A subscription to JoVE is required to view this content. Sign in or start your free trial.
Method Article
מוצג הוא כלי חישובי המאפשר מדידה אוטומטית פשוטה וישירה של כיוונים של ענפים דנדריטיים עצביים מתמונות פלואורסצנטיות 2D.
המבנה של עצים דנדריטיים עצביים ממלא תפקיד מרכזי בשילוב של תשומות סינפטיות בנוירונים. לכן, אפיון המורפולוגיה של דנדריטים חיוני להבנה טובה יותר של תפקוד עצבי. עם זאת, המורכבות של עצים דנדריטיים, הן כאשר מבודדים ובמיוחד כאשר ממוקם בתוך רשתות עצביות, לא הובן לחלוטין. פיתחנו כלי חישובי חדש, SOA (פילוח וניתוח אוריינטציה), המאפשר מדידה אוטומטית של הכיוון של ענפים דנדריטיים מתמונות פלואורסצנטיות של תרביות עצביות דו-ממדיות. SOA, שנכתב בפייתון, משתמש בפילוח כדי להבחין בין ענפים דנדריטיים מרקע התמונה וצובר מסד נתונים בכיוון המרחבי של כל ענף. לאחר מכן משמש מסד הנתונים לחישוב פרמטרים מורפולוגיים כגון התפלגות כיוונית של ענפים דנדריטיים ברשת ושכיחות צמיחת הענף הדנדריטי המקביל. הנתונים המתקבלים יכולים לשמש כדי לזהות שינויים מבניים בדנדריטים בתגובה לפעילות עצבית ולגירויים ביולוגיים ופרמקולוגיים.
מורפוגנזה דנדריטית היא נושא מרכזי במדעי המוח, שכן המבנה של העץ הדנדריטי משפיע על המאפיינים החישוביים של שילוב סינפטי בנוירונים1,2,3. יתר על כן, חריגות מורפולוגיות ושינויים בענפים דנדריטיים מעורבים בהפרעות ניווניות נוירו-התפתחותיות4,5,6. בתרבויות עצביות שבהן ניתן לדמיין בקלות רבה יותר את ההשלכות הדנדריטיות, האינטראקציות בין ענפים דנדריטיים שאינם אחות מווסתים את האתרים ואת היקף ההתקבצות הסינפטית לאורך הענפים, התנהגות שעשויה להשפיע על שיתוף פעולה סינפטי ופלסטיות7,8,9. לכן, אפיון הפרמטרים המורפולוגיים של העץ דנדריטי באמצעות תרביות עצביות דו מימדיות (2D) הוא יתרון להבנת מורפוגנזה דנדריטית ופונקציונליות של יחיד ורשתות של נוירונים. עם זאת, זוהי משימה מאתגרת מכיוון שענפים דנדריטיים יוצרים רשת מורכבת אפילו בתרבויות נוירונים "פשוטים" ודו-חמצניים.
מספר כלים פותחו כדי לעקוב ולנתח באופן אוטומטי מבנים דנדריטיים10,11,12,13. עם זאת, רוב הכלים האלה מיועדים לרשתות נוירונים תלת-ממדיות והם באופן טבעי מורכבים מדי לשימוש עם רשתות 2D. לעומת זאת, כלי ניתוח מורפולוגיים פחות מתקדמים כרוכים בדרך כלל ברכיב משמעותי של עבודת כפיים בסיוע מחשב, שהיא גוזלת זמן רב ורגיש להטיית מפעיל14. כלים חצי אוטומטיים קיימים, כגון 'ImageJ'15 (חבילת עיבוד תמונה בקוד פתוח של NIH עם אוסף עצום של כלי ניתוח תמונה ביולוגית שפותחו על ידי הקהילה), מפחיתים במידה רבה את עבודת היד הידנית של המשתמשים. עם זאת, עדיין יש צורך בהתערבויות ידניות מסוימות במהלך עיבוד התמונה, ואיכות הפילוח יכולה להיות פחות רצויה.
מאמר זה מציג את SOA, כלי אוטומטי פשוט המאפשר פילוח ישיר וניתוח כיוון של ענפים דנדריטיים בתוך רשתות נוירונים 2D. SOA יכול לזהות אובייקטים שונים דמויי קו בתמונות 2D ולאפיין את המאפיינים המורפולוגיים שלהם. כאן, השתמשנו ב- SOA לפיזור סניפים דנדריטיים בתמונות פלואורסצנטיות 2D של רשתות דנדריטיות בתרבות. התוכנה מזהה את הענפים הדנדריטיים ומבצעת בהצלחה מדידות של פרמטרים מורפולוגיים כגון מקביליות והפצה מרחבית. ניתן להתאים את SOA בקלות לניתוח תהליכים תאיים מסוגי תאים אחרים ולחקר רשתות לא ביולוגיות.
הערה: משרד הבריאות הישראלי אישר שימוש בעכברים על פי פרוטוקול IL-218-01-21 לשימוש אתי בבעלי חיים ניסיוניים. SOA תואם רק ל- Windows 10 ול- Python 3.9. הוא זמין כקוד קוד פתוח: https://github.com/inbar2748/DendriteProject. בקישור זה, יש גם README. קובץ DM בעל הוראות להורדת התוכנה, קישור לאתר האינטרנט של התוכנה וקובץ דרישות המכיל מידע על הגירסאות הנדרשות של כל החבילות. דוגמאות נוספות לניתוח שבוצעו באמצעות התוכנה סופקו גם שם.
