Bu çalışma bir Busch Biyomedikal Grant, NSF hibe IBN-0548543, NSF hibe IBN-0919747, Dimes Vakfı Hibe 1-MY04-107 Mart, Dimes Vakfı Hibe 1-FY08-464 Mart (BLF) tarafından kısmen desteklenmiştir. MKK ve CGL, Ulusal Sağlık Enstitüsü, Biyoteknoloji Eğitim Grant T32 GM008339-20 tarafından desteklenen ve CGL Omurilik Araştırma predoctoral Kardeşliği 08-2941-SCR-E-0 da bir NJ Komisyonu tarafından desteklenmiştir.

1. Başlamadan önce: 1) E18 sıçan diseksiyonu: E18 hipokampal nöronlar Standart diseksiyon yöntemleri daha önce 13 tarif edilmiştir . Neurites morfolojik özelliklerini analiz Bonfire programı kullanmak için, bireysel nöronların 8 bit. Tif görüntüleri elde edilmelidir. Bu yollar şunlardır deneysel protokol bağlı olarak bir dizi yapılabilir. Tek nöronlar mikroskop alanında görünecek şekilde Nöronlar yeterince düşük bir yoğunlukta kaplama olabilir. Alternatif olarak, yoğun bir kültür yetiştirilen görüntü bireysel nöronlar, nöronlar plazmid floresan protein kodlama ile transfeksiyon yöntemleri kullanarak çeşitli transfekte olabilir. 2) Yazılım Gereksinimleri ve Kurulum: <ol class="ualpha"><li> NIH ve NeuronStudio ImageJ yazılım NeuronJ eklentisi Bonfire programı çalıştırmak için yüklü olmalıdır. Yazılım paketleri aşağıdaki web adresinde bulunabilir: 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> Bonfire programı http://lifesci.rutgers.edu/ ~ Firestein bulunabilir. Bu web sitesinde Bonfire kullanım kılavuzu da mevcuttur. Ayrıca, Bonfire ilk açıklama Langhammer ve ark, 2010 Sitometri bulunabilir. Tüm verileri bir Windows işletim sistemi kullanılarak analiz edilmiştir. </li></ol> 3) Görüntü Çözünürlüğü Ayarı: Bonfire programı, analiz etmek istediğiniz görüntüleri görüntü çözünürlüğüne göre ayarlamanız gerekir. Bonfire programı bonfire_parameters kısmında, görüntülerin değeri (mm / piksel) görüntü çözünürlüğü ile değişken pix_conv için geçerli değeri değiştirin. 2. Dosya Yapısı: Bonfire verileri analiz etmek amacıyla, dosyalar bu özel yapısı (Şekil 2) organize edilmesi gerekir. Olacak: <ul><li> Bir ana klasör </li><li> Alt klasörler (her biri farklı koşullar içeren) </li><li> Farklı koşulu klasörlerinde yer alan Hücre görüntü dosyaları (filename.tif dosyaları) </li><li> Bonfire Matlab mfiles içeren bir Bonfire klasörüne (ana klasör içinde bulunan) </li></ul> 3. NeuronJ İzleme Nöronlar: <ol><li> Görüntü izleme için hazırlayın <ol class="lalpha"><li> NeuronJ araç çubuğunda &#39;Open&#39; düğmesini seçerek ve görüntü izlemek istiyorum seçerek görüntüyü açın. </li><li> &#39;En üst düzeye çıkarmak&#39; düğmesini seçerek görüntüyü yeniden boyutlandırın. </li><li> &#39;Ayarlayın parlaklık / kontrast&#39; seçtikten sonra, NeuronJ araç çubuğunda &#39;Resim&#39; seçilerek tüm neurites görselleştirmek, böylece görüntünün parlaklığı ve kontrastı ayarlayın. </li></ol></li><li> NeuronJ hücre gövdesi İz ve &#39;Type 06&#39; izleme olarak tanımlamak <ol class="lalpha"><li> NeuronJ araç çubuğunda &#39;Ekle İzleri&#39; düğmesini seçin. </li><li> Hücre gövdesi çevresinde iz. </li><li> NeuronJ araç çubuğunda &#39;Etiket