Summary

Quantificazione della spina dendritica utilizzando un software di ricostruzione automatica dei neuroni tridimensionali

Published: September 27, 2024
doi:

Summary

Le spine dendritiche sono compartimenti post-sinaptici della maggior parte delle sinapsi eccitatorie. Le alterazioni della morfologia della colonna vertebrale dendritica si verificano durante lo sviluppo neurologico, l’invecchiamento, l’apprendimento e molti disturbi neurologici e psichiatrici, sottolineando l’importanza di un’analisi affidabile della colonna vertebrale dendritica. Questo protocollo descrive la quantificazione della morfologia della spina dendritica in modo accurato e riproducibile utilizzando un software di ricostruzione automatica dei neuroni tridimensionali.

Abstract

Le connessioni sinaptiche consentono lo scambio e l’elaborazione di informazioni tra i neuroni. Il sito post-sinaptico delle sinapsi eccitatorie si forma spesso sulle spine dendritiche. Le spine dendritiche sono strutture di grande interesse nella ricerca incentrata sulla plasticità sinaptica, sul neurosviluppo e sui disturbi neurologici e psichiatrici. Le spine dendritiche subiscono modifiche strutturali durante la loro vita, con proprietà come il numero totale delle spine, le dimensioni delle spine dendritiche e il sottotipo morfologicamente definito che si alterano in risposta a diversi processi. La delineazione dei meccanismi molecolari che regolano queste alterazioni strutturali delle spine dendritiche si basa sulla misurazione morfologica. Ciò richiede un’analisi accurata e riproducibile della colonna vertebrale dendritica per fornire prove sperimentali. Il presente studio delinea un protocollo dettagliato per la quantificazione e la classificazione della spina dendritica utilizzando Neurolucida 360 (software automatico di ricostruzione tridimensionale dei neuroni). Questo protocollo consente di determinare le proprietà chiave della spina dendritica, come la densità totale della colonna vertebrale, il volume della testa della colonna vertebrale e la classificazione in sottotipi di colonna vertebrale, consentendo così un’analisi efficace dei fenotipi strutturali della colonna vertebrale dendritica.

Introduction

Le spine dendritiche sono sporgenze di dendriti che spesso comprendono il sito post-sinaptico delle sinapsi glutammatergiche 1,2. Le spine dendritiche sono di particolare interesse nel campo della plasticità sinaptica. Le spine sono spesso alterate quando la forza sinaptica cambia, diventando più grandi e più forti nel potenziamento sinaptico a lungo termine o più piccole e più deboli nella depressione sinaptica a lungo termine 3,4,5,6,7. Oltre alla plasticità sinaptica, il profilo delle spine dendritiche cambia nel corso della vita. All’inizio dello sviluppo, c’è un periodo di formazione e crescita della spina dendritica, seguito da potatura della spina dendritica fino a raggiungere uno stato stazionario 8,9,10. Nell’invecchiamento del cervello, la perdita della colonna vertebrale accompagna il restringimento cerebrale e il declino cognitivo11. Inoltre, molti disturbi neurologici, neurodegenerativi e psichiatrici sono caratterizzati da spine dendritiche aberranti. Più regioni cerebrali in individui affetti da schizofrenia hanno meno spine dendritiche, probabilmente a causa di un’alterata potatura sinaptica12. I disturbi dello spettro autistico sono caratterizzati anche da patologie della colonna vertebrale dendritica13. La perdita della spina dendritica è un segno distintivo sia del morbo di Alzheimer che del morbo di Parkinson14,15. Data l’ampia gamma di argomenti di ricerca che comprendono le indagini sulle proprietà della colonna vertebrale dendritica, le tecniche per un’accurata quantificazione della colonna vertebrale sono di fondamentale importanza.

