Ce travail a été soutenu en partie par une subvention de Busch biomédicale, NSF Grant IBN-0548543, NSF Grant IBN-0919747, Mars of Dimes Foundation Grant 1-FY04-107, Mars of Dimes Foundation Grant 1-FY08-464 (pour BLF). MKK et CGL ont été soutenus par les NIH Biotechnologie Formation T32 Grant GM008339-20, et CGL a également été soutenue par une Commission NJ le cordon Spinal Research Fellowship prédoctorale 08-2941-RCS-E-0.

1. Avant de commencer: 1) la dissection du rat E18: Méthodes de dissection standard des neurones de l&#39;hippocampe E18 ont déjà été décrits 13. Afin d&#39;utiliser le programme Bonfire pour analyser les caractéristiques morphologiques des neurites, 8 bits. Images tif de neurones individuels doivent être obtenues. Ceci peut être accompli dans un certain nombre de façons, selon le protocole expérimental que vous suivez. Les neurones peuvent être étalées à une densité assez faible pour que les neurones simples apparaissent dans le champ du microscope. Sinon, pour les neurones image individuelle qui sont cultivées dans une culture dense, les neurones peuvent être transfectées en utilisant une variété de méthodes de transfection avec un plasmide codant pour une protéine fluorescente. Logiciels requis 2) et d&#39;installation: <ol class="ualpha"><li> Le plugin NeuronJ pour le logiciel ImageJ du NIH et NeuronStudio doivent tous deux être installés afin d&#39;exécuter le programme de Bonfire. Les packs logiciels peuvent être trouvés sur les sites suivants: ImageJ - <a href="http://rsbweb.nih.gov/ij/">http://rsbweb.nih.gov/ij/</a> NeuronJ - <a href="http://www.imagescience.org/meijering/software/neuronj/">http://www.imagescience.org/meijering/software/neuronj/</a> NeuronStudio - <a href="http://research.mssm.edu/cnic/tools-ns.html">http://research.mssm.edu/cnic/tools-ns.html</a> </li><li> Le programme de Bonfire se trouve à l&#39;http://lifesci.rutgers.edu/ ~ Firestein. Le manuel de l&#39;utilisateur Bonfire est également disponible sur ce site. En outre, la description initiale de Bonfire peuvent être trouvés dans Langhammer et al, cytométrie en 2010. Toutes nos données ont été analysées en utilisant un système d&#39;exploitation Windows. </li></ol> 3) Ajustement Résolution d&#39;image: Vous aurez besoin d&#39;ajuster le programme de Bonfire basé sur la résolution d&#39;image de l&#39;image que vous souhaitez analyser. Dans la partie du programme bonfire_parameters Bonfire, remplacez la valeur actuelle de la pix_conv variable avec la valeur de la résolution de l&#39;image (um / pixel) de vos images. 2. Structure du dossier: Pour Bonfire pour analyser vos données, les fichiers doivent être organisées dans cette structure spécifique (figure 2). Vous devrez: <ul><li> Un dossier maître </li><li> Les sous-dossiers (contenant chacun de vos conditions différentes) </li><li> Fichiers d&#39;image cellulaire (fichiers filename.tif) contenus dans les dossiers condition différente </li><li> Un dossier contenant les Bonfire Bonfire Matlab mfiles (également contenus dans le dossier maître) </li></ul> 3. Neurones de traçage dans NeuronJ: <ol><li> Préparer l&#39;image pour le traçage <ol class="lalpha"><li> Ouvrez l&#39;image en sélectionnant le bouton «Ouvrir» dans la barre NeuronJ et en sélectionnant l&#39;image que vous souhaitez tracer. </li><li> Redimensionner l&#39;image en sélectionnant le «maximiser» le bouton. </li><li> Réglez la luminosité et le contraste de l&#39;image afin que vous pouvez visualiser l&#39;ensemble des neurites en sélectionnant &#39;Image&#39; sur la barre d&#39;outils NeuronJ puis en sélectionnant «Réglage de la luminosité / contraste&quot;. </li></ol></li><li> Trace du corps cellulaire dans NeuronJ et d&#39;identifier la trace comme étant «de type 06 &#39; <ol class="lalpha"><li> Sélectionnez le bouton «Ajouter des traces sur la barre d&#39;outils NeuronJ. </li><li> Trace le pourtour du corps cellulaire. </li><li> Sélectionnez le bouton «Tracés étiquette» sur la barre d&#39;outils NeuronJ. </li><li> Sélectionnez «N1» du «traçage ID&quot; menu déroulant. </li><li> Sélectionnez &quot;Type 06&quot; dans le NeuronJ: Attributs de fenêtre et choisissez «OK». </li></ol></li><li> Trace les neurites en NeuronJ <ol class="lalpha"><li> Sélectionnez le bouton «Ajouter des traces sur la barre d&#39;outils NeuronJ. </li><li> Ajouter une trace le long de chaque branche de neurites. Vous pouvez sélectionner uniquement les dendrites ou de l&#39;axone, selon votre expérience. </li><li> Nous suggérons que les segments vous dessinez arrêt à chaque point de la branche, avec chaque point de ramification fille à partir de ce point comme une nouvelle trace. </li><li> Sélectionnez le bouton &#39;Enregistrer tracés sur la barre d&#39;outils NeuronJ. </li><li> Enregistrer le tracé que vous venez de créer dans le même dossier que le fichier image d&#39;origine. </li></ol></li><li> Exportez les fichiers de trace et le fichier d&#39;identification de traces d&#39;NeuronJ Deux types de fichiers doivent être exportés à partir NeuronJ et enregistré dans les dossiers condition appropriée avec le. Tif et les fichiers sdf.. <ol class="lalpha"><li> Sélectionnez le bouton &quot;Exporter Trace» sur la barre d&#39;outils NeuronJ. </li><li> Sélectionnez l&#39;onglet «texte-deliminated fichiers: fichier séparé pour &#39;option sur la« traçabilité de chaque NeuronJ: Export&#39; boîte de dialogue et sélectionnez «OK». </li><li> Autoriser NeuronJ de choisir les noms des fichiers et l&#39;emplacement de sauvegarde. </li><li> Sélectionnez le bouton «Tracés Mesure» sur la barre d&#39;outils NeuronJ. </li><li> Sélectionnez l&#39;option «Afficher les mesures de traçage» sur le «NeuronJ: Mesures« fenêtre et sélectionner &quot;Exécuter&quot;. </li><li> Sélectionnez &quot;Fichier&quot; dans la &quot;NeuronJ: tracés&quot; fenêtre. </li><li> Sélectionnez «Enregistrer sous» et sauvegardez le fichier que Filename_info. &#39;Filename&#39; doit correspondre exactement au nom du fichier de l&#39;image originale (y compris la capitalisation) suivie par _info et ne doivent pas contenir une lettre de 3-extension de fichier. Par exemple, pour l&#39;image Cell20.tif nom d&#39;origine, ce fichier serait nommé &#39;Cell20_info ». Vérifiez que votre ordinateur ne dispose pas d&#39;ajouter automatiquement une extension de fichier. Xls. Si c&#39;est le cas, l&#39;extension du fichier doit être supprimé manuellement. </li></ol></li></ol> 4. Utilisez Bonfire pour construire préliminaires à partir des données des fichiers SWC NeuronJ.: <ol><li> Réorganiser des dossiers en utilisant &#39;bonfire_load&#39; <ol class="lalpha"><li> Ouvrez Matlab en double-cliquant sur l&#39;icône. </li><li> Cliquez sur le bouton &#39;&quot;en haut à droite de la fenêtre de commande. </li><li> Sélectionnez le &#39;Bonfire&#39; dossier dans votre dossier maître dans la &quot;Rechercher un dossier&quot; fenêtre. </li><li> Type &#39;bonfire_load »dans la fenêtre de commande Matlab et appuyez sur ENTRÉE. </li><li> Sélectionnez le dossier à condition que vous souhaitez analyser dans le «Browse For Folder&quot; fenêtre et choisissez «OK». </li><li> Ce sera de réorganiser la structure du dossier en créant des cellules des sous-dossiers contenant toutes les données pour chaque cellule individuelle. </li></ol></li><li> Créez des fichiers en utilisant filename_prelim.swc &#39;bonfire_ndf2swc&#39; <ol class="lalpha"><li> «Bonfire_ndf2swc« taper dans la fenêtre de commande et appuyez sur Entrée. </li><li> Sélectionnez le dossier que vous venez de la condition même réorganisé avec &#39;bonfire_load&#39; dans le &#39;Browse For Folder &quot;fenêtre et choisissez« OK ». </li><li> Cela va créer un fichier. Swc dans chaque dossier de cellules pour la condition choisie. Chaque dossier de cellule contient maintenant 5 fichiers;. L&#39;image originale tif, le fichier sdf, le fichier de trace _info identifiant, un fichier txt et un fichier SWC.... </li></ol></li></ol> 5. Utilisez NeuronStudio pour finaliser les fichiers SWC.: <ol><li> Ouvrir et calibrer les images neurone dans NeuronStudio <ol class="lalpha"><li> Ouvrez le programme NeuronStudio. </li><li> Sélectionnez Fichier → Ouvrir la barre d&#39;outils NeuronStudio. </li><li> Trouvez l&#39;image. Tif du neurone que vous voulez modifier et ouvrez-le. </li><li> Sélectionnez Exécuter et entrez → Paramètres &#39;1 &#39;dans chacune des 3 (X, Y, Z) cases dans la fenêtre&#39; taille de voxel ». </li><li> Sélectionnez Fichier → Importer CFC. Sélectionnez le fichier approprié. Swc. Le fichier image sera désormais recouvert d&#39;une image de trace. Le corps cellulaire devrait être recouvert d&#39;un cercle rouge. </li></ol></li><li> Utilisez NeuronStudio aux neurites lien <ol class="lalpha"><li> Utiliser les outils de NeuronStudio d&#39;identifier correctement les points de ramification et de points d&#39;extrémité (nous vous recommandons de se familiariser avec les caractéristiques NeuronStudio et raccourcis avant d&#39;analyser vos données). </li><li> Plus précisément, l&#39;utilisation du «outil neurites d&#39;adhérer à des nœuds de sorte que: <ul><li> Chaque point de ramification (nœuds jaune) ne peut créer que deux branches </li><li> Toutes les traces sont continues avec le soma (un seul nœud rouge) </li></ul></li></ol></li><li> Exporter des données de NeuronStudio <ol class="lalpha"><li> Sélectionnez Fichier → Enregistrer neurites (enregistrer sous le nom par défaut). </li></ol></li><li> Vérifiez les erreurs dans les fichiers. Swc utilisant &#39;bonfire_trace_check&#39; <ol class="lalpha"><li> «Bonfire_trace_check« taper dans la fenêtre de commande Matlab et appuyez sur Entrée. </li><li> Sélectionnez le dossier contenant l&#39;état des données que vous venez de traiter dans le «Browse For Folder&quot; fenêtre et choisissez «OK». </li><li> S&#39;il ya des erreurs dans l&#39;une des images dans le dossier, le programme de sortie des images montrant où se situe l&#39;erreur. </li><li> Correction des erreurs dans les NeuronStudio <ol class="lroman"><li> Ouvrez le fichier image que vous avez