iz&#39; düğmesini seçin. </li><li> Açılan menüden &quot;ID İzleme &#39;&#39; N1 &#39;seçin. </li><li> Seç &#39;Tip 06&#39; NeuronJ: Öznitelikler pencere ve &#39;Tamam&#39;ı seçin. </li></ol></li><li> NeuronJ içinde neurites İz <ol class="lalpha"><li> NeuronJ araç çubuğunda &#39;Ekle İzleri&#39; düğmesini seçin. </li><li> Her neurite şube boyunca bir iz ekleyin. Denemenizi bağlı olarak, sadece dendrit ve akson seçebilirsiniz. </li><li> Biz bu noktada yeni bir eser olarak başlayan her kızı şube noktası, çizdiğiniz bölümleri her şube noktada durdurmak öneririz. </li><li> NeuronJ araç çubuğunda &#39;Kaydet iz&#39; düğmesini seçin. </li><li> Sadece orijinal görüntü dosyası ile aynı klasörde oluşturduğunuz izleme kaydedin. </li></ol></li><li> NeuronJ izleme dosyaları ve İhracat iz tanımlayıcı dosyası İki tip dosyaları NeuronJ ihraç edilen ve uygun durumda klasörler halinde kaydedilir. Tif ve. Ndf dosyaları ile birlikte olmalıdır. <ol class="lalpha"><li> NeuronJ araç çubuğunda &#39;İhracat Trace&#39; düğmesini seçin. </li><li> NeuronJ her izleme &#39;seçeneği&#39; için ayrı bir dosya: &quot;Sekme deliminated metin dosyaları seçin İhracat &#39;diyalog kutusunu seçin ve&#39; Tamam. </li><li> NeuronJ dosyaları ve kaydetme konumu isimleri seçmesine izin ver. </li><li> NeuronJ araç çubuğunda &#39;Ölçü iz&#39; düğmesini seçin. </li><li> &#39;NeuronJ: Ölçümler&#39; &#39;Görüntü izleme ölçümleri&#39; seçeneğini seçin ve pencere &#39;Çalıştır&#39;ı seçin. </li><li> Penceresi: &#39;iz NeuronJ&#39; seç &#39;Dosya&#39;. </li><li> &#39;Farklı Kaydet&#39; ve filen olarak dosyayı kaydediname_info. &#39;Dosyaadı&#39; _info takip orijinal görüntü dosyası (harfler dahil) adını tam olarak eşleşmelidir ve 3 harfli dosya uzantısı içermemelidir. Örneğin, orijinal görüntü adını Cell20.tif için, bu dosyayı &#39;Cell20_info&#39; adlı olacaktır. Bilgisayarınız otomatik olarak bir. Xls dosya uzantısı eklemek olmadığını kontrol edin. Eğer dosya uzantısını elle silinmesi gerekir. </li></ol></li></ol> 4. Build NeuronJ Veri Ön swc Dosyalar Bonfire kullanın: <ol><li> &#39;Bonfire_load&#39; kullanarak klasörleri yeniden düzenleme <ol class="lalpha"><li> Matlab simgeye çift tıklayarak açın. </li><li> Komut penceresinin sağ üst köşesindeki &#39;düğmesine tıklayın. </li><li> &#39;Klasör için Gözat&#39; pencere ana klasörde &#39;Bonfire&#39; klasörü seçin. </li><li> Matlab komut penceresi ve basın içine Türü &#39;bonfire_load&#39; girin. </li><li> Penceresi &#39;Klasör için Gözat&#39; analiz ve &#39;Tamam&#39;ı seçin istediğiniz durum klasörü seçin. </li><li> Bu, hücre her bir hücre için tüm verileri içeren bir alt klasör oluşturarak klasör yapısını yeniden organize edecektir. </li></ol></li><li> &#39;Bonfire_ndf2swc&#39; kullanarak filename_prelim.swc dosyaları oluşturun. <ol class="lalpha"><li> Türü &#39;bonfire_ndf2swc komut penceresi ve basın içine girin. </li><li> Sadece &#39;Klasör için Gözat&#39; pencere &#39;bonfire_load&#39; ile yeniden organize aynı durum klasörü seçin ve &#39;OK&#39; i seçin. </li><li> Bu durum için her hücre klasörü. Swc dosyası