La colorazione, cioè il metodo Golgi, o la marcatura dei neuroni tramite riempimento di colorante o l’espressione di proteine fluorescenti sono metodi comuni per la visualizzazione della colonna vertebrale dendritica 16,17,18. Una volta visualizzate, le spine possono essere analizzate con una varietà di client software gratuiti e disponibili in commercio. L’output desiderato dell’analisi è un fattore importante per determinare quale software sarà più utile. Fiji è una valida opzione software per domande incentrate sulla densità della colonna vertebrale dendritica. Tuttavia, questa tecnica si basa in gran parte sul conteggio manuale che richiede molto tempo e che può introdurre il potenziale di distorsione. Nuovi plug-in come SpineJ consentono la quantificazione automatica, consentendo inoltre un’analisi più accurata del collo della colonna vertebrale19. Uno svantaggio di questi approcci è la perdita di un’analisi tridimensionale per determinare il volume della colonna vertebrale, poiché SpineJ è limitato a pile di immagini bidimensionali. Inoltre, ottenere informazioni sul sottotipo di colonna vertebrale diventa difficile attraverso questi processi. I quattro sottotipi predominanti di spina, sottile, a fungo, tozza e filopodia, connotano tutti funzioni individuali e sono in gran parte classificati attraverso la morfologia20. Le spine sottili sono caratterizzate da un collo allungato e da una testa definita21. Le spine dei funghi hanno una testa della spina molto più grande e pronunciata22. Le spine tozze sono corte e hanno poca varianza tra la testa e il collo23. I filopodi sono spine immature con un collo lungo e sottile e nessuna testa24 chiaramente osservabile. Sebbene la classificazione fornisca informazioni preziose, le spine esistono su un continuum di dimensioni. La classificazione in categorie si basa su intervalli di misure morfologiche 25,26. La misurazione manuale delle spine per la classificazione aggrava l’onere logistico per i ricercatori in questo approccio.

Altre opzioni software che si concentrano specificamente sull’analisi tridimensionale della colonna vertebrale dendritica sono più adatte per le indagini sul volume della colonna vertebrale e sulle proprietà del sottotipo 27,28,29,30,31. Nonostante le difficoltà presentate dall’analisi tridimensionale, come la scarsa risoluzione del piano z e lo striscio, queste opzioni software consentono una ricostruzione tridimensionale affidabile di dendriti e spine dendritiche in modo semi-automatizzato guidato dall’utente. La classificazione automatica delle spine identificate nei loro sottotipi è anche una caratteristica presente in alcuni di questi pacchetti software per l’analisi della colonna vertebrale. Ciò può migliorare le preoccupazioni relative al potenziale carico di lavoro e ai pregiudizi sperimentali. Neurolucida 360 è un software disponibile in commercio che consente l’identificazione e la classificazione tridimensionale della spina dendritica32 in modo affidabile e riproducibile. Qui, presentiamo un protocollo completo per preparare efficacemente il tessuto fissato, acquisire immagini e, infine, quantificare e classificare le spine dendritiche utilizzando questo software.

Protocol

Tutte le procedure sugli animali hanno seguito le linee guida del National Institutes of Health degli Stati Uniti sull’uso degli animali nella ricerca intramurale e sono state approvate dal National Institute of Mental Health Animal Care and Use Committee. 1. Preparazione di fette fisse di ippocampo Anestetizzare i topi con un’iniezione intraperitoneale di Ketamina/Xilazina (Ketamina: 100 mg/kg; Xilazina: 8 mg/kg). Convalidare l’anes…

Representative Results

L’utilizzo efficace di questo metodo di analisi inizia con la selezione dei segmenti dendritici per il tracciamento. Come descritto nella Figura 1, i dendriti ideali per il tracciamento non sono in prossimità di altri dendriti. I dendriti che corrono in parallelo possono portare all’identificazione impropria delle spine di un dendrite vicino. I dendriti che si intersecano direttamente o corrono perpendicolarmente in un diverso piano z aggiungono anche una n…

Discussion

Questo protocollo descrive in dettaglio le fasi specifiche della preparazione del campione, l’imaging e il processo di quantificazione e classificazione della spina dendritica utilizzando un software di ricostruzione tridimensionale. Questo software è un potente strumento in grado di produrre dati strutturali robusti che contribuiscono a una vasta gamma di indagini. Durante tutto il processo, ci sono alcuni passaggi critici che rendono questo protocollo meno gravoso dal punto di vista m…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ringraziamo Carolyn Smith, Sarah Williams Avram, Ted Usdin e il NIMH SNIR per l’assistenza tecnica. Vorremmo inoltre ringraziare il gruppo di studio sulla ricerca biomedica della Colgate University Bethesda. Questo lavoro è supportato dal programma intramurale NIMH (1ZIAMH002881 a 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