Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Bu Makalede

Özet

Mitokondriyal ağ son derece karmaşıktır ve analiz edilmesini çok zorlaştırır. Yeni bir MATLAB aracı, hızlandırılmış görüntülerde canlı konfokal görüntülenen mitokondriyi analiz eder, ancak bireysel manuel dikkat gerektiren büyük bir çıktı hacmine neden olur. Bu sorunu çözmek için, hızlı dosya analizine olanak tanıyan rutin bir optimizasyon geliştirildi.

Özet

Karmaşık mitokondriyal ağ, canlı hücreleri segmentlere ayırmayı, takip etmeyi ve analiz etmeyi çok zorlaştırır. MATLAB araçları, timelapse dosyalarında mitokondrinin analizine izin vererek görüntü işleme sürecini önemli ölçüde basitleştirir ve hızlandırır. Bununla birlikte, mevcut araçlar, bireysel manuel dikkat gerektiren büyük bir çıktı hacmi üretir ve temel deney kurulumları, her biri kapsamlı ve zaman alıcı işlem gerektiren binlerce dosyadan oluşan bir çıktıya sahiptir.

Bu sorunları ele almak için, hem MATLAB kodunda hem de canlı komut dosyası formlarında, hızlı dosya analizine olanak tanıyan ve belge okuma ve veri işlemeyi önemli ölçüde azaltan rutin bir optimizasyon geliştirildi. 100 dosya/dk hızıyla optimizasyon, genel olarak hızlı bir analize izin verir. Optimizasyon, zaman dilimleri boyunca bireysel mitokondri için çerçeveye özgü verilerin ortalamasını alarak, verileri mevcut araçlardan elde edilen çıktılarla tutarlı olarak tanımlanmış bir şekilde analiz ederek sonuç çıktısını elde eder. Tetrametilrodamin metil ester boyası kullanılarak canlı konfokal görüntüleme yapıldı ve nöronal mitokondri üzerindeki etkileri literatürde ortaya konan retinoik asit reseptörü (RAR) agonistleri ile nöronal hücrelerin tedavi edilmesiyle rutin optimizasyon doğrulandı. Sonuçlar literatürle tutarlıydı ve izoforma özgü RAR modülasyonuna yanıt olarak mitokondriyal ağ davranışının daha fazla karakterizasyonuna izin verdi.

Bu yeni metodoloji, tüm nöron mitokondri ağının hızlı ve doğrulanmış karakterizasyonuna izin verdi, ancak aynı zamanda sinirbilim alanında uygulanacak önemli bir özellik olan akson ve hücre gövdesi mitokondrileri arasında farklılaşmaya da izin veriyor. Ayrıca, bu protokol, hızlı etkili tedaviler kullanan deneylere uygulanabilir ve tedavilerden önce ve sonra aynı hücrelerin görüntülenmesine izin vererek, sinirbilim alanını aşar.

Giriş

Hücresel mitokondri, tüm fizyolojik durumların merkezinde yer alır ve kanser ve Alzheimer hastalığı da dahil olmak üzere çok çeşitli hastalıklar için farmakolojik tedavinin belirlenmesine yardımcı olmak için homeostazlarının (mitostaz) ve davranışlarının tam olarak anlaşılması çok önemlidir 1,2.

Mitokondri, enerji homeostazı, ATP üretimi, kalsiyum tamponlama ve ROS regülasyonunda çok önemli hücresel roller oynar ve moleküler şaperonlar enerjiye bağımlı olduğundan protein homeostazını korumak için mitostaz gereklidir3. Bunlar, hücresel ihtiyaçları verimli bir şekilde karşılamak için sabit ve dinamik bir ağ modülasyonu ve adaptasyonu gerektirir ve mitokondri taşınması farklı sinyal yolları tarafından düzenlenir; önceki çalışma, retinoik asit reseptörlerinin (RAR'lar) böyle bir yolunu tanımlamıştır4,5. Retinoik asit (RA), RAR aktivasyonu yoluyla aksonal ve nörit büyümesini teşvik eder. Fare primer kortikal nöronlarında, RAR-β'in aktivasyonu, nöritte mitokondriyal büyümeyi, hızı ve hareketliliği teşvik eder6.

