Mesure des souches tissulaires locales dans les tendons via une corrélation d’images numériques open source
Summary
Cet article décrit un algorithme de corrélation d’images numériques open source pour mesurer les souches tissulaires 2D locales dans les explants de tendons. La précision de la technique a été validée à l’aide de plusieurs techniques, et elle est disponible pour un usage public.
Abstract
Il existe un intérêt scientifique considérable pour comprendre les souches que les cellules tendineuses subissent in situ et comment ces souches influencent le remodelage tissulaire. Sur la base de cet intérêt, plusieurs techniques analytiques ont été développées pour mesurer les déformations tissulaires locales dans les explants de tendons pendant la charge. Cependant, dans plusieurs cas, l’exactitude et la sensibilité de ces techniques n’ont pas été rapportées, et aucun des algorithmes n’est accessible au public. Cela a rendu difficile la mesure plus généralisée des souches tissulaires locales dans les explants de tendons. Par conséquent, l’objectif de cet article était de créer un outil d’analyse validé pour mesurer les souches tissulaires locales dans les explants de tendons, facilement disponible et facile à utiliser. Plus précisément, un algorithme de corrélation d’images numériques de Lagrangien augmentée (ALDIC) accessible au public a été adapté pour mesurer les souches 2D en suivant les déplacements des noyaux cellulaires dans les tendons d’Achille de souris sous tension uniaxiale. De plus, la précision des souches calculées a été validée en analysant des images transformées numériquement, ainsi qu’en comparant les souches avec des valeurs déterminées à partir d’une technique indépendante (c.-à-d. des lignes photoblanchies). Enfin, une technique a été incorporée dans l’algorithme pour reconstruire l’image de référence à l’aide du champ de déplacement calculé, qui peut être utilisé pour évaluer la précision de l’algorithme en l’absence de valeurs de déformation connues ou d’une technique de mesure secondaire. L’algorithme est capable de mesurer des déformations jusqu’à 0,1 avec une précision de 0,00015. La technique de comparaison d’une image de référence reconstruite avec l’image de référence réelle a permis d’identifier les échantillons qui avaient des données erronées et a indiqué que, dans les échantillons avec de bonnes données, environ 85% du champ de déplacement était précis. Enfin, les souches mesurées dans les tendons d’Achille de souris étaient cohérentes avec la littérature antérieure. Par conséquent, cet algorithme est un outil très utile et adaptable pour mesurer avec précision les souches tissulaires locales dans les tendons.
Introduction
Les tendons sont des tissus mécanosensibles qui s’adaptent et dégénèrent en réponse à la charge mécanique 1,2,3,4. En raison du rôle que jouent les stimuli mécaniques dans la biologie des cellules tendineuses, il existe un grand intérêt pour la compréhension des souches que les cellules tendineuses subissent dans l’environnement tissulaire natif pendant le chargement. Plusieurs techniques expérimentales et analytiques ont été développées pour mesurer les souches tissulaires locales dans les tendons. Il s’agit notamment d’analyses de corrélation d’images numériques (DIC) 2D/3D de déformations de surface utilisant des motifs de mouchetures ou des lignes photoblanchies (PBL)5,6,7,8, la mesure des changements dans la distance centroïde-centroïde des noyaux individuels dans le tissu 9,10, et une méthode DIC 3D en champ complet récente qui tient compte du mouvement hors plan et des déformations 3D 11 . Cependant, l’exactitude et la sensibilité de ces techniques n’ont été signalées que dans quelques cas, et aucune de ces techniques n’a été rendue publique, ce qui rend difficile l’adoption et l’utilisation généralisées de ces techniques.
L’objectif de ce travail était de créer un outil d’analyse validé pour mesurer les souches tissulaires locales dans les explants de tendons, facilement disponible et facile à utiliser. La méthode choisie est basée sur un algorithme de corrélation d’images numériques en lagrangienne augmentée (ALDIC) accessible au public écrit en MATLAB et développé par Yang et Bhattacharya12. Cet algorithme a été adapté pour analyser des échantillons de tendons et validé en l’appliquant à des images transformées numériquement et en comparant les déformations mesurées dans des échantillons de tendons réels aux résultats obtenus à partir de lignes photoblanchies. En outre, des fonctionnalités supplémentaires ont été implémentées dans l’algorithme pour confirmer la précision du champ de déplacement calculé même en l’absence de valeurs de déformation connues ou d’une technique de mesure secondaire. Par conséquent, cet algorithme est un outil très utile et adaptable pour mesurer avec précision les souches tissulaires 2D locales dans les tendons.
Protocol
Representative Results
Discussion
L’objectif de cet article était de fournir une méthode open source validée pour mesurer les champs de déformation 2D dans les tendons sous charge de traction. La base du logiciel était basée sur un algorithme ALDIC accessible au public12. Cet algorithme a été intégré dans un code MATLAB plus volumineux avec la fonctionnalité supplémentaire d’analyse de contrainte incrémentielle (par opposition à cumulative). Cet algorithme adapté a ensuite été appliqué à l’essai de tractio…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Ce travail a été financé par les National Institutes of Health (R21 AR079095) et la National Science Foundation (2142627).
