Method Article
我们介绍了一种新的脑组织电子显微镜研究工作流程。该方法允许用户以无偏见的方式检查神经元特征。对于元素分析, 我们还提供了一个脚本, 该脚本自动化了随机采样的大部分工作流。
只有用电子显微镜才能研究神经元及其突触的超微结构特征。特别是对于这些特征的密度和分布变化的比较研究, 无偏采样协议对于可靠的结果至关重要。在这里, 我们提出了一个工作流程的图像采集的大脑样本。工作流允许在定义的大脑区域内进行系统统一的随机抽样, 并且可以使用检测器对图像进行分析。该技术比串行截面的广泛检测要快得多, 但仍为估计超微结构特征的密度和分布提供了一种可行的方法。在嵌入之前, 用染色振动段作为识别正在调查的大脑区域的参考, 这有助于加快整个标本的制备过程。该方法用于比较研究, 研究环境对小鼠大脑中几种超微结构参数的影响。在成功使用工作流的基础上, 我们对其进行了调整, 以便对大脑样本进行元素分析。我们根据用户交互的时间对协议进行了优化。通过为开源软件 SerialEM 编译脚本来自动化所有耗时的步骤, 可帮助用户专注于获取元素映射的主要工作。与原始工作流程一样, 我们注重无偏采样方法, 以保证可靠的结果。
在电子显微镜中, 在各部分中对有代表性的区域进行采样通常是很有挑战性的。作为观察员, 我们经常偏向于通过样本的显著特征来看待提请我们注意的特定区域, 从而防止了一个分布良好、无偏见的抽样。只有当感兴趣区域的每个部分都有相同的机会最终进入电子显微镜1时, 才能避免采样偏差。在没有软件解决方案的情况下, 可以避免采样偏差, 例如, 在不查看图像的情况下手动推下显微镜的轨迹球, 以便在舞台停止的任何位置选择采样区域。但严格地说, 这不是一个随机的过程, 因为, 有意识或潜意识, 用户可以对舞台的运动有影响, 而且, 这不是一个复杂的方式来选择采样区域。如果使用对截面来评估某个体积中的结构数量, 随机采样就变得特别重要, 例如, 对于立体学1, 它需要对截面, 即已知的距离。也可以只看一个部分, 估计具体结构的数量 2, 但有了这种方法, 调查人员往往高估了较大结构的数值密度, 除非这些结构在与截面厚度的比较。另一种方法是从连续截面重建组织体积, 从而获得所需的数据3。但这是非常耗时的, 不是一个可行的方法 (较大) 的比较研究。
为了克服这些问题, 我们开发了一个工作流程, 允许研究人员自动选择样本, 以便在超薄截面内以固定的间距获得电子显微镜。电子显微镜的位置是随机的, 允许无偏采样。该方法既适用于确定结构的数值密度 (例如, 特定神经 pil 卷 4,5内的突触), 也适用于结构特征的尺寸 (例如, 突触裂隙的宽度,或突触后密度的直径4,5)。
工作流使用定制的随机点采样 (RPS) 软件 (使用我们显微镜提供的脚本软件用 Java 脚本编写), 该软件在超薄截面上自动计算预定义区域内的网格位置。RPS 软件将电子显微镜的各个阶段移动到这些预定义的点, 以便在每个点上都能制作出电子显微镜。首先, 用户在薄截面中定义感兴趣的区域。接下来, RPS 软件计算此区域内的网格位置。第一个位置的 xy 坐标是随机创建的, 其余位置相对于第一个位置按固定的网格间隔放置。由于感兴趣区域的每个部分都有相同的机会被检查, 这允许最小的数据收集。这种抽样方法也称为系统统一随机抽样 (更多细节见参考 6,7 )。