yaratacaktır. Her bir hücre klasörü şimdi 5 resimler içeren orijinal tif görüntü, ndf dosya _info iz tanımlayıcı dosyası, txt dosyası ve swc dosya.... </li></ol></li></ol> 5. Finalize NeuronStudio kullanın swc Dosyaları. <ol><li> NeuronStudio nöron görüntüleri açın ve kalibre <ol class="lalpha"><li> NeuronStudio programını açın. </li><li> Dosya seçin → NeuronStudio araç çubuğunu açın. </li><li> Nöronun düzenlemek ve açmak istiyorum. Tif görüntü bulun. </li><li> → Ayarlar çalıştırın ve Voksel Boyutu &#39;penceresi&#39; her 3 (X, Y, Z) kutuları içerisine &#39;1 &#39;girin. </li><li> Dosya seçin → İthalat SWC. Uygun. Swc dosya seçin. Görüntü dosyası şimdi bir iz görüntü ile kaplanmış olacaktır. Hücre soma kırmızı bir daire ile kaplanmış olmalıdır. </li></ol></li><li> Bağlantı neurites NeuronStudio kullanın. <ol class="lalpha"><li> Doğru dallanma noktaları ve bitiş noktalarını tespit etmek NeuronStudio araçlarını kullanın (veri analiz etmeden önce NeuronStudio özellikleri ve kısayolları ile tanışırlar öneririz). </li><li> Özellikle, böylece düğümleri katılmak için, &#39;neurite aracı&#39; kullanın: <ul><li> Her şube noktası (sarı düğümleri), yalnızca iki şubesinde oluşturabilirsiniz </li><li> Tüm izleri soma (sadece tek bir kırmızı düğümü) ile sürekli </li></ul></li></ol></li><li> NeuronStudio gelen ihracat verileri <ol class="lalpha"><li> Dosya → Kaydet Neurites (varsayılan ad olarak kaydetmek) seçin. </li></ol></li><li> &#39;Bonfire_trace_check&#39; kullanarak swc dosyaları hatalar için kontrol edin. <ol class="lalpha"><li> Türü &#39;bonfire_trace_check&#39; mathlab komut penceresi ve basın içine girin. </li><li> Durumu sadece &#39;Klasör için Gözat&#39; pencere işlenmiş verileri içeren klasörü seçin ve &#39;OK&#39; i seçin. </li><li> Herhangi bir klasördeki görüntülerin herhangi bir hata varsa program hata nerede görüntüleyerek görüntüleri çıktı. </li><li> NeuronStudio içinde hataların düzeltilmesi <ol class="lroman"><li> Ihracatçı adımda kaydedilen görüntü dosyasını açın. </li><li> Bulun ve sorun (lar) düzeltmek. </li><li> Dosya → Neurites Kaydet. </li><li> Düzeltilmesi gereken diğer görüntüler için tekrarlayın. </li><li> &#39;Bonfire_trace_check&#39; (5.4) yeniden çalıştırın. </li></ol></li></ol></li></ol> 6. Morfolojik Veri ayıkla. Swc Files &#39;şenlik ateşi&#39; kullanın: <ol class="lalpha"><li> Türü &#39;şenlik ateşi&#39; komut penceresi ve basın içine girin. </li><li> Penceresi &#39;Klasör için Gözat&#39; analiz ve &#39;Tamam&#39;ı seçin istediğiniz verileri içeren durum klasörü seçin. </li><li> Bonfire analizi analizinde kullanılan Sholl halkaları ile birlikte nöronal morfoloji grafikler hangi nöronların, analiz edilen her biri için bir pencere oluşturacaktır. Ayrıca, &#39;şenlik ateşi&#39; komutu tüm morfolojik bilgileri analize alınmıştır içeren mat dosyası üretecektir. </li></ol> 7. Veri Görünümü &#39;bonfire_results&#39; kullanın: <ol class="lalpha"><li> Matlab komut penceresi içine Türü &#39;bonfire_results&#39;. </li><li> &#39;Klasör için Gözat&#39; pencere görünümü ve &#39;Tamam&#39; seçeneğini