Mitokondriyal ağ uyarlanabilirliği ve dinamikleri göz önüne alındığında, mitosazın "gerçek zamanlı" olarak değerlendirilmesi olasılığı sadece enerji homeostazını araştırmak için değil, aynı zamanda proteostaz, hücresel sağlık, proliferasyon veya sinyalizasyon için de gereklidir. Mitostazın değerlendirilmesi için yaygın olarak kullanılan bir yöntem, bir floresan boya veya işaretleyici kullanarak mitokondriyi vurguladıktan sonra konfokal mikroskopiye ve ayrıca sıcaklık ve/veya CO2 regülasyonuna izin veren özel bir mikroskopi kurulumunadayanır 7. Bu tür bir deney düzeneği, bir seferde bir deneysel kopyanın gerçekleştirilmesini gerektirir. Farklı tedavilerin deneysel tekrarına ek olarak, çoğu deneyin teknik kopyalarına (plaka başına birden fazla konumun görüntülendiği) sahip olması gerektiği ve bir dizi odak düzleminin (z-yığınları) bir dizi zaman noktasında kaydedilmesi gerektiği düşünülmelidir. Böylece, bir kontrol ve iki tedavinin üç tekrarı, plaka başına beş görüntüleme pozisyonu ve 15 zaman noktası ile deneysel bir tasarım, işlenecek 225 yığınla sonuçlanır. Klasik olarak, canlı mitokondri videoları, bilgisayar araçlarına güvenirken bile, kapsamlı manuel girdi gerektiren zaman alıcı bir süreçte, ayrı ayrı analiz edilecek olan kimograflarçizilerek analiz edildi 8.

Canlı hücreli 2 boyutlu ve 3 boyutlu hızlandırılmış dosyalarda mitokondrinin otomatik segmentasyonuna ve izlenmesine izin veren bir algoritmayakın zamanda 9 tanımlandı. Diğer niceleme teknikleri mevcuttur ve hepsinin sınırlamalarıvardır 10. Otomatik açık kaynaklı bir uygulama olan Mitometer, özellikle düşük kullanıcı girdisi gerektiren hızlandırılmış ve mitokondri dinamiği analizi için yeterlidir. Bu uygulamanın, diğer mevcut MATLAB tabanlı araçlara göre bir dizi avantajı vardır, yani, peri- ve tele-nükleer mitokondri arasında ayrım yaptığı için özellikle sinirbilimleri için ilginç olan 13 farklı parametreye kadar bireysel TIF yığınlarının otomatik olarak işlenmesine izin verir.

Ancak, yukarıda açıklanan gibi bir deney için, 225 yığına uygulanan bu 13 parametre, 2.925 ayrı çıktı dosyasıyla sonuçlanır. Bunlar, tüm çıktı dosyalarını indirmek için gereken 10.000'den fazla manuel girişe kadar toplam dört ayrı bilgisayar girişi gerektirir. Büyük deneysel tasarımlar için bu, her dosyanın gereksiz yere son derece zaman alıcı bir analizine ve veri entegrasyonuna neden olur. Burada, hızlı dosya analizine izin veren, belge okumayı ve veri işlemeyi büyük ölçüde azaltan, verileri mevcut araçlardan elde edilen çıktılarla tutarlı olarak tanımlanmış bir şekilde analiz eden rutin bir optimizasyon sunuyoruz.

Protokol

NOT: Bu protokolün iki ana adımı vardır: canlı mitokondri görüntülerini elde etmek için hücre kültürü ve canlı konfokal mikroskopi içeren ıslak bir laboratuvar adımı (Şekil 1) ve elde edilen görüntüleri analiz etmek için in silico bir adım (Şekil 2). 3D canlı görüntülenen mitokondrinin otomatik veri analizi için, Lefebvre ve ark.9 tarafından sağlanan MATLAB uygulaması Mitometre kullanıldı. Rutin optimizasyon MATLAB'da yazılmıştır. Yazılım, güncellenmiş sürümler ve ImageJ Makrolarının işlenmesi, GitHub aracılığıyla çevrimiçi olarak ücretsiz olarak https://github.com/JoseJoaoMV/Routine_Optimization_Mitometer_APP_MATLAB.

