Summary

Kwantificering van de dendritische wervelkolom met behulp van automatische driedimensionale neuronreconstructiesoftware

Published: September 27, 2024
doi:

Summary

Dendritische stekels zijn postsynaptische compartimenten van de meeste excitatoire synapsen. Veranderingen in de morfologie van de dendritische wervelkolom treden op tijdens neurologische ontwikkeling, veroudering, leren en vele neurologische en psychiatrische aandoeningen, wat het belang van betrouwbare analyse van de dendritische wervelkolom onderstreept. Dit protocol beschrijft het nauwkeurig en reproduceerbaar kwantificeren van de morfologie van de dendritische wervelkolom met behulp van automatische driedimensionale neuronreconstructiesoftware.

Abstract

Synaptische verbindingen zorgen voor de uitwisseling en verwerking van informatie tussen neuronen. De postsynaptische plaats van excitatoire synapsen wordt vaak gevormd op dendritische stekels. Dendritische stekels zijn structuren die van groot belang zijn in onderzoek naar synaptische plasticiteit, neurologische ontwikkeling en neurologische en psychiatrische stoornissen. Dendritische stekels ondergaan tijdens hun levensduur structurele veranderingen, waarbij eigenschappen zoals het totale aantal ruggengraat, de grootte van de dendritische wervelkolom en morfologisch gedefinieerd subtype veranderen als reactie op verschillende processen. Het afbakenen van de moleculaire mechanismen die deze structurele veranderingen van dendritische stekels reguleren, is gebaseerd op morfologische metingen. Dit vereist nauwkeurige en reproduceerbare analyse van de dendritische wervelkolom om experimenteel bewijs te leveren. De huidige studie schetst een gedetailleerd protocol voor kwantificering en classificatie van de dendritische wervelkolom met behulp van Neurolucida 360 (automatische driedimensionale neuronreconstructiesoftware). Dit protocol maakt het mogelijk om de belangrijkste eigenschappen van de dendritische wervelkolom te bepalen, zoals de totale dichtheid van de wervelkolom, het volume van de wervelkolomkop en classificatie in subtypes van de wervelkolom, waardoor een effectieve analyse van structurele fenotypes van de dendritische wervelkolom mogelijk is.

Introduction

Dendritische stekels zijn uitsteeksels van dendrieten die vaak de postsynaptische plaats van glutamaterge synapsen omvatten 1,2. Dendritische stekels zijn van bijzonder belang op het gebied van synaptische plasticiteit. Stekels worden vaak veranderd wanneer de synaptische kracht verandert, en worden groter en sterker bij synaptische potentiëring op de lange termijn of kleiner en zwakker bij langdurige synaptische depressie 3,4,5,6,7. Naast synaptische plasticiteit verandert het profiel van dendritische stekels gedurende de levensduur. In de vroege ontwikkeling is er een periode van vorming en groei van de dendritische wervelkolom, gevolgd door het snoeien van de dendritische wervelkolom tot het bereiken van een stabiele toestand 8,9,10. In de ouder wordende hersenen gaat het verlies van de wervelkolom gepaard met krimp van de hersenen en cognitieve achteruitgang11. Bovendien worden veel neurologische, neurodegeneratieve en psychiatrische aandoeningen gekenmerkt door afwijkende dendritische stekels. Meerdere hersengebieden bij personen met schizofrenie hebben minder dendritische stekels, waarschijnlijk als gevolg van veranderde synaptische snoei12. Autismespectrumstoornissen worden ook gekenmerkt door pathologieën van de dendritische wervelkolom13. Verlies van dendritische wervelkolom is een kenmerk van zowel de ziekte van Alzheimer als de ziekte van Parkinson 14,15. Gezien het brede scala aan onderzoeksonderwerpen die onderzoek naar de eigenschappen van dendritische wervelkolom omvatten, zijn technieken voor nauwkeurige kwantificering van de wervelkolom van het grootste belang.