enregistré à l&#39;étape exportation. </li><li> Localiser et résoudre le problème (s). </li><li> Cliquez sur Fichier → Enregistrer neurites. </li><li> Répétez l&#39;opération pour d&#39;autres images qui doivent être fixes. </li><li> Relancer &#39;bonfire_trace_check&#39; (5,4). </li></ol></li></ol></li></ol> 6. Utilisez «feu de joie&quot; pour extraire des données morphologiques à partir des fichiers SWC.: <ol class="lalpha"><li> &quot;Feu de joie&quot; taper dans la fenêtre de commande et appuyez sur Entrée. </li><li> Sélectionnez le dossier état qui contient les données que vous souhaitez analyser dans le «Browse For Folder&quot; fenêtre et choisissez «OK». </li><li> L&#39;analyse Bûcher va générer une fenêtre pour chacun des neurones en cours d&#39;analyse, dans laquelle elle graphiques de la morphologie neuronale avec les anneaux Sholl utilisées dans l&#39;analyse. De plus, la commande &#39;feu de joie »va générer le fichier. Matelas qui contient toutes les informations morphologiques qui ont été prises à partir de l&#39;analyse. </li></ol> 7. Utilisez &#39;bonfire_results&#39; pour afficher les données: <ol class="lalpha"><li> Type &#39;bonfire_results »dans la fenêtre de commande Matlab. </li><li> Sélectionnez le dossier condition pour la condition que vous voulez voir dans le «Browse For Folder&quot; fenêtre et choisissez «OK». </li><li> Le «Rechercher un dossier&quot; fenêtre se fermera temporairement et re-ouvert, vous permettant de sélectionner des conditions supplémentaires que vous aimeriez voir. </li><li> Lorsque vous avez terminé la sélection des dossiers condition, sélectionnez «Annuler» pour quitter le processus de sélection. </li><li> «Bonfire_results &#39;sera de retour tableaux récapitulatifs, y compris ede données électronique de l&#39;état des dossiers que vous avez sélectionnée. </li></ol> 8. Utilisez &#39;bonfire_export »pour exporter des données vers Excel: <ol class="lalpha"><li> Type &#39;bonfire_export »dans la fenêtre de commande. </li><li> Sélectionnez le dossier contenant la condition des données que vous souhaitez exporter dans le «Browse For Folder&quot; fenêtre et choisissez «OK». Bonfire_export créera des fichiers Excel des données morphologiques et les placer dans le dossier la condition qui a été sélectionné. </li></ol> 9. Les résultats représentatifs: Un exemple des données générées par le programme Bonfire sur un ensemble de données contenant deux conditions est représenté dans la figure 3. Dans cet exemple, la condition 1 neurones contiennent plus de neurites distale vers le corps cellulaire. Ce phénomène peut être observé dans les images par exemple (figure 3B), ainsi que dans la courbe de l&#39;Sholl dendritiques totale Arbor (figure 3A) et dans le graphe du nombre de points terminaux (figure 3C). De plus, parce que le programme effectue également des analyses Bonfire Sholl le sous-régions de l&#39;image, nous sommes en mesure d&#39;identifier plus précisément l&#39;identité des neurites qui ont augmenté. Tant le nombre total d&#39;intersections de 3 e degré ou plus neurites (figure 3F) et le nombre total de fois intermédiaire et neurites terminal (Figure 3G) sont augmentés distale vers le corps cellulaire. Ces tendances peuvent aussi être observés dans les figures 3D et 3E. <img src="/files/ftp_upload/2354/2354fig1.jpg" alt="Figure 1" /> Figure 1:. Organigramme du programme de Bonfire neurones sont tracées à l&#39;aide d&#39;ImageJ. Les données sont ensuite exportés et converties par le programme Bonfire en préliminaire. Fichiers SWC. NeuronStudio est utilisé pour définir la connectivité des neurites. Bonfire chèques pour les erreurs, puis calcule les courbes Sholl, le nombre de primaires, afin neurites secondaire et supérieur, et le nombre de points de branchement et des conseils neurites. Enfin, les données sont exportées vers Excel pour l&#39;analyse statistique. <img src="/files/ftp_upload/2354/2354fig2.jpg" alt="Figure 2" /> Figure 2: Structure des fichiers nécessaires à l&#39;analyse Bonfire La structure du fichier doit correspondre à cette ou le programme ne fonctionnera pas correctement.. Les noms des dossiers et des fichiers et la quantité des dossiers et les fichiers peuvent être modifiés. <img src="/files/ftp_upload/2354/2354fig3.jpg" alt="Figure 3" /> Figure 3: Exemple de sortie de données du programme de Bonfire Un courbes) Sholl Total.. B) Exemple inversé des images de ces deux conditions. C) Nombre moyen de points de branchement et les points terminaux / cellule. D) Nombre moyen de processus / cellule primaire, secondaire et tertiaire ou supérieur neurites. E) Nombre moyen de processus / cellule pour la racine, intermédiaire et neurites terminaux. L&#39;identité spécifique segment F) courbes d&#39;analyse Sholl. Les segments sont regroupées comme primaire, secondaire ou tertiaire ou supérieure. L&#39;identité spécifique segment g) l&#39;analyse des courbes Sholl. Les segments sont regroupés en segments de racines, les segments intermédiaires, ou des segments terminaux.

