | Thermo Fisher | ||
PyDDM | University of San Diego | N/A | Open source software available from https://github.com/rmcgorty/PyDDM |