Kleuring, d.w.z. de Golgi-methode, of het labelen van neuronen via kleurstofvulling of het tot expressie brengen van fluorescerende eiwitten zijn veelgebruikte methoden voor visualisatie van de dendritische wervelkolom 16,17,18. Eenmaal gevisualiseerd, kunnen stekels worden geanalyseerd met een verscheidenheid aan gratis en in de handel verkrijgbare softwareclients. De gewenste output van de analyse is een belangrijke factor om te bepalen welke software het meest bruikbaar zal zijn. Fiji is een haalbare software-optie voor vragen over de dichtheid van de dendritische wervelkolom. Deze techniek is echter grotendeels afhankelijk van tijdrovende handmatige tellingen die de kans op vertekening kunnen introduceren. Nieuwe plug-ins zoals SpineJ maken automatische kwantificering mogelijk, waardoor bovendien een nauwkeurigere analyse van de wervelkolom mogelijk is19. Een nadeel van deze benaderingen is het verlies van een driedimensionale analyse voor het bepalen van het wervelkolomvolume, aangezien SpineJ beperkt is tot tweedimensionale beeldstapels. Bovendien wordt het verkrijgen van informatie over het subtype van de wervelkolom via deze processen een uitdaging. De vier overheersende subtypes van de wervelkolom, dun, paddestoel, stomp en filopodia, duiden allemaal op individuele functies en worden grotendeels geclassificeerd via morfologie20. Dunne stekels worden gekenmerkt door een langwerpige nek en een gedefinieerd hoofd21. Paddenstoelstekels hebben een veel grotere en geprononceerde stekel22. Stompe stekels zijn kort en hebben weinig variatie tussen hoofd en nek23. Filopodia zijn onrijpe stekels met een lange, dunne nek en geen duidelijk waarneembare kop24. Hoewel classificatie waardevolle informatie oplevert, bestaan stekels op een continuüm van dimensies. De indeling in categorieën is gebaseerd op morfologische metingen25,26. Het handmatig meten van stekels voor classificatie vergroot de logistieke last voor onderzoekers in deze aanpak.

Andere software-opties die specifiek gericht zijn op driedimensionale analyse van de dendritische wervelkolom zijn beter geschikt voor onderzoek naar het volume en de eigenschappen van het subtype van de wervelkolom 27,28,29,30,31. Ondanks de moeilijkheid van driedimensionale analyse, zoals een slechte resolutie van het z-vlak en uitstrijkjes, maken deze software-opties een betrouwbare driedimensionale reconstructie van dendrieten en dendritische stekels mogelijk op een door de gebruiker geleide semi-geautomatiseerde manier. Automatische classificatie van geïdentificeerde stekels in hun subtypen is ook een functie die aanwezig is in sommige van deze softwarepakketten voor wervelkolomanalyse. Dit kan de bezorgdheid over mogelijke werkdruk en experimentele vooringenomenheid wegnemen. Neurolucida 360 is een in de handel verkrijgbare software die betrouwbare en reproduceerbare driedimensionale identificatie en classificatie van de dendritische wervelkolom mogelijkmaakt 32. Hier presenteren we een uitgebreid protocol om vast weefsel effectief voor te bereiden, beelden te verkrijgen en uiteindelijk dendritische stekels te kwantificeren en te classificeren met behulp van deze software.

Protocol

Alle dierproeven volgden de richtlijnen van de Amerikaanse National Institutes of Health voor het gebruik van dieren in intramuraal onderzoek en werden goedgekeurd door het National Institute of Mental Health Animal Care and Use Committee. 1. Bereiding van vaste plakjes hippocampus Verdoof muizen met een intraperitoneale injectie van Ketamine/Xylazine (Ketamine: 100 mg/kg; Xylazine: 8 mg/kg). Valideer de anesthesie via staartknijp en…

Representative Results

Het effectief gebruik van deze analysemethode begint met de selectie van dendritische segmenten voor tracering. Zoals beschreven in figuur 1, bevinden de ideale dendrieten voor tracering zich niet in de nabijheid van andere dendrieten. Parallel lopende dendrieten kunnen resulteren in het onjuist identificeren van stekels van een naburige dendriet. Dendrieten die elkaar direct kruisen of loodrecht op een ander z-vlak lopen, voegen ook aanzienlijke moeilijkhed…

Discussion

Dit protocol beschrijft de specifieke stappen van monstervoorbereiding, beeldvorming en het proces van kwantificering en classificatie van de dendritische wervelkolom met behulp van driedimensionale reconstructiesoftware. Deze software is een krachtig hulpmiddel dat in staat is om robuuste structurele gegevens te produceren die bijdragen aan een breed scala aan onderzoeken. Gedurende het hele proces zijn er enkele cruciale stappen die dit protocol minder methodologische last maken en de …

Disclosures

The authors have nothing to disclose.

Acknowledgements

We willen Carolyn Smith, Sarah Williams Avram, Ted Usdin en het NIMH SNIR bedanken voor hun technische assistentie. We willen ook de Colgate University Bethesda Biomedical Research Study Group erkennen. Dit werk wordt ondersteund door het NIMH Intramural Program (1ZIAMH002881 naar Z.L.).

