Name: morphology-based distinction between healthy and pathological cells utilizing fourier transforms and self-organizing maps
Uploaded: 2018-10-28T14:00:00
Duration: 8 min 59 s
Description: Watch this Scientific Journal Video about Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps at JoVE.com

लेखक उपयोगी चर्चा और उनके समर्थन के लिए बिंयामीन Krause धंयवाद । लेखक आगे जी सेल माइक्रोस्कोपी के साथ उनकी सहायता के लिए रॉबर्ट गुंठर धंयवाद ।
इस कार्य को DFG वित्तीय सहायता NI1167/3-1 (जिमी) से R.N. और Z.C., DFG वित्तीय सहायता सीआरसी १२७८ PolyTarget परियोजना Z01 के लिए Z.C., C01 में TRR130 के लिए R.N. और SFB633, TRR130, Exc257 को A.E.H. और J.B.S. के द्वारा समर्थित किया गया F. L K और अल के लिए बीएफआर अंदर सहायता SFP1322-642 प्रदान की गई

<ol>
	<li>Masedunskas, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intravital+microscopy:+a+practical+guide+on+imaging+intracellular+structures+in+live+animals.">Intravital microscopy: a practical guide on imaging intracellular structures in live animals.</a> Bioarchitecture. 2 (5), 143-157 (2012).</li><li>Niesner, R. A., Hauser, A. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recent+advances+in+dynamic+intravital+multi-photon+microscopy.">Recent advances in dynamic intravital multi-photon microscopy.</a> Cytometry A. 79 (10), 789-798 (2011).</li><li>Ho, S. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NeurphologyJ:+an+automatic+neuronal+morphology+quantification+method+and+its+application+in+pharmacological+discovery.">NeurphologyJ: an automatic neuronal morphology quantification method and its application in pharmacological discovery.</a> BMC Bioinformatics. 12, 230 (2011).</li><li>Yin, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+screen+for+morphological+complexity+identifies+regulators+of+switch-like+transitions+between+discrete+cell+shapes.">A screen for morphological complexity identifies regulators of switch-like transitions between discrete cell shapes.</a> Nature Cell Biology. 15 (7), 860 (2013).</li><li>Yu, H. Y., Lim, K. P., Xiong, S. J., Tan, L. P., Shim, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+Morphometric+Analysis+in+Cellular+Behaviors:+Shape+and+Size+Matter.">Functional Morphometric Analysis in Cellular Behaviors: Shape and Size Matter.</a> Advanced Healthcare Materials. 2 (9), (2013).</li><li>Johnson, G. R., Buck, T. E., Sullivan, D. P., Rohde, G. K., Murphy, R. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Joint+modeling+of+cell+and+nuclear+shape+variation.">Joint modeling of cell and nuclear shape variation.</a> Molecular Biology of the Cell. 26 (22), 4046-4056 (2015).</li><li>Wang, S. -. H., Cheng, H., Phillips, P., Zhang, Y. -. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multiple+Sclerosis+Identification+Based+on+Fractional+Fourier+Entropy+and+a+Modified+Jaya+Algorithm.">Multiple Sclerosis Identification Based on Fractional Fourier Entropy and a Modified Jaya Algorithm.</a> Entropy. 20 (4), 254 (2018).</li><li>Kriegel, F. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cell+shape+characterization+and+classification+with+discrete+Fourier+transforms+and+self-organizing+maps.">Cell shape characterization and classification with discrete Fourier transforms and self-organizing maps.</a> Cytometry Part A. 93 (3), 323-333 (2017).</li><li>Styner, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Framework+for+the+Statistical+Shape+Analysis+of+Brain+Structures+using+SPHARM-PDM.">Framework for the Statistical Shape Analysis of Brain Structures using SPHARM-PDM.</a> Insight Journal. (1071), 242-250 (2006).