1. Canlı mikroskopi

figure-protocol-878
Şekil 1: Deneysel protokol. SH-SY5Y hücreleri farklılaştırıldı ve retinoidlerle tedavi edildi. (A) TMRM, konfokal bir mikroskop kullanılarak tedavi edilen hücrelerde sağlıklı mitokondriyi canlı olarak görüntülemek için kullanıldı ve beş görsel alandan oluşan hızlandırılmış bir z-yığını yakaladı. (B) Mitometre uygulaması MATLAB, mitokondri görüntülerini otomatik olarak bölümlere ayırır ve analiz eder. Analize ek olarak, bu yazılım mitokondriyi nükleer yakınlığa göre otomatik olarak ayırt eder. Mavi noktalar mitokondriyal başlangıç konumlarıdır; Kırmızı noktalar son konumlardır. Ölçek çubuğu = 30 μm. Kısaltma: TMRM = tetrametilrodamin, metil ester. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. Hücre kültürü
    1. SH-SY5Y hücrelerini 37 °C'de %5CO2 ve %95 havadan oluşan nemlendirilmiş bir atmosferde inkübe edin, MEM (Minimal Esansiyel Ortam) ve F12 (Ham's F12 Besin Karışımı) Ortamının eşit kısımlarında kültürlenmiş, %10 fetal sığır serumu (FBS) ile desteklenmiştir.
    2. SH-SY5Y hücrelerini 15 × 104 hücre/mL yoğunlukta cam tabanlı hücre kaplarında plakalayın.
    3. % 1 FBS içeren kültür ortamında 10 μM all-trans retinoik asit ile 5 günlük tedavi ile hücreleri ayırt edin, ardından 10 ƞg / mL beyin kaynaklı nörotrofik faktör (BDNF) ile 2 günlük tedavi uygulayın.
  2. Hücre tedavisi
    1. Hücreleri steril fosfat tamponlu salin (PBS) ile yıkayın ve 72 saat boyunca 10-7 M RAR-izoform agonistleri ile, MEM (Minimal Esansiyel Ortam) ve F12 (Ham'ın F12 Besin Karışımı) Ortamının eşit kısımlarında,% 1 FBS ile desteklenmiştir.
      NOT: Kullanılan RARα agonisti AM580 idi; Kullanılan RARβ agonisti CD2314 idi; Ch55, RARα ve β ko-agonisti olarak agonist olarak kullanıldı; daRA pozitif kontrol olarak kullanıldı; BMS493, bir RAR pan-antagonisti olarak kullanıldı.
  3. Canlı konfokal görüntüleme
    1. Kültür ortamını taze% 1 FBS içeren kültür ortamı ile 20 nM tetrametilrodamin, metil ester (TMRM) ile 45 dakika değiştirin.
      NOT: TMRM, aktif mitokondri tarafından tutulan, hücre kaynaklı bir floresan boyadır ve bu inkübasyon süresi, TMRM'nin bir dengeye ulaşmasını ve polarize mitokondri11 tarafından alınmasını sağlar. Görüntüleme sırasında TMRM sinyal yoğunluğu yapay olarak artabileceğinden, denge kurulmadan önce görüntülemeye başlanmalıdır.
    2. Hücreleri, 37 ° C'de lazer taramalı konfokal mikroskoba bağlı bir inkübatöre yerleştirin.
    3. 1 havadar birimlik bir iğne deliği açıklığı ile elde edilen 512 x 512 piksel görüntü boyutunda, her hücre plakasındaki beş farklı görsel alandan 15 karelik bir zaman serisi yakalayan 63x yağa daldırma apokromat objektif kullanarak görüntüler yakalayın ve 8 eşit uzaklıkta z düzleminden oluşan bir z yığını. Sonuçta elde edilen .lsm dosyası bir zaman, konum ve z yığınıdır.
      NOT: Kazanç, kontrast ve parlaklık ayarları, başlangıçta dedektörün tüm dinamik aralığını kullanmak için gereken minimum lazer gücü kullanılarak optimize edilmeli ve tüm görüntülemenin aynı koşullar altında gerçekleştirilmesini sağlamak için çalışma boyunca sabit tutulmalıdır. Bu donanım-yazılım kombinasyonunda dokuz adede kadar farklı konum kaydedilebilir ve mikroskop görüntüleme konumları arasında otomatik olarak geçiş yapar.