Materials

518F Immersion Oil Zeiss 444960-0000-000
Cryostat Leica CM3050S For slice preparation
Fine Forceps FST 11150-10
Hemostat Forceps FST 13020-12
Large Surgical Scissors FST 14002-16
LSM 880 Confocal Microscope Zeiss LSM 880
Microscope Cover Glass Fisherbrand 12-541-035
Mini-Peristaltic Pump II Harvard Apparatus 70-2027 For perfusions
Neurolucida 360 MBF Bioscience v2022.1.1 Spine Analysis Software
Neurolucida Explorer MBF Bioscience v2022.1.1 Spine Analysis Software
OCT Compound Sakura Finetek 4583 For cryostat sectioning
Paraformaldehyde (37%) Fisherbrand F79-1
Plan-Apochromat 63x/1.40 Oil DIC Zeiss 440762-9904-000
Scalpel Blade FST 10022-00
Small Surgical Scissors FST 14060-09
Spatula  FST 10091-12
Sucrose FIsherbrand S5-500
Superfrost Plus Microslides Diagger ES4951+
Vectashield HardSet Mounting Medium Vector Laboratories H-1400-10

References

  1. Gray, E. G. Electron microscopy of synaptic contacts on dendrite spines of the cerebral cortex. Nature. 183, 1592-1593 (1959).
  2. Ramón Y Cajal, S. Sobre la fibras nerviosas de la capa molecular del cerebelo. Rev Trim Histol Norm. 1, 33-49 (1888).
  3. Desmond, N. L., Levy, W. Changes in the numerical density of synaptic contacts with long-term potentiation in the hippocampal dendate gyrus. J Comp Neurol. 253, 466-475 (1986).
  4. Engert, F., Bonhoeffer, T. Dendritic spine chances associated with hippocampal long-term synaptic plasticity. Nature. 399, 66-70 (1999).
  5. Yang, Y., Wang, X. B., Frerking, M., Zhou, Q. Spine expansion and stabilization associated with long-term potentiation. J Neurosci. 28 (22), 5740-5751 (2008).
  6. Oh, W. C., Parajuli, L. K., Zito, K. Heterosynaptic structural plasticity on local dendritic segments of hippocampal ca1 neurons. Cell Rep. 10 (2), 162-169 (2015).
  7. Shinoda, Y., Tanaka, T., Tominaga-Yoshino, K., Ogura, A. Persistent synapse loss induced by repetitive ltd in developing rat hippocampal neurons. PLoS One. 5 (4), e10390 (2010).
  8. Markus, E. J., Petit, T. L. Neocortical synaptogenesis, aging, and behavior lifespan development in the motor-sensory system of the rat. Exp Neurol. 96 (2), 262-278 (1987).
  9. Duan, H., Wearne, S. L., Rocher, A. B., Macedo, A., Morrison, J. H., Hof, P. R. Age-related dendritic and spine changes in corticocortically projecting neurons in macaque monkeys. Cereb Cortex. 13 (9), 950-961 (2003).
  10. Chen, C. C., Lu, J., Zuo, Y. Spatiotemporal dynamics of dendritic spines in the living brain. Front Neuroanat. 8, 28 (2014).
  11. Dickstein, D. L., Weaver, C. M., Luebke, J. I., Hof, P. R. Dendritic spine changes associated with normal aging. Neuroscience. 251, 21-32 (2013).
  12. Glausier, J. R., Lewis, D. A. Dendritic spine pathology in schizophrenia. Neuroscience. 251, 90-107 (2013).
  13. Phillips, M., Pozzo-Miller, L. Dendritic spine dysgenesis in autism related disorders. Neurosci Lett. 601, 30-40 (2015).
  14. Dorostkar, M. M., Zou, C., Blazquez-Llorca, L., Herms, J. Analyzing dendritic spine pathology in alzheimer’s disease: Problems and opportunities. Acta Neuropathol. 130 (1), 1-19 (2015).
  15. Villalba, R. M., Smith, Y. Loss and remodeling of striatal dendritic spines in parkinson’s disease: From homeostasis to maladaptive plasticity. J Neural Transm (Vienna). 125 (3), 431-447 (2018).
  16. Cheng, C., Trzcinski, O., Doering, L. C. Fluorescent labeling of dendritic spines in cell cultures with the carbocyanine dye "dii&#34. Front Neuroanat. 8, 30 (2014).
  17. Feng, G., et al. Imaging neuronal subsets in transgenic mice expressing multiple spectral variants of gfp. Neuron. 28 (1), 41-51 (2000).
  18. Baloyannis, S. J. Staining neurons with golgi techniques in degenerative diseases of the brain. Neural Regen Res. 10 (5), 693-695 (2015).
  19. Levet, F., Tonnesen, J., Nagerl, U. V., Sibarita, J. B. SpineJ: A software tool for quantitative analysis of nanoscale spine morphology. Methods. 174, 49-55 (2020).