<ol>
	<li>Elston, G. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pyramidal+cells+of+the+frontal+lobe:+all+the+more+spinous+to+think+with.">Pyramidal cells of the frontal lobe: all the more spinous to think with.</a> J Neurosci. 20, (2000).</li><li>Koch, C., Segev, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+single+neurons+in+information+processing.">The role of single neurons in information processing.</a> Nat Neurosci. , 1171-1177 (2000).</li><li>Poirazi, P., Mel, B. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+active+dendrites+and+structural+plasticity+on+the+memory+capacity+of+neural+tissue.">Impact of active dendrites and structural plasticity on the memory capacity of neural tissue.</a> Neuron. 29, 779-796 (2001).</li><li>Schaefer, A. T., Larkum, M. E., Sakmann, B., Roth, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Coincidence+detection+in+pyramidal+neurons+is+tuned+by+their+dendritic+branching+pattern.">Coincidence detection in pyramidal neurons is tuned by their dendritic branching pattern.</a> J Neurophysiol. 89, 3143-3154 (2003).</li><li>Vetter, P., Roth, A., Hausser, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Propagation+of+action+potentials+in+dendrites+depends+on+dendritic+morphology.">Propagation of action potentials in dendrites depends on dendritic morphology.</a> J Neurophysiol. 85, 926-937 (2001).</li><li>Hausser, M., Spruston, N., Stuart, G. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diversity+and+dynamics+of+dendritic+signaling.">Diversity and dynamics of dendritic signaling.</a> Science. 290, 739-744 (2000).</li><li>Brette, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Simulation+of+networks+of+spiking+neurons:+a+review+of+tools+and+strategies.">Simulation of networks of spiking neurons: a review of tools and strategies.</a> J Comput Neurosci. 23, 349-398 (2007).</li><li>Arendt, T., Zvegintseva, H. G., Leontovich, T. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dendritic+changes+in+the+basal+nucleus+of+Meynert+and+in+the+diagonal+band+nucleus+in+Alzheimer's+disease--a+quantitative+Golgi+investigation.">Dendritic changes in the basal nucleus of Meynert and in the diagonal band nucleus in Alzheimer's disease--a quantitative Golgi investigation.</a> Neuroscience. 19, 1265-1278 (1986).</li><li>Harrison, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+neuropathology+of+schizophrenia.+A+critical+review+of+the+data+and+their+interpretation.">The neuropathology of schizophrenia. A critical review of the data and their interpretation.</a> Brain. 122, 593-624 (1999).</li><li>Lewis, D. A., Glantz, L. A., Pierri, J. N., Sweet, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Altered+cortical+glutamate+neurotransmission+in+schizophrenia:+evidence+from+morphological+studies+of+pyramidal+neurons.">Altered cortical glutamate neurotransmission in schizophrenia: evidence from morphological studies of pyramidal neurons.</a> Ann N Y Acad Sci. 1003, 102-112 (2003).</li><li>Kaufmann, W. E., Moser, H. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dendritic+anomalies+in+disorders+associated+with+mental+retardation.">Dendritic anomalies in disorders associated with mental retardation.</a> Cereb Cortex. 10, 981-991 (2000).</li><li>Georges, P. C., Hadzimichalis, N. M., Sweet, E. S., Firestein, B. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+yin-yang+of+dendrite+morphology:+unity+of+actin+and+microtubules.">The yin-yang of dendrite morphology: unity of actin and microtubules.</a> Mol Neurobiol. 38, 270-284 (2008).</li><li>Firestein, B. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cypin:+a+cytosolic+regulator+of+PSD-95+postsynaptic+targeting.">Cypin: a cytosolic regulator of PSD-95 postsynaptic targeting.</a> Neuron. 24, 659-672 (1999).</li></ol>