istiyorum durum için durumu klasörü seçin. </li><li> Pencere &#39;Klasöre Gözat&#39; geçici olarak kapatın ve yeniden açın, görüntülemek istiyoruz ek koşullar seçmenize olanak tanır. </li><li> Durum klasörleri seçtikten bittiğinde, seçim süreci çıkmak için &#39;İptal&#39; seçeneğini seçin. </li><li> &#39;Bonfire_results&#39; inci dahil olmak üzere özet çizelgeleri dönecektirdurumu klasörlerdeki e veri seçtiğiniz. </li></ol> 8. Excel&#39;e Veri Aktarma &#39;bonfire_export&#39; kullanın: <ol class="lalpha"><li> Komut penceresi içine Türü &#39;bonfire_export&#39;. </li><li> Durumu &#39;Klasör için Gözat&#39; pencere ihracat ve &#39;Tamam&#39; seçeneğini istediğiniz verileri içeren klasör seçin. Bonfire_export morfolojik verilerin Excel dosyaları oluşturmak ve seçildi koşul klasörüne koyun. </li></ol> 9 - Temsilcisi Sonuçlar: Iki koşul içeren bir veri seti üzerinde Bonfire programı tarafından üretilen veriler bir örnek Şekil 3&#39;te gösterilmiştir. Bu örnekte, Durum 1 nöron hücre gövdesi distalinde daha neurites içerir. Bu olgu, toplam dendritik çardak (Şekil 3A) Sholl eğrisi ve terminal noktaları (Şekil 3C) sayısı grafikte örnek görüntüleri (Şekil 3B) gibi görülebilir . Ayrıca, Bonfire program aynı zamanda görüntülerin alt bölgelerini Sholl analiz yapar, çünkü biz daha özel artmıştır neurites kimliğini tespit edebilmek. 3. düzeni veya daha fazla neurites (Şekil 3F) ve hem de aracılık ve terminal neurites toplam sayısı kavşakların toplam sayısı Her ikisi de (Şekil 3G) hücre gövdesi distal artar. Bu eğilimler aynı zamanda 3D ve 3E Rakamlar görülebilir . <img src="/files/ftp_upload/2354/2354fig1.jpg" alt="Şekil 1" /> Şekil 1: Bonfire program akış şeması Nöronlar ImageJ kullanılarak izlenebilir. Veriler daha sonra ihraç edilen ve ön hazırlık. Swc dosyaları içine Bonfire program tarafından dönüştürülür. NeuronStudio neurites bağlantı tanımlamak için kullanılır. Bonfire hataları denetler ve sonra Sholl eğrileri, ilkokul, ortaokul, ve yüksek sipariş neurites sayısı ve şube noktaları ve neurite ipuçları sayısını hesaplar. Son olarak, verilerin istatistiksel analizi için Excel ihraç edilmektedir. <img src="/files/ftp_upload/2354/2354fig2.jpg" alt="Şekil 2" /> Şekil 2: Dosya yapısı Bonfire analiz için gerekli dosya yapısı ya da program düzgün çalışmaz eşleşmelidir. Klasörleri ve dosyaları ve klasörleri ve dosyaları miktar isimleri değiştirilebilir. <img src="/files/ftp_upload/2354/2354fig3.jpg" alt="Şekil 3" /> Şekil 3: Örnek Bonfire programı çıkış verileri A) Toplam Sholl eğrileri. B) Örnek ters iki durumun görüntüleri. C) şube noktaları ve terminal noktaları / hücre ortalama sayısı. D), birincil, ikincil ve üçüncül veya daha fazla neurites süreçleri / hücre ortalama sayısı. E) süreçleri / kök hücre, orta, ve terminal neurites ortalama sayısı. F) Bölüm kimliği belirli Sholl analiz eğrileri. Kesimleri birincil, ikincil veya üçüncül veya daha fazla olarak gruplandırılmış. G) Bölüm kimliği belirli Sholl analiz eğrileri. Kesimleri, kök segmentleri, ara segmentler, veya terminal segmentleri gibi gruplandırılmıştır.