为了确定结构的数值密度, 我们使用的是已知距离的截面对。在从预定位置的第一部分获得电子显微镜后, TEM 串行部分软件 (由我们的电子显微镜提供的软件包的一部分) 移动到第二部分的对应点, 以便得到相应位置的电子显微镜。这对于预定网格中的每个位置重复。在我们的方法中, 一个检测器用于计算每一对电子显微镜8,9中的粒子数量。一个分解器由一对计数帧组成, 每个部分8,9一个。对象的数值密度仅由在第一节 (或参考部分) 上可见的计数对象确定, 而不是由第二节 (或查找部分) 上可见的计数对象确定。这样就可以快速有效地估计物体的数值密度8,9。此外, 在单截面上, 还可以测量二维结构特征。
我们成功地应用了这一工作流程来评估暴露在丰富环境 (ee) 住房条件下的小鼠海马突触数与标准环境 (se) 住房条件的差异 4,5,并评价在 SE 和 EE5下的野生 (wt) 小鼠与神经肽 y (npy) ko 小鼠的超微结构差异。我们的目标是特别研究神经元的结构特征, 如数字突触密度、横截面活动区的长度和突触后密度、突触裂隙的宽度以及突触囊泡的数量,以评估不同实验条件之间神经元连接和激活的变化。此外, 我们感兴趣的数字密度密度的致密核囊泡 (DCV) 在神经元, 以确定在一定的大脑区域储存的神经肽的数量。
基于我们在上述研究中的成功之处, 在下一步, 我们调整了工作流程, 以选择在人脑样本中进行无偏元素分析的区域。这是为了成像铁, 它储存在铁蛋白分子中的神经元和胶质细胞。为此, 我们编译了一个脚本, 使我们能够自动执行大多数操作, 对定义区域中的大脑部分进行随机筛选。
所有实验都得到了奥地利共和国联邦科学和研究部道德委员会的批准 (Bmwf-80.100.--2-brgt 2007 和 Bwf-66.0. 01--I"-ib 2013), 或格拉茨医科大学道德委员会, 编号 28-549 ex1516, 根据欧洲共同体理事会1986年11月24日的指令 (86件/609eec) 和欧洲议会和理事会2010年9月22日的指令 (201-63/eu) 进行。动物实验的设计和执行方式是尽量减少使用的动物数量。
1. 组织的解剖和固定
2. 通过将振动组部分与鼠标大脑图集 10中的参考部分进行比较, 确定大脑中的感兴趣区域
3. 获取嵌入的采样区域
4. TEM 制剂-嵌入、超薄切片和染色
5. 结合软件包在 TEM 上的参考和查找部分成像相应的 Roi
6. 利用Imagej对 tem 图像进行分析, 记录超微结构特征。
注: 为此, 从参考和查找部分创建对齐的图像堆栈非常重要。
7. 为光学显微镜制作半薄截面, 以记录 TEM 调查所选择的相同 ROI 中的宏观特征 (在本例中为细胞编号)。
8. 使用序列板扫描脚本与数字显微镜 (DM, 配有成像过滤器) 相结合, 优化脑样品中的元素分析。
在这里, 我们描述了一个工作流, 以自动和无偏见的方式选择 TEM 的区域。用户在 TEM 下的超薄部分中选择感兴趣的区域, 并为工作流使用多种软件解决方案, 包括我们的 Rps软件, 该软件自动计算区域内20个采样区域的坐标。兴趣。然后, 将 TEM 阶段移动到每个采样区域进行摄影。这既可以用于分析单个部分, 也可以用于分析对截面的分析, 即已知的距离, 这允许在没有调查员偏见的情况下选择成像区域。
在记录小鼠大脑第4、5节的超微结构特征时, 这一工作流程被证明是有价值的。在这些研究中, 齿状回 (Dentate) 的多形细胞层被作为感兴趣的区域进行了研究。我们的方法被证明适用于检查 DG, 因为背侧 DG (Bregma-1.3) 的冠状部分适合超薄部分, 其轮廓在低放大倍率下很容易识别。如果要检查其他大脑区域, 在规划实验之前, 一定要检查它们的大小和特征。