  20. Peters, A., Kaiserman-Abramof, I. R. The small pyramidal neuron of the rat cerebral cortex. The perikaryon, dendrites and spines. Am J Anat. 127 (4), 321-356 (1970).
  21. Pfeiffer, T., et al. Chronic 2p-sted imaging reveals high turnover of dendritic spines in the hippocampus in vivo. Elife. 7, e34700 (2018).
  22. Harris, K. M. Structure, development, and plasticity of dendritic spines. Curr Opin Neurobiol. 9 (3), 343-348 (1999).
  23. Hering, H., Sheng, M. Dendritic spines: Structure, dynamics, and regulation. Nat Rev Neurosci. 2 (12), 880-888 (2001).
  24. Jontes, J. D., Smith, S. J. Filopodia, spines, and the generation of synaptic diversity. Neuron. 27 (1), 11-14 (2000).
  25. Pchitskaya, E., Bezprozvanny, I. Dendritic spines shape analysis-classification or clusterization? Perspective. Front Synaptic Neurosci. 12, 31 (2020).
  26. Berry, K. P., Nedivi, E. Spine dynamics: Are they all the same. Neuron. 96 (1), 43-55 (2017).
  27. Rodriguez, A., Ehlenberger, D. B., Dickstein, D. L., Hof, P. R., Wearne, S. L. Automated three-dimensional detection and shape classification of dendritic spines from fluorescence microscopy images. PLoS One. 3 (4), e1997 (2008).
  28. Swanger, S. A., Yao, X., Gross, C., Bassell, G. J. Automated 4D analysis of dendritic spine morphology: Applications to stimulus-induced spine remodeling and pharmacological rescue in disease model. Mol Brain. 4, 38 (2011).
  29. Basu, S., et al. Quantitative 3-D morphometric analysis of individual dendritic spines. Sci Rep. 8 (1), 3545 (2018).
  30. Ekaterina, P., Peter, V., Smirnova, D., Vyacheslav, C., Ilya, B. Spinetool is an open-source software for analysis of morphology of dendritic spines. Sci Rep. 13 (1), 10561 (2023).
  31. Li, B. Z., Sumera, A., Booker, S. A., Mccullagh, E. A. Current best practices for analysis of dendritic spine morphology and number in neurodevelopmental disorder research. ACS Chem Neurosci. 14 (9), 1561-1572 (2023).
  32. Dickstein, D. L., et al. Automatic dendritic spine quantification from confocal data with Neurolucida 360. Curr Protoc Neurosci. 77, 1-21 (2016).
  33. Gage, G. J., Kipke, D. R., Shain, W. Whole animal perfusion fixation for rodents. J Vis Exp. (65), e3564 (2012).
  34. Parajuli, L. K., Koike, M. Three-dimensional structure of dendritic spines revealed by volume electron microscopy techniques. Front Neuroanat. 15, 627368 (2021).
  35. Ferreira, J. S., et al. Distance-dependent regulation of NMDAR nanoscale organization along hippocampal neuron dendrites. Proc Natl Acad Sci U S A. 117 (39), 24526-24533 (2020).
  36. Megias, M., Emri, Z. s., Freund, T. F., Gulyas, A. I. Total number and distribution of inhibitory and excitatory synapses on hippocampal ca1 pyramidal cells. Neuroscience. 102 (3), 527-540 (2001).
  37. Katz, Y., et al. Synapse distribution suggests a two-stage model of dendritic integration in ca1 pyramidal neurons. Neuron. 63 (2), 171-177 (2009).
  38. Bourne, J., Harris, K. M. Do thin spines learn to be mushroom spines that remember. Curr Opin Neurobiol. 17 (3), 381-386 (2007).
  39. Runge, K., Cardoso, C., De Chevigny, A. Dendritic spine plasticity: Function and mechanisms. Front Synaptic Neurosci. 12, 36 (2020).
  40. Tonnesen, J., Katona, G., Rozsa, B., Nagerl, U. V. Spine neck plasticity regulates compartmentalization of synapses. Nat Neurosci. 17 (5), 678-685 (2014).
  41. Mattila, P. K., Lappalainen, P. Filopodia: Molecular architecture and cellular functions. Nat Rev Mol Cell Biol. 9 (6), 446-454 (2008).
  42. Grutzendler, J., Kasthuri, N., Gan, W. Long-term dendritic spine stability in the adult cortex. Nature. 420 (6917), 812-816 (2002).

Play Video

Cite This Article
Keary III, K. M., Sojka, E., Gonzalez, M., Li, Z. Dendritic Spine Quantification Using an Automatic Three-Dimensional Neuron Reconstruction Software. J. Vis. Exp. (211), e66493, doi:10.3791/66493 (2024).

View Video