Um die Bilder der fluoreszenzgefärbten Neuronen zu verarbeiten, die mit einem konfokalen Fluoreszenzmikroskop aufgenommen wurden, verwenden Sie eine Phenol-Link-Software zur Bildsegmentierung und Merkmalsextraktion. Laden Sie in der Software die gewünschte Platte, um auf die Daten zuzugreifen und ein gewünschtes Bild auszuwählen. Um eine Bildsegmentierung der beleuchtungskorrigierten Rohbilder durchzuführen, passen Sie die Fluoreszenzintensitäten an, um die verschiedenen Kanäle zu visualisieren.
Bestimmen Sie empirisch die jeweiligen Kanalintensitätsschwellen pro Platte, um sicherzustellen, dass das gewünschte segmentierte Signal dem Signal im Rohbild entspricht und das Hintergrundsignal minimiert wird. Um lebende von toten Zellen zu trennen, definieren Sie die Schwellenwerte für die Größe und Intensität des Zellkerns. Messen Sie die Größe des Zellkerns per Doppelklick und visualisieren Sie die angezeigte Intensität.
Wenn Sie 40 X-Bilder verwenden, behalten Sie die Standardparameter bei und führen Sie die Verarbeitung aus. Mit den daraus resultierenden tabellarischen quantitativen Daten können phänotypische Profile erstellt werden, um verschiedene Zelllinien oder Behandlungsbedingungen zu vergleichen. Führen Sie das Jupyter-Notebook Zelle für Zelle aus, indem Sie die Jupyter-Software für die Generierung und Visualisierung phänotypischer Profile verwenden.
Die Bilder wurden segmentiert und phänotypische Merkmale extrahiert. Insgesamt wurden 126 quantitative Merkmale ermittelt, die zu gut basierten phänotypischen Profilen aggregiert werden konnten. Einige Merkmale zeigten Veränderungen nach der Behandlung mit dem Wirkstoff.
Zum Beispiel nahm die Alpha-Synuclein-Fluoreszenzintensität in Tyrosin-Hydroxylase- oder TH-positiven Zellen nach der Behandlung mit dem LARK2-Kinase-Inhibitor PFE-360 ab. Andere Merkmale, wie die Länge des MAP2-Neuritennetzwerks oder das Verhältnis der TH-positiven Neuronen, zeigten nur Unterschiede zwischen den getesteten Zelllinien, nicht jedoch nach der Behandlung mit der Substanz.