JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.
Method Article
제시된 것은 2D 형광 심상에서 신경 수지상 분기의 방향을 간단하고 직접 자동적으로 측정할 수 있는 계산 도구입니다.
신경 수 지상 나무의 구조는 뉴런에서 시 냅 스 입력의 통합에 중요 한 역할을. 따라서, 원점의 형태의 특성화는 신경 기능의 더 나은 이해를 위해 필수적이다. 그러나, 수지상 나무의 복잡성, 고립 될 때 특히 신경 네트워크 내에 있을 때, 완전히 이해 되지 않았습니다. 우리는 2D 신경 배양의 형광 심상에서 수지상 분기의 방향을 자동 측정할 수 있는 새로운 계산 도구인 SOA (세분화 및 방향 분석)를 개발했습니다. Python으로 작성된 SOA는 세분화를 사용하여 수지상 분기를 이미지 배경과 구별하고 각 분기의 공간 방향에 데이터베이스를 축적합니다. 그런 다음 데이터베이스는 네트워크에서 수지상 분기의 방향 분포 및 병렬 수지상 분기 성장의 보급과 같은 형태학적 매개 변수를 계산하는 데 사용됩니다. 얻어진 데이터는 뉴런 활동 및 생물학 및 약리학 자극에 응하여 원달의 구조적 변화를 검출하기 위하여 이용될 수 있습니다.
수지상 형태 발생은 수지상 나무의 구조가 뉴런1,2,3에서 시냅스 통합의 전산 특성에 영향을 미치기 때문에 신경 과학의 중심 주제입니다. 더욱이, 수지상 분지의 형태학적 이상 및 수정은 퇴행성 및 신경 발달 장애4,5,6에 연루됩니다. 수지상 파급 효과가 더 쉽게 시각화 될 수있는 신경 배양에서, 비 자매 수지상 분기 사이의 상호 작용은 분기를 따라 시냅스 클러스터링의 사이트와 정도를 조절, 시냅스 호형성 및 가소성에 영향을 미칠 수있는 행동7,8,9. 따라서, 2차원(2D) 뉴런 배양을 이용한 수지상 나무의 형태학적 파라미터의 특성화는 뉴런의 단일 및 네트워크의 수지상 형태 발생 및 기능을 이해하는 데 유리하다. 그러나 수지상 분기는 "단순화된" 2D 신경 배양에서도 복잡한 메시를 형성하기 때문에 어려운 작업입니다.
수지상 구조물을 자동으로 추적하고 분석하기 위해 여러 가지 도구가 개발되었습니다10,11,12,13. 그러나 이러한 도구의 대부분은 3D 뉴런 네트워크를 위해 설계되었으며 2D 네트워크와 함께 사용하기에는 자연적으로 너무 복잡합니다. 반면, 덜 진보된 형태학적 분석 도구는 일반적으로 컴퓨터 지원 수동 노동의 중요한 구성 요소를 포함하며, 이는 매우 시간이 많이 걸리고 작업자 바이어스14에 취약합니다. 'ImageJ'15'(커뮤니티에서 개발한 생물학적 이미지 분석 도구의 방대한 컬렉션을 갖춘 NIH 오픈 소스 이미지 처리 패키지)와 같은 기존 반자동 도구는 사용자 수동 노동을 크게 줄입니다. 그러나 이미지 처리 중에 일부 수동 개입이 여전히 필요하며 세분화의 품질은 바람직하지 않을 수 있습니다.
이 백서는 2D 뉴런 네트워크 내의 수지상 분기의 직접 세분화 및 방향 분석을 허용하는 간단한 자동화 된 도구 인 SOA를 제공합니다. SOA는 2D 이미지에서 다양한 라인과 같은 물체를 감지하고 형태학적 특성을 특성화할 수 있습니다. 여기에서 는 SOA를 사용하여 수지상 의 2D 형광 이미지에서 수지상 분기를 배양했습니다. 이 소프트웨어는 수지상 분기를 식별하고 병렬 및 공간 분포와 같은 형태학적 매개 변수의 측정을 성공적으로 수행합니다. SOA는 다른 세포 모형의 세포 프로세스의 분석 및 비 생물학 네트워크를 공부하기 위한 쉽게 적응될 수 있습니다.