</li><li>El-Baz, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+shape+analysis+for+early+diagnosis+of+malignant+lung+nodules.">3D shape analysis for early diagnosis of malignant lung nodules.</a> Medical Image Computing and Computer Assisted Intervention. 14 (Pt 3), 175-182 (2011).</li><li>Williams, E. L., El-Baz, A., Nitzken, M., Switala, A. E., Casanova, M. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spherical+harmonic+analysis+of+cortical+complexity+in+autism+and+dyslexia.">Spherical harmonic analysis of cortical complexity in autism and dyslexia.</a> Translational Neuroscience. 3 (1), 36-40 (2012).</li><li>Kruggel, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Robust+parametrization+of+brain+surface+meshes.">Robust parametrization of brain surface meshes.</a> Medical Image Analysis. 12 (3), 291-299 (2008).</li><li>Schindelin, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fiji:+an+open-source+platform+for+biological-image+analysis.">Fiji: an open-source platform for biological-image analysis.</a> Nature Methods. 9 (7), 676-682 (2012).</li><li>Kohonen, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Essentials+of+the+self-organizing+map.">Essentials of the self-organizing map.</a> Neural Networks. 37, 52-65 (2013).</li><li>Andrey, P., Boudier, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adaptive+Active+Contours.">Adaptive Active Contours.</a> ImageJ user and developer conference. , (2006).</li><li>Burger, W., Burge, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Principles of Digital Image Processing. , (2013).</li><li>Lestrel, P. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Fourier Descriptors and their Applications in Biology. , (2008).</li><li>Bayerl, S. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Time+lapse+in+vivo+microscopy+reveals+distinct+dynamics+of+microglia-tumor+environment+interactions-a+new+role+for+the+tumor+perivascular+space+as+highway+for+trafficking+microglia.">Time lapse in vivo microscopy reveals distinct dynamics of microglia-tumor environment interactions-a new role for the tumor perivascular space as highway for trafficking microglia.</a> Glia. 64 (7), 1210-1226 (2016).</li></ol>

लेखकों की घोषणा है कि वे कोई प्रतिस्पर्धा वित्तीय हितों की है ।

छोटे, बरकरार ऊतक नमूनों का उपयोग कर संभावित रोग की स्थिति की पहचान उच्च महत्व का है । ऐसी तकनीक संक्रामक रोगों और आक्रामक प्रकार के कैंसर के लिए एक समय पर प्रतिक्रिया का आश्वासन देगा । विभिंन प्रतिरक्षा कोशिकाओं के काइनेटिक और रूपात्मक प्रतिक्रियाओं, जैसे, microglia और मैक्रोफेज, शरीर की प्रतिरक्षा प्रतिक्रिया की विशेषता है । हालांकि ज्यादातर मामलों में यह व्यावहारिक या भी इन कोशिकाओं के काइनेटिक व्यवहार पर नजर रखने के लिए संभव नहीं है, यह काफी 3 आयामी छवियों को प्राप्त करने के लिए अपने आकार को पुनः प्राप्त सरल है । आमतौर पर, प्रतिरक्षा कोशिकाओं को स्वस्थ ऊतक में एक जटिल आकार और सूजन या कैंसर की स्थिति के तहत एक बहुत सरल रूप ग्रहण18। इस तरह के आकार परिवर्तन के समय निर्भर विशेषताओं Whilst प्रतिरक्षा प्रतिक्रिया के विकास की हमारी समझ में जोड़ना होगा, केवल कोशिकाओं के एक प्रतिनिधि समूह के 3d आकार का उपयोग भी स्वस्थ या रोग प्रकृति निर्धारित करने के लिए पर्याप्त हो सकता है ऊतक के ।
निस्र्पक एक सेल के 3-आयामी सतह एक सरल काम नहीं है । गोलाकार harmonics के आवेदन11,12घटकों के एक अपेक्षाकृत बड़ी संख्या (50-70) के साथ एक 3d सतह का प्रतिनिधित्व करने के लिए एक तरीका है. इसके अलावा, गोलाकार harmonics निर्धारण गणना महंगा है; इकाई क्षेत्र पर बहुत जटिल आकार पेश या तो असंभव है या बहुत इकाई क्षेत्र पर विभिन्न सुंदरता के कई ग्रिड लागू करने के लिए की वजह से मुश्किल; अंतत:, गोलाकार harmonics घटकों के स्पेक्ट्रा की सार्थक व्याख्या तुच्छ होने से दूर है.
