Summary

Quantification de la colonne dendritique à l’aide d’un logiciel de reconstruction automatique de neurones tridimensionnels

Published: September 27, 2024
doi:

Summary

Les épines dendritiques sont des compartiments post-synaptiques de la plupart des synapses excitatrices. Des altérations de la morphologie de la colonne dendritique se produisent au cours du neurodéveloppement, du vieillissement, de l’apprentissage et de nombreux troubles neurologiques et psychiatriques, soulignant l’importance d’une analyse fiable de la colonne dendritique. Ce protocole décrit la quantification de la morphologie de la colonne dendritique avec précision et reproductibilité à l’aide d’un logiciel de reconstruction automatique de neurones tridimensionnels.

Abstract

Les connexions synaptiques permettent l’échange et le traitement de l’information entre les neurones. Le site post-synaptique des synapses excitatrices est souvent formé sur les épines dendritiques. Les épines dendritiques sont des structures d’un grand intérêt pour la recherche centrée sur la plasticité synaptique, le neurodéveloppement et les troubles neurologiques et psychiatriques. Les épines dendritiques subissent des modifications structurelles au cours de leur vie, avec des propriétés telles que le nombre total d’épines, la taille des épines dendritiques et les sous-types morphologiquement définis qui changent en réponse à différents processus. La délimitation des mécanismes moléculaires régulant ces altérations structurelles des épines dendritiques repose sur des mesures morphologiques. Cela nécessite une analyse précise et reproductible de la colonne vertébrale dendritique pour fournir des preuves expérimentales. La présente étude décrit un protocole détaillé pour la quantification et la classification des épines dendritiques à l’aide de Neurolucida 360 (logiciel de reconstruction automatique de neurones tridimensionnels). Ce protocole permet de déterminer les principales propriétés de l’épine dendritique telles que la densité totale de l’épine, le volume de la tête de l’épine et la classification en sous-types de l’épine, permettant ainsi une analyse efficace des phénotypes structurels de l’épine dendritique.

Introduction

Les épines dendritiques sont des protubérances de dendrites comprenant souvent le site post-synaptique des synapses glutamatergiques 1,2. Les épines dendritiques présentent un intérêt particulier dans le domaine de la plasticité synaptique. Les épines sont souvent altérées lorsque la force synaptique change, devenant plus grandes et plus fortes lors de la potentialisation synaptique à long terme ou plus petites et plus faibles lors de la dépression synaptique à long terme 3,4,5,6,7. Au-delà de la plasticité synaptique, le profil des épines dendritiques change tout au long de la vie. Au début du développement, il y a une période de formation et de croissance de l’épine dendritique, suivie d’une taille de l’épine dendritique jusqu’à atteindre un état d’équilibre 8,9,10. Dans le cerveau vieillissant, la perte de colonne vertébrale accompagne le rétrécissement du cerveau et le déclin cognitif11. De plus, de nombreux troubles neurologiques, neurodégénératifs et psychiatriques sont caractérisés par des épines dendritiques aberrantes. Plusieurs régions du cerveau chez les personnes atteintes de schizophrénie ont moins d’épines dendritiques, résultant probablement d’une altération de l’élagage synaptique12. Les troubles du spectre autistique sont également caractérisés par des pathologies dendritiques de la colonne vertébrale13. La perte de la colonne vertébrale dendritique est une caractéristique de la maladie d’Alzheimer et de la maladie de Parkinson14,15. Étant donné le large éventail de sujets de recherche englobant l’étude des propriétés dendritiques de l’épine, les techniques de quantification précise de l’épine sont d’une importance capitale.