Les auteurs déclarent pas des intérêts concurrents. Les organismes de financement n&#39;a joué aucun rôle scientifique dans le développement de Bonfire.

Le programme de Bonfire est un programme semi-automatisé pour l&#39;analyse de la morphologie des dendrites et des axones. Il augmente considérablement l&#39;efficacité et la précision de l&#39;analyse Sholl plus procéder à l&#39;analyse manuelle. En outre, le programme enregistre les données Bonfire à chaque étape du processus, ce qui permet de vérifier les données et de vérifier l&#39;exactitude de l&#39;analyse. Par conséquent, la tâche de l&#39;analyse des données peuvent être distribuées à de nomb...

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">	
		
		<div>
		<table border="1">
		<thead>
		<tr>
		<th>Material Name</th>
		<th>Type</th>
		<th>Company</th>
		<th>Catalogue Number</th>
		<th>Comment</th>
		</tr>
		</thead>
		<tbody>
		
<tr>
<td>NeuronJ plugin</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td><a href="http://www.imagescience.org/meijering/software/neuronj/">http://www.imagescience.org/meijering/software/neuronj/</a></td>
</tr>
<tr>
<td>ImageJ software</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td><a href="http://rsbweb.nih.gov/ij/">http://rsbweb.nih.gov/ij/</a></td>
</tr>
<tr>
<td>Bonfire program</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td><a href="http://lifesci.rutgers.edu/~firestein">http://lifesci.rutgers.edu/~firestein</a></td>
</tr>
<tr>
<td>NeuronStudio</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td><a href="http://research.mssm.edu/cnic/tools-ns.html">http://research.mssm.edu/cnic/tools-ns.html</a></td>
</tr>
<tr>
<td>MatLab Program</td>
<td>&nbsp;</td>
<td>MathWorks</td>
<td>&nbsp;</td>
<td>&nbsp;</td>		</tbody>
		</table>
		</div>

automated sholl analysis of digitized neuronal morphology at multiple scales

Morphologie neuronale joue un rôle important dans la détermination de fonctionnement des neurones et communiquer 1-3. Plus précisément, elle affecte la capacité des neurones à recevoir les contributions des autres cellules 2 et contribue à la propagation des potentiels d&#39;action 4,5. La morphologie des neurites affecte également la manière dont l&#39;information est traitée. La diversité des morphologies dendrites facilitent la signalisation portée locale et long terme et permettent aux neurones individuels ou de groupes de neurones pour effectuer des fonctions spécialisées au sein du réseau neuronal 6,7. Altérations de la morphologie des dendrites, notamment la fragmentation des dendrites et des changements dans la ramification des motifs, ont été observées dans un certain nombre d&#39;états pathologiques, y compris la maladie d&#39;Alzheimer 8, la schizophrénie 9,10, et un retard mental 11. La capacité à la fois de comprendre les facteurs qui façonnent la morphologie des dendrites et d&#39;identifier les changements dans la morphologie des dendrites est essentielle dans la compréhension du fonctionnement du système nerveux et de dysfonctionnement. La morphologie des neurites est souvent analysée par analyse Sholl et en comptant le nombre de neurites et le nombre d&#39;extrémités de branches. Cette analyse est généralement appliquée aux dendrites, mais il peut également être appliquée à des axones. L&#39;exécution de cette analyse par la main prend du temps et des fois introduit inévitablement variabilité due à un biais expérimentateur et l&#39;incohérence. Le programme de Bonfire est une approche semi-automatisé pour l&#39;analyse de la morphologie des dendrites et des axones qui s&#39;appuie sur disposition open-source des outils d&#39;analyse morphologique. Notre programme permet de détecter des variations locales de dendrite et axone branchement comportements en effectuant des analyses sur les sous-régions Sholl de la tonnelle neuritique. Par exemple, l&#39;analyse est effectuée sur Sholl fois le neurone comme un tout, ainsi que sur chaque sous-ensemble des processus (primaires, secondaires, terminaux, des racines, etc) Dendrite et la structuration axone est influencée par un certain nombre de facteurs intracellulaires et extracellulaires, de nombreux agir localement. Ainsi, la morphologie tonnelle qui en résulte est une suite de processus spécifiques agissant sur ​​neurites spécifiques, ce qui rend nécessaire d&#39;effectuer une analyse morphologique sur une plus petite échelle, afin d&#39;observer ces variations locales 12. Le programme de Bonfire nécessite l&#39;utilisation de deux outils d&#39;analyse open-source, le plugin pour ImageJ et NeuronJ NeuronStudio. Les neurones sont tracées dans ImageJ, et NeuronStudio est utilisé pour définir la connectivité entre les neurites. Bonfire contient un certain nombre de scripts personnalisés écrits dans MATLAB (The MathWorks) qui sont utilisés pour convertir les données dans le format approprié pour une analyse plus approfondie, vérifier les erreurs d&#39;utilisateur, et, finalement, effectuer une analyse Sholl. Enfin, les données sont exportées vers Excel pour l&#39;analyse statistique. Un organigramme du programme de Bonfire est montré dans la figure 1.

Watch this Scientific Journal Video about Automated Sholl Analysis of Digitized Neuronal Morphology at Multiple Scales at JoVE.com

Automated Sholl Analysis of Digitized Neuronal Morphology at Multiple Scales

Nous avons développé un programme informatique pour analyser la morphologie des neurones. En combinaison avec deux ouverts existants des outils d&#39;analyse de source, notre programme effectue une analyse Sholl et détermine le nombre de neurites, points de branchement, et des conseils neurites. Les analyses sont effectuées de telle sorte que les modifications locales dans la morphologie des neurites peut être observée.

Analyse automatisée des Sholl morphologie neuronale numérisés à de multiples échelles

Neuronal morphology plays a significant role in determining how neurons function and communicate1-3.  Specifically, it affects the ability of neurons to ...

automated-sholl-analysis-digitized-neuronal-morphology-at-multiple

Research

JoVE Journal

Neuroscience

33.3K vues.  Rutgers University. Nous avons développé un programme informatique pour analyser la morphologie des neurones. En combinaison avec deux ouverts existants des outils d'analyse de source, notre programme effectue une analyse Sholl et détermine le nombre de neurites, points de branchement, et des conseils neurites. Les analyses sont effectuées de telle sorte que les modifications locales dans la morphologie des neurites peut être observée.