हमारे यहाँ प्रस्तुत काम में, हम रोग स्थितियों की पहचान करने के लिए पर्याप्त रूपात्मक जानकारी हासिल करने के लिए मूल सतह के 2d अनुमानों का उपयोग करने के बहुत सरल दृष्टिकोण के साथ प्रत्यक्ष 3 डी सतह विश्लेषण के कठिन काम की जगह । हम माइलॉयड कोशिकाओं से 3 डी सूक्ष्म डेटा का उपयोग करके इस कार्यप्रवाह के हर कदम का प्रदर्शन किया, स्पष्ट रूप से इशारा करते हुए कि सभी कदम को पूरा सरल थे, और जिसके परिणामस्वरूप 2 आयामी नक्शे की व्याख्या करने के लिए आसान थे ।
स्वाभाविक रूप से, एक 3d-2d प्रक्षेपण सतह की संरचना के बारे में जानकारी के नुकसान को बढ़ावा मिलेगा । एक माउस cortical ट्यूमर मॉडल में microglia के हमारे उदाहरण डेटासेट में, यह 2d अनुमानों को बनाते समय छह कोणों का उपयोग करने के लिए पर्याप्त था । हालांकि, अधिक जटिल आकृतियों, या कम प्रमुख रूपात्मक परिवर्तनों की आवश्यकता हो सकती है कि अनुमानों की एक बड़ी संख्या के रूप में बनाया है ताकि मज़बूती से सोम के साथ सेल उपसमूह की पहचान करने में सक्षम हो । इस कारण से, हमारे दृष्टिकोण को उत्पंन करने और अनुमानों के किसी भी संख्या का विश्लेषण करने में सक्षम होने के लिए डिज़ाइन किया गया है । बस अधिक जटिल आकार के लिए अनुमानों की एक उच्च संख्या का चयन करके, यह एक संतोषजनक ंयूनतम करने के लिए सूचना हानि पैमाने पर संभव है । एक उदाहरण के रूप में, चित्रा 4a और 4b में बातचीत सेल प्रकार अनुमानों की एक बड़ी संख्या की आवश्यकता होगी क्रम में जटिल सतह का प्रतिनिधित्व करने के लिए ठीक है ।
किसी भी अनुमानित विधि के रूप में, इसके द्वारा प्रस्तावित कार्यप्रवाह18microglia के एक मैनुअल वर्गीकरण प्रक्रिया के परिणामों के खिलाफ परीक्षण किया जाना था । पहले प्रस्तुत परिणामों ने स्वचालित कार्यप्रवाह की विश्वसनीयता की पुष्टि की । इसके अलावा, कार्यप्रवाह पारंपरिक विश्लेषण की तुलना में अधिक कुशल समय है । microglia कोशिकाओं को वर्गीकृत करने वाले चिकित्सा विशेषज्ञ अपने डेटासेट के विश्लेषण के लिए लगभग 4 हफ्तों की जरूरत है, जबकि हमारे कार्यप्रवाह के बारे में केवल 1 दिन की जरूरत है । हमारे दृष्टिकोण की मजबूती भी स्पष्ट रूप से एक ही सेल प्रकार से संबंधित डेटा का एक सबसेट के लिए प्रशिक्षित सोम के reproducibility द्वारा सिद्ध किया गया था, लेकिन सोम ट्रेन करने के लिए इस्तेमाल नहीं किया गया था, चित्र 3सी में दिखाने के रूप में.
हालांकि हमारे दृष्टिकोण काइनेटिक जानकारी पर विचार नहीं किया, हम DFT आधारित आकार विश्लेषण पर समय के प्रभाव की जांच की । समय पर निर्भर व्यवहार के लिए सबसे विशिष्ट उदाहरण मोबाइल सेल की आबादी है, जहां उच्च अनुक्रमित DFT घटकों से योगदान स्पष्ट रूप से देख रहा था, के रूप में चित्र 4aके बीच में पाया गया । यह DFT घटकों के एक उच्च पर्याप्त संख्या के उपयोग के महत्व को ध्यान कॉल जब कोशिका प्रकार है कि एक बहुत समय निर्भर तरीके से व्यवहार करने की संभावना है के साथ काम । कारण स्वचालित प्रकृति और हमारे सॉफ्टवेयर उपकरण के उच्च निष्पादन की गति, DFT घटकों और अनुमानों की वृद्धि हुई संख्या परिशुद्धता और परिणामों की विश्वसनीयता में वृद्धि होगी, whilst वे appreciably गणना प्रदर्शन में बाधा नहीं होगा ।