2. Görüntü analizi

figure-protocol-4760
Şekil 2: Rutin optimizasyon. (A) Rutin optimizasyonun temsili kodu. (B) Rutin optimizasyon Live-Script. (C) Rutin optimizasyon iş akışı. (D) Rutin optimizasyon sonucu doğrulaması: tedavi edilmemiş hücrelerde mitokondrinin temsili görüntüsü (sol panel), RA'da(10-7 M, 72 saat, orta panel) ve RAR antagonisti BMS493 (10-7 M, 72 saat, sağ panel) ile muamele edildi, TMRM ile inkübasyondan sonra görüntülendi (20 nM, 45 dakika inkübasyon). Ölçek çubuğu = 30 μm. (E) TMRM Hücre gövdesi mitokondrisindeki yoğunluk. All-trans retinoik asit tedavisi ile (RA'da, 10-7 M, 72 saat), kontrole kıyasla (p = 0,0062), RAR antagonisti ile tedavi edildiğinde gözlenmeyen önemli azalma (BMS493, 10-7 M, 72 saat). Koşul başına üç tekrarın her birinden beş hücre ölçüldü. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. Görüntü işleme
    1. Dosyaları ImageJ 2.1.0'da açın ve yığınları görsel alana göre ayırın: ImageJ'yi açın ve Menü Çubuğu | Görüntü | Mükerrer | Giriş dilimleri/çerçeve numarası | TAMAM.
      NOT: Yazılıma tekrarlanan girdileri azaltmak için, görsel alan görüntülerinin çoğaltılmasını ve kaydedilmesini kolaylaştırmak için bir ImageJ Makro geliştirilmiştir.
  2. Makro protokolü
    1. Serbest seçim aracıyla hücrenin etrafına bir ilgi bölgesi (ROI) çizin.
    2. ImageJ'yi açıp Menü Çubuğu | Eklentiler | Makrolar | Arka planı temizle ve görüntüleri kaydet makrosunu çalıştırın.
      NOT: Bu işlemde görüntüler rastgele hale getirilebilir ve çözüm anahtarı optimizasyon gereksinimlerine göre saklanabilir.
    3. Piksel boyutunu ve voksel derinliğini belirleyin: ImageJ | Görüntü'yü açın ve Menü Çubuğu | Görüntü | Özellikleri.
  3. Alternatif doğrudan protokol
    NOT: Bu alternatif, görüntüleri işlemek için Makro kullanmaz
    1. Piksel boyutunu ve voksel derinliğini bulun: ImageJ'yi Aç | Görüntüyü açın ve Menü Çubuğu | Görüntü | Özellikleri.
    2. Serbest seçim aracıyla hücrenin etrafına bir ROI çizin ve 15 kare boyunca tüm hücreyi kapsadığından emin olun.
    3. Menü Çubuğuna Git | Düzenle | Dışarısı temiz.
    4. Menü Çubuğuna Git | Dosya | Farklı kaydet | Tiff'i seçin.
    5. Klasörü Kaydetme'yi seçin ve Kaydet'e tıklayın.
      NOT: Analize devam etmeden önce bu noktada görüntüler manuel olarak körleştirilebilir/rastgele hale getirilebilir.
  4. Otomatik görüntü analizi
    1. Analiz dosyaları için klasörleri hazırlayın.
      1. "Tüm parçalar", "Perinükleer izler" ve "Telenükleer izler" başlıklı üç ana klasör oluşturun.
        NOT: Bunlar, ana otomatik parça seçenekleriyle eşleşir.
      2. Her ana klasörde, işlenecek her görüntü için 1'den itibaren sayısal olarak tanımlanan bir alt klasör oluşturun.
      3. Her görüntü klasörüne iki rutin optimizasyon ek dosyasının (mitometer2table.m ve getTXTfiles.m) bir kopyasını ekleyin.
        NOT: Bu dosyalar, veri analizine ve son biçim düzenlemesine yardımcı olur. Klasör sayısı, rastgele elektronik tablodaki (.xlsx) öğelerin sayısıyla eşleşmelidir. Bir veri kümesi için ek dosyalar içeren tüm numaralandırılmış alt klasörler oluşturulduktan sonra, bunlar toplu olarak kopyalanabilir ve kalan veri kümelerine yapıştırılabilir.