Materials
| 5-DTAF (5-(4,6-Dichlorotriazinyl) Aminofluorescein), single isomer | ThermoFisher | D16 | |
| Calipers | Mitutoyo | 500-196-30 | |
| Confocal Microscope | Nikon | A1R HD | |
| Corning LSE Vortex Mixer | Coning | 6775 | |
| DRAQ5 Fluorescent Probe Solution (5 mM) | ThermoFisher | 62554 | |
| MATLAB | MathWorks | R2022b | |
| Tensile Loading Device | N/A | N/A | Tensile loading device described in Peterson et al, 2020. (ref 13) |
| Tube Revolver Rotator | ThermoFisher | 88881001 |
References
- Devkota, A. C. Distributing a fixed amount of cyclic loading to tendon explants over longer periods induces greater cellular and mechanical responses. Journal of Orthopaedic Research. 11 (4), 1609-1612 (2007).
- Sun, H. B., et al. Cycle-dependent matrix remodeling gene expression response in fatigue-loaded rat patellar tendons. Journal of Orthopaedic Research. 28 (10), 1380-1386 (2010).
- Shepherd, J. H., Screen, H. R. C. Fatigue loading of tendon. International Journal of Experimental Pathology. 94 (4), 260-270 (2013).
- Paschall, L., Pedaprolu, K., Carrozzi, S., Dhawan, A., Szczesny, S. Mechanical stimulation as both the cause and the cure of tendon and ligament injuries. Regenerative Rehabilitation: From Basic Science to the Clinic. , 359-386 (2022).
- Andarawis-Puri, N., Ricchetti, E. T., Soslowsky, L. J. Rotator cuff tendon strain correlates with tear propagation. Journal of Biomechanics. 42 (2), 158-163 (2009).
- Cheng, V. W. T., Screen, H. R. C. The micro-structural strain response of tendon. Journal of Materials Science. 42 (21), 8957-8965 (2007).
- Luyckx, T., et al. Digital image correlation as a tool for three-dimensional strain analysis in human tendon tissue. Journal of Experimental Orthopaedics. 1 (1), 7 (2014).
- Duncan, N. A., Bruehlmann, S. B., Hunter, C. J., Shao, X., Kelly, E. J. In situ cell-matrix mechanics in tendon fascicles and seeded collagen gels: Implications for the multiscale design of biomaterials. Computer Methods in Biomechanics and Biomedical Engineering. 17 (1), 39-47 (2014).
- Arnoczky, S. P., Lavagnino, M., Whallon, J. H., Hoonjan, A. In situ cell nucleus deformation in tendons under tensile load; A morphological analysis using confocal laser microscopy. Journal of Orthopaedic Research. 20 (1), 29-35 (2002).
- Screen, H. R. C., Bader, D. L., Lee, D. A., Shelton, J. C. Local strain measurement within tendon. Strain. 40 (4), 157-163 (2004).
- Fung, A. K., Paredes, J. J., Andarawis-Puri, N. Novel image analysis methods for quantification of in situ 3-D tendon cell and matrix strain. Journal of Biomechanics. 67, 184-189 (2018).
- Yang, J., Bhattacharya, K. Augmented Lagrangian digital image correlation. Experimental Mechanics. 59 (2), 187-205 (2019).
- Peterson, B. E., Szczesny, S. E. Dependence of tendon multiscale mechanics on sample gauge length is consistent with discontinuous collagen fibrils. Acta Biomaterialia. 117, 302-309 (2020).
- Humphrey, J. D., O’Rourke, S. L. . An Introduction to Biomechanics. , (2015).
- Reese, S. P., Weiss, J. A. Tendon fascicles exhibit a linear correlation between Poisson’s ratio and force during uniaxial stress relaxation. Journal of Biomechanical Engineering. 135 (3), 34501 (2013).
- Ahmadzadeh, H., Freedman, B. R., Connizzo, B. K., Soslowsky, L. J., Shenoy, V. B. Micromechanical poroelastic finite element and shear-lag models of tendon predict large strain dependent Poisson’s ratios and fluid expulsion under tensile loading. Acta Biomaterialia. 22, 83-91 (2015).
- Szczesny, S. E., Elliott, D. M. Interfibrillar shear stress is the loading mechanism of collagen fibrils in tendon. Acta Biomaterialia. 10 (6), 2582-2590 (2014).
- Han, W. M., et al. Macro- to microscale strain transfer in fibrous tissues is heterogeneous and tissue-specific. Biophysical Journal. 105 (3), 807-817 (2013).
- Pedaprolu, K., Szczesny, S. E. A novel, open-source, low-cost bioreactor for load-controlled cyclic loading of tendon explants. Journal of Biomechanical Engineering. 144 (8), 084505 (2022).
- Gatt, R., et al. Negative Poisson’s ratios in tendons: An unexpected mechanical response. Acta Biomaterialia. 24, 201-208 (2015).