जैविक ऊतक के रोग की स्थिति का समय पर, सरल और सटीक निर्धारण जैव चिकित्सा अनुसंधान में सबसे अधिक ब्याज की है । माउस मॉडल जटिल 3 डी और 4d (3 स्थानिक आयामों और समय) सूक्ष्म तकनीक के साथ संयोजन में रोग की स्थिति, जैसे प्रतिरक्षा प्रतिक्रियाओं या कैंसर के विकास, की एक सीमा का अध्ययन करने के लिए साधन प्रदान करते हैं । सूक्ष्म अध्ययन intravital या उत्पाद-ऊतक 2-फोटॉन माइक्रोस्कोपी, हल्की चादर माइक्रोस्कोपी के माध्यम से किया जा सकता है, और-फोकल माइक्रोस्कोप द्वारा-लगभग १०० µm की एक सीमित ऊतक गहराई करने के लिए. आदेश में शारीरिक या रोग की स्थिति के तहत कोशिकाओं के व्यवहार के बारे में समय से संबंधित जानकारी के लिए, यह समय की एक विस्तारित अवधि के लिए ऊतक पर नजर रखने के लिए आवश्यक है, जो आम तौर पर intravital इमेजिंग1,2 की आवश्यकता है . स्वाभाविक रूप से, इस तकनीक की प्रयोज्यता अपनी इनवेसिव के कारण पशु मॉडलों तक ही सीमित है । गैर इनवेसिव तकनीक टोमोग्राफी तरीकों की एक किस्म (MSOT, सीटी, आदि) सहित मानव अनुप्रयोगों, के लिए भी उपलब्ध हैं, लेकिन इन तरीकों सभी आवश्यक स्थानिक कमी-और अक्सर लौकिक संकल्प सेलुलर स्तर पर व्यवहार का अध्ययन करने के लिए ।
स्थैतिक कोशिकाओं के प्रकटन के बारे में जानकारी और अधिक आसानी से विभिंन 3 डी इमेजिंग उत्पादीय ऊतक नमूनों पर मार डाला तकनीकों के माध्यम से सुलभ हो सकता है । यहां, कोशिकाओं के काइनेटिक व्यवहार मापा नहीं है, इस प्रकार यह उपंयास विश्लेषण तकनीक है कि केवल उनकी आकृति विज्ञान3पर आधारित जांच की कोशिकाओं की रोगजनक स्थिति निर्धारित करने में सक्षम है अपनाने के लिए आवश्यक है । इस तरह के एक दृष्टिकोण के लिए कक्ष आकार और ऊतक textures रोग व्यवहार4,5,6से लिंक किया गया था ।
यहां वर्णित नई तकनीक में, कोशिकाओं को 3d सतहों के रूप में खंगाला जाता है और उनकी आकृतियों को 3d-2d अनुमानों और परवर्ती रूपान्तर आधारित परिधि-आकृति विश्लेषण7,8के माध्यम से पहचाना जाता है । आयामों को 3 से 2 तक कम करके, समस्या को सरलीकृत किया गया है । यह भी यह चिकित्सा9छवियों के लिए किया गया है के रूप में गोलाकार harmonics विश्लेषण लागू करने के द्वारा 3 डी में सतहों सेल की विशेषता के लिए संभव है. हालांकि, गोलाकार harmonics अच्छी तरह से तेज और बीहड़ आकार को संभाल नहीं, इकाई क्षेत्र पर स्थापित किया जा करने के लिए एक बहु-स्केल ग्रिड की आवश्यकता होती है. इसके अलावा, आवश्यक गोलाकार harmonics घटकों की संख्या बड़ी (50-70), अंतर्निहित गणना बहुत मांग और परिणाम10,11,12व्याख्या करने के लिए मुश्किल के साथ हो सकता है ।
हमारे नए प्रस्तावित विधि के साथ, कार्य 2d आकार वर्णन है, जहां 2 डी अनुमानों की संख्या विश्लेषक पर निर्भर है की एक श्रृंखला के लिए कम है और 3 डी आकार की जटिलता के अनुसार समायोजित किया जा सकता है । अनुमानों एक अजगर स्क्रिप्ट है कि एक 3 डी एनीमेशन उपकरण के अंदर चलाता है के माध्यम से स्वचालित रूप से उत्पंन कर रहे हैं । 