应用此处描述的工作流程表明, EE 外壳在 DGpl4 中相对于标准住房条件而言, 显著增加了突触裂隙的宽度。此外, 在 ae 宿主动物4中, 致密的核囊泡数量显著减少, 这表明神经肽家族的变化。当 WT 和 NPY 敲除小鼠在 EE 条件下保持时, DGpl 中的神经元数量增加, 而 DCV 的密度相对于 se 外壳5而言而降低.相比之下, NPY 淘汰赛导致与住房条件无关的储备池 (未停靠突触泡) 中突触泡显著增加 5.EE 对 NPY KO 组突触裂隙宽度的影响发生逆转, 导致 ee 固定的 WT 和 NPY KO 小鼠5之间存在显著差异。结合 WT 和 NPY 淘汰赛动物在两种住房条件下的行为研究, 这表明 NPY 对 EE5的神经生物学效应具有至关重要的作用。
为了可视化储存在人脑中的铁, 为 SerialEM 软件编写了一个脚本, 从整个超薄截面内随机选择采集点, 目的是在这些点中的每一个点获得能量过滤电子显微镜.将切片加载到电子显微镜后, 脚本在一夜之间执行了部分的稳定 (即"特殊烹饪" 例程)。然后, 脚本从图 3中标记为光栅的点随机选择了用户预定义的一些点。通过生成测试微图并检查其灰度, 脚本检查所选点是否位于节的可见部分, 拒绝落在网格栏上的点。大多数工作流都是由脚本处理的, 用户的交互最小。但是, 不可能自动记录能量过滤的显微图像 (使用此设置), 因为对于 SerialEM 的自动对焦例程来说, 光线太少。因此, 我们切换到 DM 软件的脚本已移动阶段到每个点, 调整焦点的手, 并使 EFTEM 的铁图像。图 4显示了来自人类大脑死后的 eftem 铁图像的一个示例。
图 1。工作流的插图.(A)显示了样品制备的主要步骤 (箭头方向): 振动部分 (i)、嵌入 (ii)、切割半薄和超薄部分 (iii) 以及在铜网格上捕捉超薄部分对 (iv)。(B)使用显微镜供应商的软件和定制的 rps 软件来创建采样区域坐标, 以确定记录位置。部分的角点存储在显微镜软件中, 并概述了 ROI (在半薄部分的帮助下确定) (i);在 ROI 上生成采样区域的网格, 在 x 和 y 中引入随机移位 (红色箭头)。移位小于采样区域之间的距离 (黑色箭头), 因此, 使用随机移动的蓝色方块不是没有移位的黑色方块 (ii);仅使用 ROI 边界内的采样区域 (绘制为黑色和蓝色方块) 进行记录。在参考部分 (黑色正方形) 和查找部分 (蓝色正方形) (iii) 中的相应位置都进行了微图。(C)在每个采样区域以足够的放大倍率制作显微镜;由多个合并图像组成的蒙太奇, 如果需要 (在这种情况下, 2 x 2 图像合并在一起) (i);将生成计数帧并将其显示为图像中的叠加, 框架内的结构和 "接受线" (虚线) 上的结构将被计数, 但不会对 "禁止线" (实心帧线) (ii) 上的结构进行计数。请点击这里查看此图的较大版本.
图 2.测量具有无偏数帧的一对超薄截面上的超微结构参数。(A)用于计数和分析细胞结构的 ImageJ 窗口概述。左手边显示了以计数框架为叠加的电子显微镜。右侧: ImageJ 用户界面 (蓝色矩形), 带有下拉菜单 (顶部) 和工具栏 (如下所示);对象编辑器 (绿色矩形);对象工具窗口 (橙色矩形), 其中可以选择测量工具和objectj 结果窗口 (黑色矩形), 其中记录了所有测量。(B) a 中显示电子显微镜上有标记的突触的细节 (两个部分上的突触----箭头; 仅在查找部分----箭头上的突触)。这些标记使用 "图像 j" 中工具栏中的"多点工具" (红色圆圈)。(C)突触特征的名称和测量参数是使用Objectj 工具定义的。选择了 "标记工具" 和感兴趣的功能, 并通过沿结构向左单击鼠标在图像中绘制轮廓。请点击这里查看此图的较大版本.