Vidéo: Automated Sholl Analysis of Digitized Neuronal Morphology at Multiple Scales

Analysis of Dendritic Spine Morphology in Cultured CNS Neurons

Dendritic spines are the sites of the majority of excitatory connections within the brain, and form the post-synaptic 
compartment of synapses. These structures are rich in actin and have been shown to be highly dynamic. In response to classical Hebbian plasticity 
as well as neuromodulatory signals, dendritic spines can change shape and number, which is thought to be critical for the refinement of neural 
circuits and the processing and storage of information within the brain. Within dendritic spines, a complex network of proteins link extracellular 
signals with the actin cyctoskeleton allowing for control of dendritic spine morphology and number. Neuropathological studies have demonstrated that 
a number of disease states, ranging from schizophrenia to autism spectrum disorders, display abnormal dendritic spine morphology or numbers. 
Moreover, recent genetic studies have identified mutations in numerous genes that encode synaptic proteins, leading to suggestions that these 
proteins may contribute to aberrant spine plasticity that, in part, underlie the pathophysiology of these disorders. In order to study the potential 
role of these proteins in controlling dendritic spine morphologies/number, the use of cultured cortical neurons offers several advantages. Firstly, 
this system allows for high-resolution imaging of dendritic spines in fixed cells as well as time-lapse imaging of live cells. Secondly, this in 
vitro system allows for easy manipulation of protein function by expression of mutant proteins, knockdown by shRNA constructs, or pharmacological 
treatments. These techniques allow researchers to begin to dissect the role of disease-associated proteins and to predict how mutations of these 
proteins may function in vivo.

Numerous recent studies have identified mutations in synaptic proteins associated with brain pathologies. Primary cultured cortical neurons offer great flexibility in examining the effects of these disease-associated proteins on dendritic spine morphology and motility.

L&#39;analyse de la morphologie des épines dendritiques dans les neurones du SNC de culture

Dendritic spines are the sites of the majority of excitatory connections within the brain, and form the post-synaptic 
compartment of synapses. These ...

Recherche

Neurosciences

The Analysis of Purkinje Cell Dendritic Morphology in Organotypic Slice Cultures

Purkinje cells are an attractive model system for studying dendritic development, because they have an impressive dendritic tree which is strictly oriented in the sagittal plane and develops mostly in the postnatal period in small rodents 3. Furthermore, several antibodies are available which selectively and intensively label Purkinje cells including all processes, with anti-Calbindin D28K being the most widely used. For viewing of dendrites in living cells, mice expressing EGFP selectively in Purkinje cells 11 are available through Jackson labs. Organotypic cerebellar slice cultures cells allow easy experimental manipulation of Purkinje cell dendritic development because most of the dendritic expansion of the Purkinje cell dendritic tree is actually taking place during the culture period 4. We present here a short, reliable and easy protocol for viewing and analyzing the dendritic morphology of Purkinje cells grown in organotypic cerebellar slice cultures. For many purposes, a quantitative evaluation of the Purkinje cell dendritic tree is desirable. We focus here on two parameters, dendritic tree size and branch point numbers, which can be rapidly and easily determined from anti-calbindin stained cerebellar slice cultures. These two parameters yield a reliable and sensitive measure of changes of the Purkinje cell dendritic tree. Using the example of treatments with the protein kinase C (PKC) activator PMA and the metabotropic glutamate receptor 1 (mGluR1) we demonstrate how differences in the dendritic development are visualized and quantitatively assessed. The combination of the presence of an extensive dendritic tree, selective and intense immunostaining methods, organotypic slice cultures which cover the period of dendritic growth and a mouse model with Purkinje cell specific EGFP expression make Purkinje cells a powerful model system for revealing the mechanisms of dendritic development.

We present a protocol that permits to view and to quantitatively asses the morphology of the dendritic tree of individual Purkinje cells grown in organotypic cerebellar slice cultures. This protocol is intended to promote studies on the mechanisms of Purkinje cell dendritic development.

L&#39;analyse de la morphologie de Purkinje cellules dendritiques dans les cultures organotypique

Purkinje cells are an attractive model system for studying dendritic development, because they have an impressive dendritic tree which is strictly ...

Genetic Manipulation of Cerebellar Granule Neurons In Vitro and In Vivo to Study Neuronal Morphology and Migration

Developmental events in the brain including neuronal morphogenesis and migration are highly orchestrated processes. In vitro and in vivo analyses allow for an in-depth characterization to identify pathways involved in these events. Cerebellar granule neurons (CGNs) that are derived from the developing cerebellum are an ideal model system that allows for morphological analyses. Here, we describe a method of how to genetically manipulate CGNs and how to study axono- and dendritogenesis of individual neurons. With this method the effects of RNA interference, overexpression or small molecules can be compared to control neurons. In addition, the rodent cerebellar cortex is an easily accessible in vivo system owing to its predominant postnatal development. We also present an in vivo electroporation technique to genetically manipulate the developing cerebella and describe subsequent cerebellar analyses to assess neuronal morphology and migration.

Genetic Manipulation of Cerebellar Granule Neurons In Vitro and In Vivo to Study Neuronal Morphology and Migration

Neuronal morphogenesis and migration are crucial events underlying proper brain development. Here, we describe methods to genetically manipulate cultured cerebellar granule neurons and the developing cerebellum for the assessment of morphology and migratory characteristics of neurons.

Manipulation génétique des neurones du cervelet granules<em&gt; In Vitro</em&gt; Et<em&gt; In Vivo</em&gt; À étudier neuronale Morphologie et migration

Developmental events in the brain including neuronal morphogenesis and migration are highly orchestrated processes. In vitro and in vivo analyses allow ...

