Summary

Quantifizierung der dendritischen Wirbelsäule mit einer automatischen dreidimensionalen Neuronenrekonstruktionssoftware

Published: September 27, 2024

Summary

Dendritische Stacheln sind postsynaptische Kompartimente der meisten exzitatorischen Synapsen. Veränderungen der Morphologie der dendritischen Wirbelsäule treten während der neurologischen Entwicklung, des Alterns, des Lernens und vieler neurologischer und psychiatrischer Erkrankungen auf, was die Bedeutung einer zuverlässigen dendritischen Wirbelsäulenanalyse unterstreicht. Dieses Protokoll beschreibt die genaue und reproduzierbare Quantifizierung der Morphologie der dendritischen Wirbelsäule mit Hilfe einer automatischen dreidimensionalen Neuronenrekonstruktionssoftware.

Abstract

Synaptische Verbindungen ermöglichen den Austausch und die Verarbeitung von Informationen zwischen Neuronen. Die postsynaptische Stelle der exzitatorischen Synapsen wird häufig an dendritischen Dornen gebildet. Dendritische Dornen sind Strukturen, die in der Forschung rund um synaptische Plastizität, Neuroentwicklung sowie neurologische und psychiatrische Störungen von großem Interesse sind. Dendritische Stacheln durchlaufen im Laufe ihres Lebens strukturelle Veränderungen, wobei sich Eigenschaften wie die Gesamtanzahl der Wirbelsäule, die Größe der dendritischen Wirbelsäule und der morphologisch definierte Subtyp als Reaktion auf verschiedene Prozesse verändern. Die Abgrenzung der molekularen Mechanismen, die diese strukturellen Veränderungen der dendritischen Dornen regulieren, beruht auf morphologischen Messungen. Dies erfordert eine genaue und reproduzierbare Analyse der dendritischen Wirbelsäule, um experimentelle Beweise zu liefern. Die vorliegende Studie skizziert ein detailliertes Protokoll zur Quantifizierung und Klassifizierung der dendritischen Wirbelsäule mit Neurolucida 360 (automatische dreidimensionale Neuronenrekonstruktionssoftware). Dieses Protokoll ermöglicht die Bestimmung wichtiger Eigenschaften der dendritischen Wirbelsäule wie die Gesamtdichte der Wirbelsäule, das Volumen des Wirbelsäulenkopfes und die Klassifizierung in Wirbelsäulensubtypen und ermöglicht so eine effektive Analyse der strukturellen Phänotypen der dendritischen Wirbelsäule.

Introduction

Dendritische Dornen sind Ausstülpungen von Dendriten, die häufig die postsynaptische Stelle der glutamatergen Synapsen bilden 1,2. Dendritische Dornen sind im Bereich der synaptischen Plastizität von besonderem Interesse. Die Stacheln verändern sich oft, wenn sich die synaptische Stärke ändert, und werden größer und stärker bei langfristiger synaptischer Potenzierung oder kleiner und schwächer bei langfristiger synaptischer Depression 3,4,5,6,7. Über die synaptische Plastizität hinaus verändert sich das Profil der dendritischen Stacheln im Laufe des Lebens. In der frühen Entwicklung gibt es eine Periode der Bildung und des Wachstums der dendritischen Wirbelsäule, gefolgt von der Beschneidung der dendritischen Wirbelsäule bis zum Erreichen eines stabilen Zustands 8,9,10. Im alternden Gehirn geht der Verlust der Wirbelsäule mit einer Schrumpfung des Gehirns und einem kognitiven Verfall einher11. Darüber hinaus sind viele neurologische, neurodegenerative und psychiatrische Erkrankungen durch aberrante dendritische Dornen gekennzeichnet. Mehrere Hirnregionen bei Personen, die von Schizophrenie betroffen sind, haben weniger dendritische Stacheln, was wahrscheinlich auf eine veränderte synaptische Beschneidung zurückzuführenist 12. Autismus-Spektrum-Störungen sind auch durch dendritische Wirbelsäulenpathologien gekennzeichnet13. Der Verlust der dendritischen Wirbelsäule ist ein Kennzeichen sowohl der Alzheimer- als auch der Parkinson-Krankheit14,15. Angesichts des breiten Spektrums an Forschungsthemen, die Untersuchungen der Eigenschaften der dendritischen Wirbelsäule umfassen, sind Techniken zur genauen Quantifizierung der Wirbelsäule von größter Bedeutung.