图 3。选择能量过滤透射电子显微镜投资回报率内元素映射的采样区域。序列板用于选择感兴趣的区域, 并建议在固定间距 (图像 A 和 B 中的粉红色交叉) 的大量采样区域。脚本然后随机选择要获取的采样区域 (从这些预定义的坐标)。在 ROI 范围内选择了20个照明良好的采样区域后, 将拒绝照明较差的采样区域, 以避免网格条, 脚本将立即停止。(A)概述了整个感兴趣的区域, 由多边形概述, 有大量可能的采样区域用 x . (b) a 的详细信息显示随机选择之前的采样区域。请点击这里查看此图的较大版本.
图 4。元素图 (eftem) 采集示例。(A)采集点周围区域的明亮场 tem 显微图。随机选择的区域用于获取元素图, 并以黑色矩形进行标记。(B)在随机选择的区域内制作的前边缘窗口图像。(C) eftem 后边缘窗口图像在同一区域制作。(D)同一地区 (m 边) 的铁元素图。请点击这里查看此图的较大版本.
这里介绍的工作流程允许研究人员以公正的方式获取有关超微结构特征的数据。与串行部分的批量调查相比, 这耗费的时间要短得多。为实现这一目标, 使用了几种不同的应用程序。首先, 我们定制的Rps软件 (有关可用性的详细信息, 请联系相应的作者) 用于引入随机阶段转换来选择采样区域坐标。这样就可以对 ROI 进行系统统一的随机抽样。接下来, 对于特定结构的计数, 我们采用了分解方法, 以一种新的方式比较了两个已知距离的连续部分, 与以前的研究13,14, 15 相比,我们使用我们的定制的 RPS 软件, 用于系统均匀的随机抽样。与从串行截面进行三维重构整个卷相比, 这节省了时间。定制的 RPS 软件是专门为一种类型的显微镜开发的, 它是复制工作流的限制因素。此特定软件的另一种方法是允许编写脚本并与其他显微镜模型兼容的应用程序。
我们成功地将这种方法用于比较研究4,5。在神经元组织的超薄部分上, 概述了感兴趣的区域, 并在该区域内进行了系统均匀的随机抽样, 拍摄了图像。必须指出的是, 感兴趣的区域, 齿状回的多形性层, 是一个相当小的研究区域, 这可能有利于我们的方法。在随机放置的检测器中, 我们评估了位于 SE 和 EE 中的成年小鼠 DGpl 中 dgpl 中 dgpl 中 DGCV 的数量和突触的几种超微结构特征, 以及成年 WT 小鼠与成年 NPY 敲除小鼠的数量。使用我们的方法, 收集到的数据显示了一些被调查参数的变化。这些发现证实了其他类似研究的少年动物2。
此工作流的实验用法的一个缺点可能是, 这种多应用程序方法在用户友好性方面并不理想, 因为用户需要适应不同的用户界面 (在我们的情况下, 用户界面, TEM 串行节), RPS 软件和序列化程序软件)。学会以高效的方式处理所有应用程序是耗时的, 应该加以考虑。然而, 投入时间学习使用此工作流仍然是有利的时间, 这是需要分析整个卷与串行部分 TEM。在感兴趣的区域内使用系统均匀随机抽样放置的检测器的方法足以提供可靠的数据1 , 而无需研究大量的分段体积。
为了在我们的研究中最大限度地发挥结果, 在样品制备过程中必须小心, 因为组织和结构的保存不仅对评估结构特征至关重要, 而且对明确确定感兴趣的领域也至关重要。这种方法的一个关键因素, 也许也是另一个缺点, 就是需要高质量的超薄截面对: 在任何一个截面上, 都必须没有覆盖被调查区域的洞或皱纹, 并且截面厚度必须是保持均匀。研究人员必须在超微切除术方面有良好的培训。在对 TEM 中的截面进行成像时, 也必须小心, 因为这些截面对电子束损伤很敏感, 很容易撕裂。此外, 在 ROI 中选择合适的采样区域数量也很重要。根据实验目的, 电子显微镜的放大倍率必须仔细设置。具体对于我们的实验, 计算中枢神经系统中的突触, 面积为 30.25μm2的一个部分上的20个感兴趣的区域是最佳的。建议对人员进行良好的培训, 以识别相关特征 (在我们的情况下, 突触, 突触特征和 DCV), 以获得可靠的结果。为了识别突触, 突触囊泡必须是可识别的, 这需要至少10纳米的分辨率。为此, 5000X 的放大倍率是最佳的, 但必须注意的是, 放大倍率取决于硬件参数, 如相机的类型和位置, 需要适应其他显微镜和/或相机类型。还必须注意的是, 协议使用的应用程序特定于一个 TEM, 具有其他模型的用户必须考虑设置中的差异。
我们相信, 只要研究问题需要系统的统一, 我们的工作流程不仅可以适应神经科学的许多其他应用, 还可以适应生物科学和材料科学的广泛领域 (当需要 TEM 的高分辨率时)随机抽样和要检查的样本量要求有一个时间效率的分析方法。例如, 我们目前对在人脑中本地化铁储存感兴趣。为此, 我们最近调整了我们的工作流程, 以便能够对随机选择的区域中的超薄截面进行元素分析。为了最大限度地减少工作流所需的应用程序数量, 我们的目标是仅使用 SerialEM 软件, 因为可以对其进行编程, 以便将舞台移动到可随机选择的预设点。我们创建了自定义脚本来控制 TEM, 目的是使工作流完全自动化。这证明是可行的, 但在滤波成像模式下自动对焦, 没有得到满意的结果。因此, 我们使用 DM 软件进行聚焦和获取能量过滤图像。