Simultaneous Long-term Recordings at Two Neuronal Processing Stages in Behaving Honeybees

In both mammals and insects neuronal information is processed in different higher and lower order brain centers. These centers are coupled via convergent and divergent anatomical connections including feed forward and feedback wiring. Furthermore, information of the same origin is partially sent via parallel pathways to different and sometimes into the same brain areas. To understand the evolutionary benefits as well as the computational advantages of these wiring strategies and especially their temporal dependencies on each other, it is necessary to have simultaneous access to single neurons of different tracts or neuropiles in the same preparation at high temporal resolution. Here we concentrate on honeybees by demonstrating a unique extracellular long term access to record multi unit activity at two subsequent neuropiles1, the antennal lobe (AL), the first olfactory processing stage and the mushroom body (MB), a higher order integration center involved in learning and memory formation, or two parallel neuronal tracts2 connecting the AL with the MB.&#160;The latter was chosen as an example and will be described in full. In the supporting video the construction and permanent insertion of flexible multi&#160;channel wire electrodes is demonstrated. Pairwise differential amplification of the micro&#160;wire electrode channels drastically reduces the noise and verifies that the source of the signal is closely related to the position of the electrode tip. The mechanical flexibility of the used wire electrodes allows stable invasive long&#160;term recordings over many hours up to days, which is a clear advantage compared to conventional extra&#160;and intracellular in vivo recording techniques.

Simultaneous extracellular long term recordings from two different brain neuropiles or two different anatomical tracts were established in honeybees. These recordings allow the investigation of temporal aspects of neuronal processing across different brain areas at the single neuron as well as at the ensemble level in a behaving animal.

Les enregistrements simultanés à long terme à deux étapes de traitement neuronal à se conduire abeilles

In both mammals and insects neuronal information is processed in different higher and lower order brain centers. These centers are coupled via convergent ...

Utilizing Combined Methodologies to Define the Role of Plasma Membrane Delivery During Axon Branching and Neuronal Morphogenesis

During neural development, growing axons extend to multiple synaptic partners by elaborating axonal branches. Axon branching is promoted by extracellular guidance cues like netrin-1 and results in dramatic increases to the surface area of the axonal plasma membrane. Netrin-1-dependent axon branching likely involves temporal and spatial control of plasma membrane expansion, the components of which are supplied through exocytic vesicle fusion. These fusion events are preceded by formation of SNARE complexes, comprising a v-SNARE, such as VAMP2 (vesicle-associated membrane protein 2), and plasma membrane t-SNAREs, syntaxin-1 and SNAP25 (synaptosomal-associated protein 25). Detailed herein isa multi-pronged approach used to examine the role of SNARE mediated exocytosis in axon branching. The strength of the combined approach is data acquisition at a range of spatial and temporal resolutions, spanning from the dynamics of single vesicle fusion events in individual neurons to SNARE complex formation and axon branching in populations of cultured neurons. This protocol takes advantage of established biochemical approaches to assay levels of endogenous SNARE complexes and Total Internal Reflection Fluorescence (TIRF) microscopy of cortical neurons expressing VAMP2 tagged with a pH-sensitive GFP (VAMP2-pHlourin) to identify netrin-1 dependent changes in exocytic activity in individual neurons. To elucidate the timing of netrin-1-dependent branching, time-lapse differential interference contrast (DIC) microscopy of single neurons over the order of hours is utilized. Fixed cell immunofluorescence paired with botulinum neurotoxins that cleave SNARE machinery and block exocytosis demonstrates that netrin-1 dependent axon branching requires SNARE-mediated exocytic activity.

Light microscopy techniques coupled with biochemical assays elucidate the involvement of SNARE-mediated exocytosis in netrin-dependent axon branching. This combination of techniques permits identification of molecular mechanisms controlling axon branching and cell shape change.

Utilisant Méthodologies combinés pour définir le rôle du Plasma Membrane Livraison Pendant Axon Branching et Neuronal morphogénèse

During neural development, growing axons extend to multiple synaptic partners by elaborating axonal branches. Axon branching is promoted by extracellular ...

Peering at Brain Polysomes with Atomic Force Microscopy

The translational machinery, i.e., the polysome or polyribosome, is one of the biggest and most complex cytoplasmic machineries in cells. Polysomes, formed by ribosomes, mRNAs, several proteins and non-coding RNAs, represent integrated platforms where translational controls take place. However, while the ribosome has been widely studied, the organization of polysomes is still lacking comprehensive understanding. Thus much effort is required in order to elucidate polysome organization and any novel mechanism of translational control that may be embedded. Atomic force microscopy (AFM) is a type of scanning probe microscopy that allows the acquisition of 3D images at nanoscale resolution. Compared to electron microscopy (EM) techniques, one of the main advantages of AFM is that it can acquire thousands of images both in air and in solution, enabling the sample to be maintained under near physiological conditions without any need for staining and fixing procedures. Here, a detailed protocol for the accurate purification of polysomes from mouse brain and their deposition on mica substrates is described. This protocol enables polysome imaging in air and liquid with AFM and their reconstruction as three-dimensional objects. Complementary to cryo-electron microscopy (cryo-EM), the proposed method can be conveniently used for systematically analyzing polysomes and studying their organization.

While ribosome structure has been extensively characterized, the organization of polysomes is still understudied. To overcome this lack of knowledge, we present here a detailed preparation protocol for accurate imaging of mammalian polysomes by atomic force microscopy (AFM) in air and liquid.

Peering au cerveau polysomes avec Atomic Force Microscopy

The translational machinery, i.e., the polysome or polyribosome, is one of the biggest and most complex cytoplasmic machineries in cells. Polysomes, ...