참고 : 이스라엘 보건부는 실험 동물의 윤리적 사용을 위해 프로토콜 IL-218-01-21에 따라 마우스의 사용을 승인했다. SOA는 윈도우와 호환 10 파이썬 3.9. 오픈 소스 코드로 사용할 수 있습니다: https://github.com/inbar2748/DendriteProject. 이 링크에는 README도 있습니다. 소프트웨어를 다운로드하기 위한 길찾기가 있는 DM 파일, 소프트웨어 웹 사이트에 대한 링크 및 모든 패키지의 필수 버전에 대한 정보가 포함된 요구 사항 파일입니다. 소프트웨어를 사용하여 수행된 분석의 추가 예도 이곳에 제공되었습니다.
그림 1: 세분화 및 성장 방향 분석을 위한 SOA 워크플로우입니다. 다음은 수지상 네트워크 및 데이터 분석의 형광 이미지의 처리 단계입니다. 2D 이미지는 업로드되고 세분화되어 있습니다(두 단계로 수지상 분기가 선으로 감지된 다음 관련 선이 병합됨) 각 수지상 분기의 공간 정보를 얻습니다. 데이터는 이미지의 모든 수지상 분기에 대해 수집됩니다. 마지막으로, 데이터는 원하는 형태학적 매개 변수를 제공하기 위해 분석된다. 약어: SOA = 세분화 및 방향 분석. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
1. SOA 응용 프로그램을 엽니 다.
그림 2: SOA의 GUI를 사용하는 워크플로의 예입니다. 왼쪽 열: 워크플로의 GUI 섹션입니다. 중간 열: 워크플로 중에 처리된 수지상 네트워크의 이미지(배율 막대: 20 μm). 오른쪽 열: 중간 열 이미지에서 빨간색 사각형으로 표시된 영역의 배율(배율 막대: 4 μm). 1단계: 이미지 선택 및 업로드. 2단계: 세분화의 첫 번째 단계는 식별된 수지상 분기를 나타내는 선의 검출입니다. 3단계: 세분화의 두 번째 단계는 개별 수지상 분기에 있는 세그먼트 라이닝의 근접 기반 합병입니다. 모든 단계의 설정을 수정할 수 있습니다. 약어: SOA = 세분화 및 방향 분석; GUI = 그래픽 사용자 인터페이스. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
2. 분석할 이미지를 엽니다.
3. 세분화 최적화
참고: SOA 뷰어 속성 메뉴 모음에서 선택한 매개 변수의 값을 변경하여 세분화 프로세스 설정을 조정합니다. 임계값과 같은 매개 변수에 대한 자세한 설명은 보충 재질에 제공됩니다.
4. 출력 파일을 만듭니다.
5. 탐색 도구 모음
참고: 탐색 도구 모음은 모든 그림 창에 포함되어 있으며 데이터 집합을 탐색하는 데 사용할 수 있습니다. 도구 모음 하단의 각 단추는 아래에 설명되어 있습니다.
문화에서 수지상 네트워크의 이미지에 대한 대표적인 분석이 수행되었습니다. 세포는 바란 외에 의해 설명된 바와 같이 추출되었다. 16,17. 간략하게, 해마 세포는 산후 쥐의 두뇌에서 추출되고 1-2 주 동안 2D 유리 덮개에 경작되었습니다. 배양은 수지상 단백질 마커, 마이크로튜드 관련 단백질 2(MAP2)에 대한 항체를 사용하여 간접면역형광을 통해 ?...
2D 심상에서 형태학적 정보를 추출하기 위한 효과적인 전략은 생물학적 이미징 데이터를 따라잡기 위해 시급히 필요합니다. 이미징 데이터는 몇 시간 안에 생성될 수 있지만 이미지에 대한 심층 분석은 시간이 오래 걸립니다. 그 결과, 이미지 처리는 분명히 많은 분야에서 주요 장애물이되었다. 이것은 특히 생물학적 샘플을 다룰 때 데이터의 복잡성이 높기 때문입니다. 또한 많은 사용자가 특수 ?...
저자는 경쟁적인 재정적 이익이 없다고 선언합니다.
저자는 문화 이미지의 준비에 대한 박사 Orly Weiss에게 감사드립니다.
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 |
JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기
허가 살펴보기This article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. 판권 소유