总之, 我们提出的软件解决方案, 以帮助获得电子显微镜在一个公正的方式。
作者没有什么可透露的。
由奥地利科学基金资助, FWF, 项目编号 P 29370 B27
Name | Company | Catalog Number | Comments |
Pentobarbital | SigmaAldrich | P3761 | |
Formaldehyde | Merck | 1040051000 | 1kg |
Glutardialdehyde | Science Services | E 16210 | 25%; 100ml; EM grade |
cacodylate buffer | Merck | C4945 | 250g; Dimethylarsinic acid sodium trihydrate |
Thionine acetate/Ceristain | Merck | 861340 | |
acetic acid | Merck | 1000631000 | 1 L |
Sodium hydroxide | Merck | 1064951000 | 1 kg, pellets |
osmium tetraoxide | Science Services | E 19110 | 10x1g |
TAAB embedding resin | Science Services | TAT001 | 500g |
DMP-30 | Science Services | TAD024 | 100g |
DDSA | Science Services | TAD025 | 500g |
Uranyl acetate dihydrate | Plano GmbH | 19481 | depleted, 25g |
Ultrastain 2 | Leica | 16707235 | Lead citrate |
Toluidine blue solution | Agar Scientific | AGR1727 | 10g |
Pioloform | Plano GmbH | R1275 | 10g Powder |
Proylenoxide | SigmaAldrich | 82320-1L | 1L |
DPX embedding medium | Plano GmbH | R1320 | embedding medium for semi-thin sections on glass slide, 50 ml |
Vibratome, Leica VT 1000 | Leica Microsystems, Vienna, Austria | ||
Leica Ultracut UCT, ultramicrotom | Leica Microsystems, Wetzlar, Germany | ||
Tecnai G2 20 | FEI,Eindhoven, Netherlands | ||
Megaview wide angle camera | Olympus Soft Imaging Solution, Münster, Germany | ||
US 1000 digital camera | Gatan, Pleasanton, USA | ||
TEM Imaging Analysis Software | FEI,Eindhoven, Netherlands | ||
FEI Serial Section Software | FEI,Eindhoven, Netherlands | ||
Fiji, ImageJ 1.52e | National Institute of Health, USA | ||
SPSS 20.0 | SPSS Inc., Chicago, IL, USA | ||
SerialEM | Regents of the University of Colorado | ||
RPS (random point sampling) software 0.9a | custom-made | ||
Disector v1.0.2 (ImageJ macro) | custom-made | ||
EFTEMSerialEM (SerialEM script) | custom-made |
请求许可使用此 JoVE 文章的文本或图形
请求许可This article has been published
Video Coming Soon
版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。