  5. Görüntüleri analiz etmek için MATLAB uygulaması Mitometre'yi kullanın.
    NOT: Bu protokol, MATLAB R2022a'ya yüklenen bir mitometre üzerinde çalıştırılmıştır. Optimum zaman çalışması ve çıktı dengesi için görüntüleri 30'lu gruplar halinde yükleyin. Maksimum MAT dosya boyutu yerel dosya sistemi tarafından uygulanır: varsayılan olarak, "kaydetme" işlemleri 231 bayt (~ 2 GB) < bir dosya oluşturabilir; kaydetme biçimi MAT-Files Sürüm 7.3, 2 GB'den büyük maksimum değişken boyutlarına izin verdiği için bunun yerine kullanılabilir.
    1. Varsayılan MAT dosyası sürümünü tanımlayın/değiştirin: Ortam bölümündeki Giriş sekmesinde, Tercihler'e tıklayın ve MATLAB | Genel | MAT Dosyaları.
    2. Analiz etmek için MATLAB aracı Mitometre'yi kullanın: MATLAB'ı açın ve Menü Çubuğu | UYGULAMALAR | Açık Mitometre | 3D'yi Başlat'ı seçin | Giriş verileri (Piksel Boyutu (μm): 0.1395089 / Çerçeveler arasındaki süre (ler): 2 / Sayı z-düzlemleri: 8 / Z-düzlemleri arasındaki eksenel mesafe (μm): 0.418809 | Girilecek görüntüleri seçin.
    3. Mitometre Yan Menüsüne gidin, Görüntü'yü seçin, Vurgulanmış Seç'e tıklayın, mitometre Menü Çubuğuna gidin | Parçaları Seç | Parça görünümleri | All-Tracks, Telenuclear veya Perinükleer'i seçin | mitometre Menü Çubuğu | Analiz Seç | Bir öğe seçin (ör. Uzunluk) | ".txt"ye kaydet'i seçin.
      NOT: Aynı anda seçilirse, birden fazla parametre aynı anda indirilebilir.
    4. Sonuç dosyalarını oluşturulan klasörlere ayıklayın (2.2.1).
  6. Rutin optimizasyon ve veri analizi
    1. Görüntü kodlama anahtarını içeren "Randomization.xlsx" dosyasını hazırlayın/uyarlayın.
      1. A sütununa 1'den başlayarak ardışık tamsayıların listesini ekleyin.
        NOT: Orijinal olarak adlandırılmış görüntülerle çoğaltılmış bir klasör tutmanız önerilir.
      2. Analitik değişkenleri alfasayısal karakterlerden oluşan B sütununa yerleştirin.
        NOT: Belgedeki satır sayısı, ana veri kümesinde bulunan klasör sayısıyla tutarlı olmalıdır. Bu "Randomization.xlsx" dosyasını kopyalayıp diğer iki ana veri kümesine yapıştırın.
    2. Optimize edilmiş veri analizi
      1. "executable.mlx" dosyasına çift tıklayın, klasör sayısını girin, klasörler dizinini belirtin (klasörün üst kısmından dizini kopyalayın) | kaydetme dizini (dizini klasörün üstünden kopyalayın) | çıktı dosyasındaki elektronik tablo adını girin ve Çalıştır'ı tıklayın.
      2. Gerektiğinde istatistiksel analiz yapın.
        NOT: İsteğe bağlı olarak, her klasörde .txt verileri ve analizin sonuna kadar sesli uyarı içeren bir .xlsx dosyası oluşturulması seçilebilir. Live Script, tablo biçiminde tek bir elektronik tablo dosyası çıkarır. Bu çıktıda, sütunlar analiz edilen parametreleri temsil eder (örneğin, "Ana Eksen Uzunluğu"; "Yoğunluk") ve çizgiler analitik değişkenlerin görsel alanlarını temsil eder (örneğin, "Kontrol").

