Pour traiter les images des neurones colorés par fluorescence acquises à l’aide d’un microscope à fluorescence confocale, utilisez le logiciel phenol link pour la segmentation des images et l’extraction des caractéristiques. Dans le logiciel, chargez la plaque de votre choix pour accéder aux données et sélectionnez l’image souhaitée. Pour effectuer une segmentation d’image sur les images brutes corrigées de l’éclairage, ajustez les intensités fluorescentes pour visualiser les différents canaux.
Déterminez empiriquement les seuils d’intensité de canal respectifs par plaque pour vous assurer que le signal segmenté souhaité correspond au signal de l’image brute et minimiser le signal de fond. Pour séparer les cellules vivantes des cellules mortes, définissez la taille du noyau et les seuils d’intensité. Mesurez la taille du noyau en double-cliquant et visualisez l’intensité affichée.
Lorsque vous utilisez des images 40 X, conservez les paramètres par défaut et exécutez le traitement. Avec les données quantitatives tabulaires qui en résultent, construisez des profils phénotypiques pour comparer différentes lignées cellulaires ou conditions de traitement. Exécutez le bloc-notes Jupyter cellule par cellule, à l’aide du logiciel Jupyter pour la génération et la visualisation de profils phénotypiques.
Les images ont été segmentées et les caractéristiques phénotypiques ont été extraites. Au total, 126 caractéristiques quantitatives pouvant être agrégées en profils phénotypiques bien fondés ont été déterminées. Certaines caractéristiques ont montré des changements lors du traitement composé.
Par exemple, l’intensité de fluorescence de l’alpha-synucléine dans la tyrosine hydroxylase, ou cellules TH positives, a diminué lors du traitement par l’inhibiteur de la kinase LARK2 PFE-360. D’autres caractéristiques, telles que la longueur du réseau de neurites MAP2 ou le rapport de neurones TH positifs, ne présentaient des différences qu’entre les lignées cellulaires testées, mais pas sur le traitement composé.