2 डी अनुमानों असतत रूपान्तर के द्वारा वर्णित है रूपांतर (DFT) उनकी परिधि के घटकों, एक फिजी13 प्लगइन है कि हमारे सॉफ्टवेयर पैकेज के भाग के रूप में यहां प्रदान की जाती है द्वारा गणना की । DFT यहां लागू किया जाता है ताकि पाप और क्योंकि कार्यों की एक श्रृंखला में सेल के जटिल रूपरेखा विघटित करने के लिए । इस तरह, हम DFT घटकों की एक अपेक्षाकृत छोटी संख्या के साथ रूपरेखा का वर्णन कर सकते हैं, इस प्रकार समस्या की जटिलता को कम करने (अधिक जानकारी के लिए देखें समीकरण अनुभाग) । DFT अवयव एक प्रशिक्षित स्वयं में डाल रहे है नक्शे का आयोजन (सोम14), जहां आकार क्लस्टर के अस्तित्व को निष्पक्ष8परीक्षण किया जा सकता है । SOMs कृत्रिम बुद्धि के क्षेत्र से एक प्रतिस्पर्धी और पर्यवेक्षणीय शिक्षण उपकरण प्रदान करते हैं । वे एक भारित पड़ोस दूरी समारोह के माध्यम से एक दूसरे के साथ संवाद जो कृत्रिम ंयूरॉंस की एक लिंक सरणी से मिलकर बनता है । न्यूरॉन सिस्टम इनपुट डेटासेट के पहले तत्व के लिए प्रतिक्रिया करता है और न्यूरॉन्स जिसका जवाब सबसे मजबूत है "समूहीकृत" एक दूसरे के पास. के रूप में तंत्रिका तंत्र और अधिक से अधिक इनपुट प्राप्त करता है, डेटा न्यूरॉन्स कि लगातार प्रतिक्रिया जोरदार रूप से प्रणाली के भीतर क्लस्टर परिभाषित करने के लिए शुरू । एक बड़े डेटासेट कि DFT घटकों का एक सेट के रूप में 2d आकार जानकारी शामिल है पर उचित प्रशिक्षण के बाद, किसी भी व्यक्ति सेल के DFT घटकों प्रशिक्षित सोम में रखा जा सकता है और पता चलता है कि क्या सेल की संभावना स्वस्थ या रोगजनक सेल समूह के अंतर्गत आता है । हम इस तरह के उपकरण वैज्ञानिक और नैदानिक निदान के तरीकों के लिए एक महान इसके अलावा बनने की उम्मीद है ।

<table>
	<tbody>
		<tr>
			<td>Imaris 9.1.2, software</td>
			<td>Bitplane, Z&#252;rich, Switzerland</td>
			<td>v.9.1.2</td>
			<td>3D image reconstruction and surface generation; this was used by us!</td>
		</tr>
		<tr>
			<td>Blender 2.75a, software</td>
			<td>https://www.blender.org/</td>
			<td>v.2.75a</td>
			<td>3D and 4D open source animation software; 2.75a is the required version for this Python</td>
		</tr>
		<tr>
			<td>Fiji /ImageJ, software</td>
			<td>https://fiji.sc/</td>
			<td>ImageJ v.1.52b</td>
			<td>Open source multi-D image analysis toolkit</td>
		</tr>
		<tr>
			<td>MATLAB</td>
			<td>MathWorks, www.mathworks.com</td>
			<td>R2017b</td>
			<td>General computational mathematical software</td>
		</tr>
		<tr>
			<td>MATLAB Machine Learning kit</td>
			<td>MathWorks, www.mathworks.com</td>
			<td>R2017b</td>
			<td>Can only be used together with MATLAB</td>
		</tr>
		<tr>
			<td>Fiji plugins: SHADE</td>
			<td>https://github.com/zcseresn/ShapeAnalysis</td>
			<td>v.1.0</td>
			<td></td>
		</tr>
		<tr>
			<td>Fiji plugins: ActiveContour</td>
			<td>http://imagejdocu.tudor.lu/doku.php?id=plugin:segmentation:active_contour:start</td>
			<td>absnake2</td>
			<td></td>
		</tr>
		<tr>
			<td>Computer</td>
			<td>Any</td>
			<td>NA</td>
			<td>See Imaris instructions for minimum computer requirements</td>
		</tr>
	</tbody>
</table>

morphology-based distinction between healthy and pathological cells utilizing fourier transforms and self-organizing maps

