Summary

Количественная оценка дендритных отростков с помощью программного обеспечения для автоматической трехмерной реконструкции нейронов

Published: September 27, 2024
doi:

Summary

Дендритные шипики являются постсинаптическими компартментами большинства возбуждающих синапсов. Изменения морфологии дендритного отростка происходят во время неврологического развития, старения, обучения и многих неврологических и психиатрических расстройств, что подчеркивает важность надежного анализа дендритного отростка. Этот протокол описывает точную и воспроизводимую количественную оценку морфологии дендритных шипиков с помощью программного обеспечения для автоматической трехмерной реконструкции нейронов.

Abstract

Синаптические связи обеспечивают обмен и обработку информации между нейронами. Постсинаптический участок возбуждающих синапсов часто формируется на дендритных шипах. Дендритные шипики представляют большой интерес для исследований, сосредоточенных вокруг синаптической пластичности, развития нервной системы, а также неврологических и психиатрических расстройств. Дендритные шипики претерпевают структурные изменения в течение своей жизни, при этом такие свойства, как общее количество шипов, размер дендритных шипиков и морфологически определенный подтип, изменяются в ответ на различные процессы. Определение молекулярных механизмов, регулирующих эти структурные изменения дендритных шипов, основано на морфологических измерениях. Это требует точного и воспроизводимого дендритного анализа позвоночника для получения экспериментальных данных. В настоящем исследовании представлен подробный протокол количественной оценки и классификации дендритных отростков с использованием Neurolucida 360 (программное обеспечение для автоматической трехмерной реконструкции нейронов). Этот протокол позволяет определить ключевые свойства дендритного шипика, такие как общая плотность позвоночника, объем головки позвоночника и классификация по подтипам позвоночника, что позволяет эффективно анализировать структурные фенотипы дендритного шипика.

Introduction

Дендритные шипики представляют собой выступы дендритов, часто составляющие постсинаптический участок глутаматергических синапсов 1,2. Дендритные шипики представляют особый интерес в области синаптической пластичности. Позвоночники часто изменяются при изменении синаптической силы, становясь больше и сильнее при длительной синаптической потенциации или меньше и слабее при долгосрочной синаптической депрессии 3,4,5,6,7. Помимо синаптической пластичности, профиль дендритных шипиков меняется на протяжении всей жизни. На ранних этапах развития наступает период формирования и роста дендритных шипов, за которым следует обрезка дендритных шипиков до достижения устойчивого состояния 8,9,10. В стареющем мозге потеря позвоночника сопровождается уменьшением мозга и снижением когнитивныхфункций11. Кроме того, многие неврологические, нейродегенеративные и психические расстройства характеризуются аберрантными дендритными шипами. Множественные области мозга у людей, страдающих шизофренией, имеют меньшее количество дендритных шипиков, что, вероятно, является результатом измененной синаптическойобрезки. Расстройства аутистического спектра также характеризуются дендритными патологиями позвоночника13. Дендритная потеря позвоночника является отличительной чертой как болезни Альцгеймера, так и болезни Паркинсона14,15. Учитывая широкий спектр тем исследований, охватывающих изучение свойств дендритного шипа, методы точного количественного определения шипиков имеют первостепенное значение.

Окрашивание, т.е. метод Гольджи, или мечение нейронов с помощью наполнения красителя или экспрессии флуоресцентных белков являются распространенными методами визуализации дендритного позвоночника 16,17,18. После визуализации шипы могут быть проанализированы с помощью различных бесплатных и коммерчески доступных программных клиентов. Желаемые результаты анализа являются важным фактором при определении того, какое программное обеспечение будет наиболее полезным. Fiji — это жизнеспособный вариант программного обеспечения для вопросов, связанных с плотностью дендритных шипиков. Тем не менее, этот метод в значительной степени основан на трудоемком ручном подсчете, который может привести к систематической ошибке. Новые плагины, такие как SpineJ, позволяют проводить автоматическую количественную оценку, а также более точный анализ позвоночника и шеи19. Недостатком этих подходов является потеря трехмерного анализа для определения объема позвоночника, так как SpineJ ограничен двумерными стеками изображений. Кроме того, получение информации о подтипах позвоночника становится сложной задачей с помощью этих процессов. Четыре преобладающих подтипа шипов: тонкий, грибовидный, короткий и филоподийный, все они связаны с индивидуальными функциями и в значительной степени классифицируются по морфологии20. Тонкие шипы характеризуются удлиненной шеей и четко выраженной головой21. Грибовидные колючки имеют гораздо более крупную и выраженную головку22. Короткие шипы короткие и имеют небольшую вариативность между головой и шеей23. Филоподии – это неполовозрелые колючки с длинной, тонкой шеей и без явно заметной головы24. В то время как классификация предоставляет ценную информацию, шипы существуют в континууме измерений. Классификация по категориям основана на диапазонах морфологических измерений25,26. Ручное измерение корешков для классификации усложняет логистическую нагрузку для исследователей при таком подходе.

Другие варианты программного обеспечения, ориентированные конкретно на трехмерный дендритный анализ позвоночника, лучше подходят для исследований объема и свойств подтипов позвоночника 27,28,29,30,31. Несмотря на трудности, связанные с трехмерным анализом, такие как низкое разрешение в z-плоскости и размазывание, эти программные опции позволяют проводить надежную трехмерную реконструкцию дендритов и дендритных шипиков в полуавтоматическом режиме, управляемом пользователем. Автоматическая классификация идентифицированных позвоночников по их подтипам также присутствует в некоторых из этих программных пакетов для анализа позвоночника. Это может уменьшить опасения по поводу потенциальной рабочей нагрузки и экспериментальной систематической ошибки. Neurolucida 360 является одним из коммерчески доступных программ, позволяющих надежно и воспроизводимо идентификацию и классификацию трехмерных дендритных отростков32. Здесь мы представляем комплексный протокол для эффективной подготовки неподвижных тканей, получения изображений и, в конечном итоге, количественной оценки и классификации дендритных шипиков с помощью этого программного обеспечения.

Protocol

Все процедуры на животных соответствовали рекомендациям Национального института здравоохранения США по использованию животных в внутренних исследованиях и были одобрены Комитетом по уходу за животными и их использованию Национальным институтом психического здор…

Representative Results

Эффективное использование этого метода анализа начинается с выбора дендритных сегментов для трассировки. Как показано на рисунке 1, идеальные дендриты для трассировки не находятся в непосредственной близости от других дендритов. Дендриты, идущие пар…

Discussion

В этом протоколе подробно описаны конкретные этапы подготовки образца, визуализации, а также процесс количественной оценки и классификации дендритных шипиков с использованием программного обеспечения для трехмерной реконструкции. Это программное обеспечение пред…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Выражаем благодарность за техническую помощь Кэролин Смит (Carolyn Smith), Саре Уильямс Аврам (Sarah Williams Avram), Теду Усдину (Ted Usdin) и NIMH SNIR (NIMH SNIR). Кроме того, мы хотели бы выразить признательность Исследовательской группе биомедицинских исследований Университета Колгейт в Бетесде. Эта работа поддерживается Внутренней программой NIMH (1ZIAMH002881 to 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