Sonuçlar

Çıktı dosyalarının .txt formatta analizini geliştirmek ve hızlandırmak için, bir çerçeveyi temsil eden sütunlar ve tanımlanmış mitokondriyi temsil eden çizgiler ile Mitometre .txt çıktı dosyalarıyla tutarlı verileri okuyan rutin bir optimizasyon kodlandı. Rutin optimizasyon, tanımlanan her mitokondri için çerçevelerin ortalamasını alarak ve ardından görsel alan başına tüm mitokondri sonuçlarının ortalamasını alarak parametre başına tek bir değerde veri üretir. Geliştirilen rutin...

Tartışmalar

Canlı hücre görüntüleme, ciddi bilgi işlem gerektiren büyük dosyalar üretir, ancak en yeni araçlar bile işlemek için kapsamlı manuel girdi gerektirir. Bu rutin optimizasyon, Mitometre'de mitokondri analizi sürecini basitleştirmeye odaklanmıştır çünkü bu araç, kullanıcı girdisi ve veri çıkışı arasında çok iyi bir denge sunar. Mitokondri görüntü analizi için farklı araçlar arasında kapsamlı bir karşılaştırma daha önce gözden geçirilmiştir10. Diğer boru...

Açıklamalar

Yazarların beyan edecek herhangi bir çıkar çatışması yoktur.

Teşekkürler

Görüntü alımı, PPBI'nin (Portekiz Biyogörüntüleme Platformu) bir düğümü olan iBiMED'in LiM tesisinde gerçekleştirildi: POCI-01-0145-FEDER-022122. Bu çalışma, Ministério da Educação e Ciência'nın Fundação para a Ciência e Tecnologia'sından DT'ye bir hibe olan FCT (EXPL/BTM-SAL/0902/2021) LCF (CI21-00276) tarafından desteklenmiştir (2020.02006.CEECIND), ATG-Gabba Mezunlar Derneği'nden VP'ye bir hibe ve Aveiro Üniversitesi Biyotıp Enstitüsü-iBiMED.

Malzemeler

NameCompanyCatalog NumberComments
AM580Sigma-AldrichA8843
BDNF Thermo-FisherRP8642
BMS493Tocris Bioscience 3409
CD2314Tocris Bioscience3824
Ch55Tocris Bioscience 2020
Foetal Bovine SerumThermo-Fisher10270106
GraphPad Prism v4.0GraphPad Software, La Jollan/a
Ham’s F12 Nutrient MixThermo-Fisher21765029
MATLAB R2022a MathWorksn/a
Minimal Essential MediumThermo-Fisher31095
Nunc Glass Bottom DishesThermo-Fisher150680
Phosphate Buffer Saline SolutionThermo-Fisher28372
Retinoic acidSigma-Aldrich R2625
TMRM Thermo-FisherT668
Zeiss LSM 510Carl Zeissn/aEquiped with live-cell imaging culture chamber and 63x oil immersion objective 