उपस्थिति और प्रतिरक्षा कोशिकाओं के आंदोलनों उनके पर्यावरण से प्रेरित हैं । एक रोगज़नक़ आक्रमण करने के लिए एक प्रतिक्रिया के रूप में, प्रतिरक्षा कोशिकाओं सूजन की साइट पर भर्ती कर रहे हैं और आक्रमण के आगे प्रसार को रोकने के लिए सक्रिय कर रहे हैं । यह भी व्यवहार में परिवर्तन और प्रतिरक्षा कोशिकाओं के रूपात्मक उपस्थिति के द्वारा परिलक्षित होता है । कैंसर ऊतक में, समान morphokinetic परिवर्तन microglial कोशिकाओं के व्यवहार में देखा गया है: इंट्रा ट्यूमर microglia कम जटिल 3 आयामी आकार है, कम शाखाओं वाले सेलुलर प्रक्रियाओं, और स्वस्थ में उन से अधिक तेजी से कदम ऊतक. ऐसे morphokinetic गुणों की परीक्षा में जटिल 3डी माइक्रोस्कोपी तकनीक की आवश्यकता होती है, जो longitudinally को निष्पादित करते समय अत्यंत चुनौतीपूर्ण हो सकती है । इसलिए, एक सेल के एक स्थिर 3d आकार की रिकॉर्डिंग बहुत आसान है, क्योंकि यह intravital माप की आवश्यकता नहीं है और के रूप में अच्छी तरह से उत्पाद के ऊतकों पर किया जा सकता है । हालांकि, यह विश्लेषण उपकरण है कि 3 डी आकार की तेजी से और सटीक वर्णन की अनुमति देने और स्वस्थ और रोगजनक ऊतक नमूनों के नैदानिक वर्गीकरण केवल स्थिर, आकार से संबंधित जानकारी पर आधारित की अनुमति देता है के लिए आवश्यक है । यहां, हम एक toolkit कि आत्म-आयोजन नक्शे के माध्यम से 3d कोशिका के 2 डी अनुमानों का एक सेट की रूपरेखा के असतत रूपान्तर घटकों का विश्लेषण करती है वर्तमान । कृत्रिम खुफिया तरीकों के आवेदन हमारे ढांचे के रूप में यह अधिक से अधिक ऊतक नमूनों के लिए लागू किया जाता है के रूप में विभिन्न कोशिका आकृतियों के बारे में जानने के लिए अनुमति देता है, whilst कार्यप्रवाह सरल रहता है.

Watch this Scientific Journal Video about Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps at JoVE.com

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

यहां, हम एक कार्यप्रवाह है कि उनके 3 आयामी आकार के आधार पर स्वस्थ और रोग कोशिकाओं की पहचान की अनुमति देता है प्रदान करते हैं । हम 3d प्रक्षेपण पर आधारित रूपरेखा का उपयोग करने की प्रक्रिया का वर्णन 3 डी के लिए एक आत्म-नक्शा है कि जांच सेल आबादी का उद्देश्य clustering प्रदान करेगा आयोजन को प्रशिक्षित सतहों ।

विज्ञान आधारित-स्वस्थ और रोग की कोशिकाओं के बीच अंतर का उपयोग रूपान्तर रूपांतरण और आत्म आयोजन नक्शे

The appearance and the movements of immune cells are driven by their environment. As a reaction to a pathogen invasion, the immune cells are recruited to ...

इस विधि से कैंसर अनुसंधान और कैंसर के इलाज जैसे बुनियादी अनुसंधान और नैदानिक अनुप्रयोगों में महत्वपूर्ण सवालों के जवाब देने में मदद मिल सकती है, लेकिन इम्यूनोलॉजी क्षेत्र में भी। इस विधि का मुख्य लाभ यह है कि यह एक स्थिर विधि है और सुविधाजनक बनाने में आसान है। यह तकनीक स्वचालित रूप से उनके आकार और आंदोलन विशेषताओं के आधार पर रोगग्रस्त कोशिका प्रकारों की पहचान करने में सक्षम है।