<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>

Yazarlar herhangi bir çıkar çatışması beyan ederim. Finansman kurumları Bonfire gelişimi hiçbir bilimsel bir rol oynamıştır.

Bonfire program dendrit ve akson morfolojisi analizi için bir yarı-otomatik bir program. Büyük ölçüde elle analizlerinin yapılması üzerinde Sholl analiz verimliliği ve doğruluk artar. Buna ek olarak, mümkün veri denetim ve analiz doğruluğunu kontrol etmek için Bonfire programı yapım sürecinin her aşamasında verileri kaydeder. Bu nedenle, veri analizi görev doğruluğu ödün vermeden sayısız bireyler için dağıtılacak. Son olarak, görüntülerin alt bölgelerini analiz yaparak, programı Sho...

<!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

Nöronal morfolojisi, nöron fonksiyonu ve 1-3 nasıl iletişim belirlenmesinde önemli bir rol oynar . Özellikle, diğer hücrelere girişleri almak için nöronların yeteneğini etkiler 2 ve 4,5 aksiyon potansiyelleri yayılma katkıda bulunur. Neurites morfolojisi de bilgilerin nasıl işlendiğini etkiler. Dendrit morfolojileri çeşitliliği, yerel ve uzun menzilli sinyalizasyon kolaylaştırmak ve, bireysel nöron nöron veya gruplar 6,7 nöronal ağ içinde özel görevleri yerine getirebilmek için izin . Alzheimer hastalığı 8, 9,10 şizofreni, mental retardasyon 11 de dahil olmak üzere bir dizi hastalık durumlarında, dendritler ve desen dallanma değişiklikleri parçalanması dahil, dendrit morfolojisi değişiklikler gözlenmiştir. Hem dendrit morfolojileri şekillendiren faktörleri anlamak ve dendrit morfolojileri değişiklikleri belirlemek için yeteneği, sinir sisteminin fonksiyonu ve disfonksiyonu anlayışı esastır. Neurite morfolojisi genellikle Sholl analiz ve şube ipuçları neurites ve sayısı sayısını sayma tarafından analiz edilir. Bu analiz genellikle dendritler uygulanır, ancak bu aksonlar için de uygulanabilir. Elle bu analizin yapılması, hem zaman alıcı hem de ve kaçınılmaz olarak deneyci önyargı ve tutarsızlık nedeniyle değişkenlik tanıtır. Bonfire programı, açık kaynak morfolojik analiz araçları üzerine inşa dendrit ve akson morfolojisi analizi için bir yarı-otomatik bir yaklaşımdır. Bizim program nöritik mili alt bölgelerini Sholl analiz yaparak davranışları dallanma dendrit ve akson yerel değişiklikler tespit sağlar. Örneğin, Sholl analiz, bir bütün olarak nöron Dendrit ve akson desenlendirme bir dizi hücre içi ve hücre dışı faktörler tarafından etkilenir (ilköğretim, ortaöğretim, terminal, root, vb) her alt süreçlerin yanı sıra hem yapılan birçok yerel hareket. Böylece, ortaya çıkan mili morfolojisi belirli neurites hareket eden bu yerel varyasyonlar 12 gözlemlemek için daha küçük bir ölçekte morfolojik analizini gerçekleştirmek için gerekli özel süreçlerin bir sonucudur. Bonfire programı, açık kaynak kodlu iki analiz araçları, ImageJ ve NeuronStudio NeuronJ eklenti kullanımını gerektirir. Nöronlar ImageJ takip ve NeuronStudio neurites arasında bağlantı tanımlamak için kullanılır. Bonfire verileri detaylı analiz için uygun bir biçime dönüştürmek için kullanılan özel komut dosyaları MATLAB (MathWorks) yazılmış bir dizi, kullanıcı hataları için kontrol edin ve sonuçta Sholl analizi gerçekleştirmek. Son olarak, verilerin istatistiksel analizi için Excel içine ihraç edilmektedir. Bonfire program akış şeması Şekil 1&#39;de gösterilmiştir.

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

Biz nöron morfolojisi analiz etmek için bir bilgisayar programı geliştirdik. Mevcut iki açık kaynak kodlu analiz araçları ile birlikte, program Sholl analiz yapar ve neurites, şube noktaları ve neurite ipuçları sayısını belirler. Analizler neurite morfolojisi yerel değişiklikler görülebilir şekilde yapılmaktadır.

Çoklu Ölçeklerde Sayısallaştırılmış Nöronal Morfoloji Otomatik Sholl Analizi

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 Görüntüleme.  Rutgers University. Biz nöron morfolojisi analiz etmek için bir bilgisayar programı geliştirdik. Mevcut iki açık kaynak kodlu analiz araçları ile birlikte, program Sholl analiz yapar ve neurites, şube noktaları ve neurite ipuçları sayısını belirler. Analizler neurite morfolojisi yerel değişiklikler görülebilir şekilde yapılmaktadır.

Video: 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.

Kültür MSS Nöronlar Dendritik Omurga Morfoloji Analizi

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

Nörobilim

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.

Organotipik Dilim Kültürleri Purkinje Hücre Dendritik Morfoloji Analizi

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.

Serebellar Granül Nöronlar Genetik Manipülasyon<em&gt; In Vitro</em&gt; Ve<em&gt; In Vivo</em&gt; Nöronal morfoloji ve Göç Eğitim için

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.

Davranan Bal arısı iki nöronal İşleme Dönemlerinde Eşzamanlı Uzun vadeli Kayıtlar

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.

Kombine Metodolojileri kullanan Akson Dallanman ve Nöronal Morfogenez sırasında Plazma Membran Teslimat Rolü tanımlayın

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.

Atomik Kuvvet Mikroskobu ile Beyin Polisomlar de Peering

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.

Multipl Skleroz Fare Modeli Progressive Nörolojik Engellilik Ölçümü

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.

Sütunlar ve Katmanlar dendritik Morfoloji Analizi

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.

Kronik daralma Yaralanmalı farelerde otomatik yürüyüş analizi

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.

Kantitatif analiz Drosophila nöronal dendritik Arborization karmaşıklığı

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