La coloration, c’est-à-dire la méthode de Golgi, ou le marquage des neurones par remplissage de colorant ou expression de protéines fluorescentes sont des méthodes courantes pour la visualisation de la colonne vertébrale dendritique 16,17,18. Une fois visualisées, les épines peuvent être analysées avec une variété de logiciels clients gratuits et disponibles dans le commerce. Le résultat souhaité de l’analyse est un facteur important pour déterminer quel logiciel sera le plus utilisé. Fiji est une option logicielle viable pour les questions centrées sur la densité des épines dendritiques. Cependant, cette technique repose en grande partie sur un comptage manuel chronophage qui peut introduire un risque de biais. De nouveaux plugins tels que SpineJ permettent une quantification automatique, ce qui permet en outre une analyse plus précise du cou de la colonne vertébrale19. L’inconvénient de ces approches est la perte d’une analyse tridimensionnelle pour déterminer le volume de la colonne vertébrale, car SpineJ est limité à des piles d’images bidimensionnelles. De plus, l’obtention d’informations sur les sous-types de la colonne vertébrale devient difficile via ces processus. Les quatre sous-types d’épines prédominants, mince, champignon, trapue et filopodes, connotent tous des fonctions individuelles et sont largement classés selon la morphologie20. Les épines minces sont caractérisées par un cou allongé et une tête définie21. Les épines des champignons ont une tête d’épine beaucoup plus grande et prononcée22. Les épines trapues sont courtes et présentent peu de variance entre la tête et le cou23. Les filopodes sont des épines immatures avec un cou long et mince et aucune tête clairement observable24. Bien que la classification fournisse des informations précieuses, les épines existent sur un continuum de dimensions. La classification en catégories est basée sur des plages de mesures morphologiques25,26. La mesure manuelle des épines pour la classification complique la charge logistique des chercheurs dans cette approche.

D’autres options logicielles axées spécifiquement sur l’analyse tridimensionnelle de la colonne vertébrale dendritique sont mieux adaptées à l’étude du volume de la colonne vertébrale et des propriétés de sous-type 27,28,29,30,31. Malgré les difficultés que présente l’analyse tridimensionnelle, telles que la faible résolution du plan z et le frottis, ces options logicielles permettent une reconstruction tridimensionnelle fiable des dendrites et des épines dendritiques de manière semi-automatisée guidée par l’utilisateur. La classification automatique des épines identifiées dans leurs sous-types est également une caractéristique présente dans certains de ces logiciels d’analyse de la colonne vertébrale. Cela peut atténuer les préoccupations relatives à la charge de travail potentielle et aux biais expérimentaux. Neurolucida 360 est un logiciel disponible dans le commerce qui permet d’identifier et de classifier les épines dendritiques en trois dimensions, fiables et reproductibles32. Ici, nous présentons un protocole complet pour préparer efficacement les tissus fixés, acquérir des images et, finalement, quantifier et classer les épines dendritiques à l’aide de ce logiciel.

Protocol

Toutes les procédures sur les animaux ont suivi les directives des National Institutes of Health des États-Unis sur l’utilisation des animaux dans la recherche intra-muros et ont été approuvées par le comité de soin et d’utilisation des animaux de l’Institut national de la santé mentale. 1. Préparation de tranches d’hippocampe fixes Anesthésier les souris avec une injection intrapéritonéale de kétamine/xylazine (k…

Representative Results

L’utilisation efficace de cette méthode d’analyse commence par la sélection des segments dendritiques pour le traçage. Comme décrit à la figure 1, les dendrites idéales pour le traçage ne sont pas à proximité d’autres dendrites. Les dendrites fonctionnant en parallèle peuvent entraîner une identification incorrecte des épines d’une dendrite voisine. Les dendrites qui se croisent directement ou qui sont perpendiculaires dans un plan z diff…

Discussion

Ce protocole détaille les étapes spécifiques de la préparation des échantillons, de l’imagerie et du processus de quantification et de classification des épines dendritiques à l’aide d’un logiciel de reconstruction tridimensionnelle. Ce logiciel est un outil puissant capable de produire des données structurelles robustes qui contribuent à un large éventail d’enquêtes. Tout au long du processus, il y a quelques étapes critiques qui rendent ce protocole moins lourd mét…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous tenons à remercier Carolyn Smith, Sarah Williams Avram, Ted Usdin et le NIMH SNIR pour leur assistance technique. Nous tenons également à remercier le groupe d’étude de recherche biomédicale Bethesda de l’Université Colgate. Ce travail est soutenu par le programme intra-muros du NIMH (1ZIAMH002881 à 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