इस तकनीक के निहितार्थ कैंसर या भड़काऊ रोगों के निदान और चिकित्सा की ओर विस्तार करते हैं। यह विधि प्रतिरक्षा कोशिकाओं और कैंसर कोशिकाओं के बीच कार्यों में अंतर्दृष्टि प्रदान कर सकती है लेकिन इसे किसी भी क्षेत्र में भी लागू किया जा सकता है जहां त्रि-आयामी माइक्रोस्कोपी डेटा आवश्यक है। यह हो सकता है कि इस विधि के लिए नए व्यक्ति त्रि-आयामी माइक्रोस्कोपी डेटा का वर्णन करने और मान्य करने के लिए अपनी समस्याओं के कारण संघर्ष करेंगे।हमने सोचा कि इस विधि का एक दृश्य प्रदर्शन महत्वपूर्ण है क्योंकि सॉफ्टवेयर उपकरण है कि हम यहां का उपयोग वैज्ञानिकों के कई से परिचित नहीं हैं । शुरू करने के लिए, एक उच्च-संकल्प प्राप्त करें, साथ में वर्णित त्रि-आयामी माइक्रोस्कोपी डेटा सेट को अलग करें। पुनर्निर्माण सॉफ्टवेयर में 3D छवि डेटा लोड करें, और प्रत्येक ऑब्जेक्ट के लिए 3D सतह बनाना शुरू करें।इसे पूरा करने के लिए, 3D व्यू विकल्प का चयन करें और सतहों पर क्लिक करें, फिर सतह निर्माण जादूगर के साथ आगे बढ़ने के लिए अगले बटन पर क्लिक करें। अब, सतह पुनर्निर्माण के लिए छवि चैनल का चयन करें। एक चौरसाई मूल्य चुनें जो सतह के विवरण को छिपाता नहीं है बल्कि असुरक्षित सतहों से भी बचाता है।स्मूद ऑप्शन चेकबॉक्स पर क्लिक करके और चौरसाई त्रिज्या प्रदान करके चौरसाई फ़ंक्शन लागू करें। माइक्रोस्कोपी डेटा के त्रि-आयामी इमेजरी निर्माण बनाते समय, किसी भी सेलुलर विशेषताओं या आकारों को खोने के लिए, चौरसाई कारक और उचित सीमा विधि पर ध्यान देना विशेष रूप से महत्वपूर्ण है। इसके बाद, सतहों को खोजने के लिए थ्रेसिंग विधि का चयन करें।एक पूर्ण तीव्रता सीमा का उपयोग करें जब वस्तुओं, जैसे कि यहां दिखाए गए, पृष्ठभूमि से अच्छी तरह से अलग होते हैं और लगभग एक समान चमक स्तर होते हैं। जब वस्तुओं की तीव्रता में भिन्नता होती है, लेकिन फिर भी स्थानीय पृष्ठभूमि से और उनके आसपास की अन्य वस्तुओं से अलग किया जा सकता है, तो स्थानीय विपरीत सीमा लागू करें। खंगाले गए ऑब्जेक्ट्स के अपेक्षित व्यास के मूल्य के अनुसार स्थानीय सीमा खोज क्षेत्र निर्धारित करें।इसके बाद, ब्याज के रूपात्मक मापदंडों के अनुसार पुनर्निर्मित सतहों को फ़िल्टर करने के लिए विकल्पों की सूची से चयन करें। इसमें वॉल्यूम, स्पिरसिटी, सरफेस-टू-वॉल्यूम रेशियो और भी बहुत कुछ शामिल है। वीआरएमएल जैसे प्रारूप में उत्पन्न सतहों को सहेजें और निर्यात करें, जो अगले चरण में उपयोग किए जाने वाले 3डी एनीमेशन सॉफ्टवेयर के साथ संगत है।ब्लेंडर शुरू करें, और खिड़की के दाईं ओर आउटपुट टैब पर जाएं। ड्रॉपडाउन मेनू से झगड़ा प्रारूप का चयन करें, और 8-बिट आरजीबीए के लिए रंग गहराई सेट करें। इसके बाद, स्क्रिप्टिंग मोड में स्विच करें, और शीर्षक से प्रदान की गई स्क्रिप्ट फ़ाइल पर नेविगेट करें: GUI_Autorotate।पाइ, जो इस काम के लिए गिथब भंडार से डाउनलोड किया जा सकता है। मुख्य विंडो में वापस, रन स्क्रिप्ट पर क्लिक करें, और इनपुट के लिए प्रेरित होने पर डब्ल्यूआरएल फ़ाइलों का फ़ोल्डर चुनें। इसके बाद डिफॉल्ट मेन्यू पर जाएं।यहां, छह या उससे ऊपर एक मूल्य के लिए घूर्णन सेट करें । रोटेट बटन पर क्लिक करके स्क्रिप्ट चलाएं। छह अलग-अलग कोणों का एक रोटेशन आमतौर पर विभिन्न सेलुलर आबादी को अलग करने के लिए पर्याप्त होता है, हालांकि, हम आकार या विशेषताओं के बारे में कोई जानकारी न खोने के लिए छह से कम घूर्णन का उपयोग करने की सलाह नहीं देते हैं।