איור 1: זרימת עבודה של SOA עבור פילוח וניתוח כיוון צמיחה. מוצגים הם שלבי העיבוד של תמונות פלואורסצנטיות של רשתות דנדריטיות וניתוח נתונים. התמונה הדו-פעמית מועלית, מפולחת (בשני שלבים: ענפים דנדריטיים מזוהים כשורות, ואז הקווים הרלוונטיים ממוזגים), והמידע המרחבי של כל ענף דנדריטי מתקבל. הנתונים נאספים עבור כל הענפים הדנדריטיים בתמונה. לבסוף, הנתונים מנותחים כדי לתת את הפרמטרים המורפולוגיים הרצויים. קיצור: SOA = פילוח וניתוח כיוון. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
1. פתח את יישום SOA.
איור 2: דוגמה לזרימת עבודה המשתמשת ב- GUI של SOA. עמודה שמאלית: מקטעי GUI של זרימת העבודה. עמודה אמצעית: תמונה של רשת דנדריטית, מעובדת במהלך זרימת העבודה (סרגל קנה מידה: 20 מיקרומטר). עמודה ימנית: הגדלה של האזור המסומן במלבן אדום בתמונות של העמודה האמצעית (סרגל קנה מידה: 4 מיקרומטר). שלב 1: בחירה והעלאה של תמונה. שלב 2: השלב הראשון של הפילוח הוא איתור קווים המייצגים את הענפים הדנדריטיים המזוהים. שלב 3: השלב השני של הפילוח הוא מיזוג מבוסס קרבה של רירית פלח בענפים דנדריטיים בודדים. ניתן לשנות את ההגדרות של כל השלבים. קיצורים: SOA = פילוח וניתוח כיוון; GUI = ממשק משתמש גרפי. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
2. פתח תמונה לניתוח.
3. אופטימיזציה של פילוח
הערה: בשורת התפריטים מאפייני מציג SOA , שנה את הערכים של הפרמטרים שנבחרו כדי להתאים את הגדרות תהליך הפילוח. תיאור מפורט של הפרמטרים, כגון הסף, ניתן בחומר המשלים.
4. צור את קבצי הפלט.
5. סרגל הכלים לניווט
הערה: סרגל כלים לניווט כלול בכל חלונות האיור וניתן להשתמש בו כדי לנווט בערכת הנתונים. כל אחד מהלחצנים בתחתית סרגל הכלים מתואר להלן.
ניתוח מייצג בוצע על תמונות של רשתות דנדריטיות בתרבות. תאים חולצו כמתואר על ידי Baranes ואח '. 16,17. בקצרה, תאי ההיפוקמפוס חולצו ממוחות של חולדות לאחר הולדות וטופחו על כיסויי זכוכית דו-פעמיים במשך שבוע-שבועיים. התרבויות תוקנו והוכתמו אז באמצעות אימונופלואורס?...
אסטרטגיות יעילות לחילוץ מידע מורפולוגי מתמונות 2D נדרשות בדחיפות כדי לעמוד בקצב של נתוני הדמיה ביולוגיים. למרות שניתן להפיק נתוני הדמיה בשעות, ניתוח מעמיק של התמונות אורך זמן רב. כתוצאה מכך, עיבוד תמונה הפך בבירור למכשול מרכזי בתחומים רבים. זאת, בין היתר, בשל המורכבות הגבוהה של הנתונים, במי?...
המחברים מצהירים כי אין להם אינטרסים כלכליים מתחרים.
המחברים מבקשים להודות לד"ר אורלי וייס על הכנת תמונות התרבות.
Name | Company | Catalog Number | Comments |
Matplotlib | 2002 - 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom and the Matplotlib development team; 2012 - 2021 The Matplotlib development team. | 3.4.2 | a Python 2D plotting library |
matplotlib-scalebar | Philippe Pinard | 0.7.2 | artist for matplotlib to display a scale bar |
NumPy | The NumPy community. | 1.20.3 | fundamental package for scientific computing library |
OpenCV | OpenCV team | 4.5.2.54 | Open Source Computer Vision Library |
PyCharm | JetBrains | 2020.3.1 (Community Edition) version | Build #PC-203.6682.86, built on December 18, 2020. Runtime version: 11.0.9.1+11-b1145.37 amd64. VM: OpenJDK 64-Bit Server VM by JetBrains s.r.o. Windows 10 10.0. Memory: 978M, Cores: 4 |
PyQt5 | Riverbank Computing | 5.15.4 | manage the GUI |
python | Python Software Foundation License | 3.9 version | |
Qt Designer | The QT Company Ltd. | 5.11.1 version | |
scipy | Community library project | 1.6.3 | Python-based ecosystem of open-source software for mathematics, science, and engineering |
Seaborn | Michael Waskom. | 0.11.1 | Python's Statistical Data Visualization Library. |
Windows 10 | Microsoft | ||
Xlsxwriter | John McNamara | 1.4.3 | Python module for creating Excel XLSX files |
Request permission to reuse the text or figures of this JoVE article
Request PermissionThis article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. All rights reserved