Referanslar

  1. Trigo, D., Avelar, C., Fernandes, M., Sa, J., da Cruz, E. S. O. Mitochondria, energy, and metabolism in neuronal health and disease. FEBS Letters. 596 (9), 1095-1110 (2022).
  2. Zong, W. X., Rabinowitz, J. D., White, E. Mitochondria and cancer. Molecular Cell. 61 (5), 667-676 (2016).
  3. Clare, D. K., Saibil, H. R. ATP-driven molecular chaperone machines. Biopolymers. 99 (11), 846-859 (2013).
  4. Tourniaire, F., et al. All-trans retinoic acid induces oxidative phosphorylation and mitochondria biogenesis in adipocytes. Journal of Lipid Research. 56 (6), 1100-1109 (2015).
  5. Psarra, A. M., Sekeris, C. E. Nuclear receptors and other nuclear transcription factors in mitochondria: regulatory molecules in a new environment. Biochimica et Biophysica Acta. 1783 (1), 1-11 (2008).
  6. Trigo, D., Goncalves, M. B., Corcoran, J. P. T. The regulation of mitochondrial dynamics in neurite outgrowth by retinoic acid receptor beta signaling. FASEB Journal. 33 (6), 7225-7235 (2019).
  7. Mitra, K., Lippincott-Schwartz, J. Analysis of mitochondrial dynamics and functions using imaging approaches. Current Protocols in Cell Biology. Chapter 4 (Unit 4), 1-21 (2010).
  8. Sajic, M., et al. Impulse conduction increases mitochondrial transport in adult mammalian peripheral nerves in vivo. PLoS Biology. 11 (12), e1001754 (2013).
  9. Lefebvre, A., Ma, D., Kessenbrock, K., Lawson, D. A., Digman, M. A. Automated segmentation and tracking of mitochondria in live-cell time-lapse images. Nature Methods. 18 (9), 1091-1102 (2021).
  10. Chu, C. -. H., Tseng, W. -. W., Hsu, C. -. M., Wei, A. -. C. Image analysis of the mitochondrial network morphology with applications in cancer research. Frontiers in Physics. 10, 855775 (2022).
  11. Creed, S., McKenzie, M. Measurement of mitochondrial membrane potential with the fluorescent dye tetramethylrhodamine methyl ester (TMRM). Methods in Molecular Biology. 1928, 69-76 (2019).
  12. Kovalevich, J., Langford, D. Considerations for the use of SH-SY5Y neuroblastoma cells in neurobiology. Methods in Molecular Biology. 1078, 9-21 (2013).
  13. Sahin, M., Oncu, G., Yilmaz, M. A., Ozkan, D., Saybasili, H. Transformation of SH-SY5Y cell line into neuron-like cells: Investigation of electrophysiological and biomechanical changes. Neuroscience Letters. 745, 135628 (2021).
  14. Trigo, D., et al. Mitochondria dysfunction and impaired response to oxidative stress promotes proteostasis disruption in aged human cells. Mitochondrion. 69, 1-9 (2022).

Yeniden Basımlar ve İzinler

Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi

Izin talebi

Daha Fazla Makale Keşfet

N robilimSay 197Homeostaz Mod lasyonuzoforma zg Retinoik Asit Resept rleriMATLAB Ara larTimelapse DosyalarG r nt lemekt HacmiManuel DikkatDeney D zenekleriRutin OptimizasyonMATLAB KoduCanl Komut FormlarDosya AnaliziDok man OkumaVeri lemeH zer eveye zg VerilerMitokondri DavranRetinoik Asit Resept r Agonistleri

This article has been published

Video Coming Soon

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Bize Ulaşın

KÜTÜPHANEYE TAVSİYE ET

JoVE HABER BÜLTENLERİ

Araştırma

ISSN 1940-087X

Eğitim

Yazarlar

Kütüphaneciler

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır

Sitemizdeki deneyiminizi iyileştirmek için çerezleri kullanıyoruz

Sitemizi kullanmaya devam ederek ya da "Devam et" butonuna tıklayarak, çerezleri kabul edebilirsiniz.

Daha fazla bilgi edin