Die Färbung, d.h. die Golgi-Methode, oder die Markierung von Neuronen durch Farbstofffüllung oder die Expression fluoreszierender Proteine sind gängige Methoden zur Visualisierung der dendritischen Wirbelsäule 16,17,18. Einmal visualisiert, können Spines mit einer Vielzahl von kostenlosen und kommerziell erhältlichen Software-Clients analysiert werden. Das gewünschte Ergebnis der Analyse ist ein wichtiger Faktor, um zu bestimmen, welche Software am meisten genutzt werden kann. Fiji ist eine praktikable Softwareoption für Fragen, die sich auf die Dichte der dendritischen Wirbelsäule konzentrieren. Diese Technik beruht jedoch weitgehend auf zeitaufwändiger manueller Zählung, die das Potenzial für Verzerrungen einführen kann. Neue Plugins wie SpineJ ermöglichen eine automatische Quantifizierung und zusätzlich eine genauere Analyse des Wirbelsäulenhalses19. Ein Nachteil dieser Ansätze ist der Verlust einer dreidimensionalen Analyse zur Bestimmung des Spine-Volumens, da SpineJ auf zweidimensionale Bildstapel beschränkt ist. Darüber hinaus wird die Gewinnung von Informationen über den Spine-Subtyp durch diese Prozesse zu einer Herausforderung. Die vier vorherrschenden Stachelsubtypen dünn, pilzförmig, stumpf und filopodisch bezeichnen alle individuelle Funktionen und werden weitgehend über die Morphologieklassifiziert 20. Dünne Stacheln zeichnen sich durch einen länglichen Hals und einen definierten Kopfaus 21. Pilzstacheln haben einen viel größeren und ausgeprägten Wirbelsäulenkopf22. Die Stummelstacheln sind kurz und weisen eine geringe Varianz zwischen Kopf und Halsauf 23. Filopodien sind unreife Stacheln mit einem langen, dünnen Hals und ohne offensichtlich beobachtbaren Kopf24. Während die Klassifizierung wertvolle Informationen liefert, existieren Spines in einem Kontinuum von Dimensionen. Die Einteilung in Kategorien basiert auf morphologischen Messbereichen25,26. Die manuelle Vermessung von Stacheln für die Klassifizierung erhöht den logistischen Aufwand für die Forscher bei diesem Ansatz.

Andere Softwareoptionen, die sich speziell auf die dreidimensionale Analyse der dendritischen Wirbelsäule konzentrieren, eignen sich besser für die Untersuchung des Wirbelsäulenvolumens und der Subtyp-Eigenschaften 27,28,29,30,31. Trotz der Schwierigkeiten, die die dreidimensionale Analyse mit sich bringt, wie z. B. schlechte z-Ebenen-Auflösung und Abstrich, ermöglichen diese Softwareoptionen eine zuverlässige dreidimensionale Rekonstruktion von Dendriten und dendritischen Dornen in einer benutzergeführten halbautomatischen Weise. Die automatische Klassifizierung der identifizierten Stacheln in ihre Subtypen ist ebenfalls eine Funktion, die in einigen dieser Softwarepakete zur Analyse der Wirbelsäule vorhanden ist. Dies kann Bedenken hinsichtlich einer möglichen Arbeitsbelastung und experimentellen Verzerrung ausräumen. Neurolucida 360 ist eine kommerziell erhältliche Software, die eine zuverlässige und reproduzierbare dreidimensionale dreidimensionale Identifizierung und Klassifizierung der dendritischen Wirbelsäule ermöglicht32. Hier stellen wir ein umfassendes Protokoll vor, um fixiertes Gewebe effektiv zu präparieren, Bilder zu erfassen und schließlich dendritische Dornen mit dieser Software zu quantifizieren und zu klassifizieren.

Protocol

Alle tierexperimentellen Verfahren folgten den Richtlinien der US National Institutes of Health zur Verwendung von Tieren in der intramuralen Forschung und wurden vom National Institute of Mental Health Animal Care and Use Committee genehmigt. 1. Vorbereitung von fixierten Hippocampus-Schnitten Betäubung von Mäusen mit einer intraperitonealen Injektion von Ketamin/Xylazin (Ketamin: 100 mg/kg; Xylazin: 8 mg/kg). Validieren Sie die A…

Representative Results

Die effektive Nutzung dieser Analysemethode beginnt mit der Auswahl der dendritischen Segmente für die Rückverfolgung. Wie in Abbildung 1 beschrieben, befinden sich die idealen Dendriten für die Rückverfolgung nicht in unmittelbarer Nähe zu anderen Dendriten. Parallel verlaufende Dendriten können dazu führen, dass Stacheln von einem benachbarten Dendriten falsch identifiziert werden. Dendriten, die sich direkt kreuzen oder senkrecht in einer anderen Z…

Discussion

Dieses Protokoll beschreibt die spezifischen Schritte der Probenvorbereitung, der Bildgebung und des Prozesses der Quantifizierung und Klassifizierung der dendritischen Wirbelsäule mit Hilfe von dreidimensionaler Rekonstruktionssoftware. Diese Software ist ein leistungsstarkes Werkzeug, das in der Lage ist, robuste Strukturdaten zu erstellen, die zu einer Vielzahl von Untersuchungen beitragen. Während des gesamten Prozesses gibt es einige kritische Schritte, die dieses Protokoll wenige…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wir danken Carolyn Smith, Sarah Williams Avram, Ted Usdin und dem NIMH SNIR für ihre technische Unterstützung. Wir möchten uns auch bei der Bethesda Biomedical Research Study Group der Colgate University bedanken. Diese Arbeit wird durch das NIMH Intramural Program (1ZIAMH002881 bis Z.L.) unterstützt.

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: (2024).

View Video