Measuring Progressive Neurological Disability in a Mouse Model of Multiple Sclerosis

After intracerebral infection with the Theiler's Murine Encephalomyelitis Virus (TMEV), susceptible SJL mice develop a chronic-progressive demyelinating disease, with clinical features similar to the progressive forms of multiple sclerosis (MS). The mice show progressive disability with loss of motor and sensory functions, which can be assessed with multiple apparatuses and protocols. Among them, the Rotarod performance test is a very common behavioral test, its advantage being that it provides objective measurements, but it is often used assuming that it is straightforward and simple. In contrast to visual scoring systems used in some models of MS, which are highly subjective, the Rotarod test generates an objective, measurable, continuous variable (i.e., length of time), allowing almost perfect inter-rater concordances. However, inter-laboratory reliability is only achieved if the various testing parameters are replicated. In this manuscript, recommendations of specific testing parameters, such as size, speed, and acceleration of the rod; amount of training given to the animals; and data processing, are presented for the Rotarod test.

An optimized testing protocol is presented in this paper for the Rotarod performance test, used for measuring progressive neurological disability in TMEV-infected mice.

Mesure progressive neurologique invalidité dans un modèle murin de la sclérose en plaques

After intracerebral infection with the Theiler's Murine Encephalomyelitis Virus (TMEV), susceptible SJL mice develop a chronic-progressive demyelinating ...

Analyzing Dendritic Morphology in Columns and Layers

In many regions of the central nervous systems, such as the fly optic lobes and the vertebrate cortex, synaptic circuits are organized in layers and columns to facilitate brain wiring during development and information processing in developed animals. Postsynaptic neurons elaborate dendrites in type-specific patterns in specific layers to synapse with appropriate presynaptic terminals. The fly medulla neuropil is composed of 10 layers and about 750 columns; each column is innervated by dendrites of over 38 types of medulla neurons, which match with the axonal terminals of some 7 types of afferents in a type-specific fashion. This report details the procedures to image and analyze dendrites of medulla neurons. The workflow includes three sections: (i) the dual-view imaging section combines two confocal image stacks collected at orthogonal orientations into a high-resolution 3D image of dendrites; (ii) the dendrite tracing and registration section traces dendritic arbors in 3D and registers dendritic traces to the reference column array; (iii) the dendritic analysis section analyzes dendritic patterns with respect to columns and layers, including layer-specific termination and planar projection direction of dendritic arbors, and derives estimates of dendritic branching and termination frequencies. The protocols utilize custom plugins built on the open-source MIPAV (Medical Imaging Processing, Analysis, and Visualization) platform and custom toolboxes in the matrix laboratory language. Together, these protocols provide a complete workflow to analyze the dendritic routing of Drosophila medulla neurons in layers and columns, to identify cell types, and to determine defects in mutants.

Here, we show how to analyze dendritic routing of Drosophila medulla neurons in columns and layers. The workflow includes a dual-view imaging technique to improve the image quality and computational tools for tracing, registering dendritic arbors to the reference column array and for analyzing the dendritic structures in 3D space.

Analyse dendritique Morphologie dans les colonnes et les couches

In many regions of the central nervous systems, such as the fly optic lobes and the vertebrate cortex, synaptic circuits are organized in layers and ...

Automated Gait Analysis in Mice with Chronic Constriction Injury

The von Frey test is a classical method that has been widely used to examine the sensory function of neuropathic pain animals. However, it has some disadvantages such as subjective data and the requirement of a skilled, experienced experimenter. To date, a variety of modifications have improved the von Frey method, but it still has a few limitations. Recent reports have suggested that gait analysis produces more accurate and objective data from the neuropathic animals. This protocol demonstrates how to perform the automated gait analysis to determine the degree of neuropathic pain in mice. After several days of acclimation, the mice were allowed to walk freely on the glass floor to illuminate footprints. Then, quantification of the footprints and gait were performed through video clips with automatic analysis of various walking parameters, such as area of paw print, swing time, angle of paw, etc.
The main purpose of this study is to describe the methodology of automated gait analysis and briefly compare it with data from the classical sensory test using von Frey filament.

The precise assessment of pain response in a neuropathic animal model is critical to investigate the pathophysiology of pain diseases and develop new analgesics. We present a sensitive and objective method to determine the sensory function of the rodent hind paw by an automated gait analysis system.

Analyse automatisée Gait chez la souris avec la blessure de Constriction chronique

The von Frey test is a classical method that has been widely used to examine the sensory function of neuropathic pain animals. However, it has some ...

Quantitative Analysis of Neuronal Dendritic Arborization Complexity in Drosophila

Dendrites are the branched projections of a neuron, and dendritic morphology reflects synaptic organization during the development of the nervous system. Drosophila larval neuronal dendritic arborization (da) is an ideal model for studying morphogenesis of neural dendrites and gene function in the development of nervous system. There are four classes of da neurons. Class IV is the most complex with a branching pattern that covers almost the entire area of the larval body wall. We have previously characterized the effect of silencing the Drosophila ortholog of SOX5 on class IV neuronal dendritic arborization complexity (NDAC) using four parameters: the length of dendrites, the surface area of dendrite coverage, the total number of branches, and the branching structure. This protocol presents the workflow of NDAC quantitative analysis, consisting of larval dissection, confocal microscopy, and image analysis procedures using ImageJ software. Further insight into da neuronal development and its underlying mechanisms will improve the understanding of neuronal function and provide clues about the fundamental causes of neurological and neurodevelopmental disorders.

Quantitative Analysis of Neuronal Dendritic Arborization Complexity in Drosophila

This protocol focuses on quantitative analysis of neuronal dendritic arborization complexity (NDAC) in Drosophila, which can be used for studies of dendritic morphogenesis.

Analyse quantitative de la complexité d’arborisation dendritique neuronale chez la drosophile

Dendrites are the branched projections of a neuron, and dendritic morphology reflects synaptic organization during the development of the nervous system. ...