इनपुट के लिए उपयोग किए जाने वाले एक ही फ़ोल्डर में व्यक्तिगत सतहों के अनुमानों को सहेजें। डिफ़ॉल्ट रूप से, छवियों को 8-बिट झगड़ा प्रारूप में सहेजा जाता है, जो फिजी प्लगइन, शेड के लिए आवश्यक प्रारूप है। फिजी खोलें, और प्लगइन्स मेनू में छाया का चयन करें।डिफ़ॉल्ट मानों के साथ शुरू करें, और बाद में मापदंडों को ठीक करें। कार्यक्रम चलाने के लिए तैयार होने पर ठीक क्लिक करें। इसके बाद, उस स्रोत फ़ोल्डर को चुनें जिसमें पिछले सेक्शन में बनाई गई झगड़ा फ़ाइलें शामिल हैं, और सेलेक्ट पर क्लिक करें।इसके बाद आउटपुट डाटा फोल्डर उपलब्ध कराएं। जब पहली छवि दिखाई देती है, तो सेल के आसपास एक आयत आकर्षित करें, और ठीक पर क्लिक करके शुरू करें। जैसे ही प्लगइन चलता है, आप लाल रेखाओं द्वारा इंगित कोशिकाओं की परिधि खोज में छवि के पूर्व-प्रसंस्करण को देखते हैं।पाया किनारों के निर्देशांक अब असतत फोरियर घटकों की गणना करने के लिए उपयोग किया जाता है। पहली बार स्वयं-आयोजन मानचित्रों को प्रशिक्षित करने के लिए, मैटलैब लोड करके शुरू करें। TrainSOM MATLAP स्क्रिप्ट लोड करें, और फिर प्रशिक्षण शुरू करने के लिए रन का चयन करें।यदि आवश्यक हो तो फ़ाइल को सही ढंग से पथ बनाना सुनिश्चित करें। जब यह चलना शुरू होता है, और अतिरिक्त विंडो प्रगति प्रदर्शित करने के लिए पॉप अप होगा। आगे बढ़ने से पहले ट्रेनिंग पूरी होने तक इंतजार करें।डिफ़ॉल्ट रूप से, स्क्रिप्ट 2, 000 पुनरावृत्तियों, या महाकाव्यों को चलाने के लिए तैयार है। प्रशिक्षण समाप्त होने के बाद, नेटवर्क के टोपोलॉजी भूखंडों की जांच करें। यहां पड़ोसी-दूरी की साजिश, नमूना हिट साजिश, और इनपुट विमानों की साजिश का एक उदाहरण है ।स्वयं-आयोजन मानचित्र आपके डेटा सेट में छिपे हुए संबंधों को खोजने के लिए एक महत्वपूर्ण उपकरण हैं। वे आपके डेटा को निष्पक्ष रूप से क्लस्टर करते हैं, और उन्हें यह लाभ होता है कि उन्हें प्रशिक्षण डेटा सेट की आवश्यकता नहीं होती है, क्योंकि वे अपर्यवेक्षित सीखते हैं। नेटवर्क अब प्रशिक्षित किया जाता है।अपने कार्यक्षेत्र में फ़ाइल पर सही क्लिक करें, और भविष्य के उपयोग के लिए इसे सहेजें। डेटा सेट को क्लस्टर करने के लिए, पहले से ही प्रशिक्षित मानचित्र का उपयोग करते समय, स्वयं-आयोजन मानचित्रों में लोड करें। इसके बाद सीएसवी फाइल आयात करें, जिसकी जांच पहले से लोडेड प्रशिक्षित नक्शों से की जानी है।यहां हम शेड प्लगइन के सीएसवी आउटपुट का चयन करेंगे। जब डेटा लोड होता है, तो आउटपुट प्रकार को न्यूमेरिक मैट्रिक्स में बदलें, और फिर आयात चयन का चयन करें। वर्गीकरण समाप्त होने के बाद, विभिन्न भूखंडों का मूल्यांकन करने के लिए कमांड विंडो का उपयोग करें।यहां इमेज शो माइक्रोग्लिगल सेल्स के एक डिकोवोल्ड इंट्राविटल मल्टी-फोटॉन मिसक्रॉस्कोपी डेटा सेट से है । शारीरिक परिस्थितियों में, माइक्रोग्लिया ने कई, उच्च-शाखाओं वाली प्रक्रियाओं के साथ एक जटिल आकार प्रस्तुत किया। जब इस कॉर्टिकल ट्यूमर मॉडल जैसे कैंसर के वातावरण में रखा जाता है, तो माइक्रोग्लिया एक सरल, अधिक धुरी जैसे आकार में बदल जाता है।इनमें से 20 फोरियर के आकार के वर्णन घटकों का उपयोग स्वयं-आयोजन मानचित्र को प्रशिक्षित करने के लिए इनपुट के रूप में किया गया था। प्रशिक्षित नक्शे तो स्वस्थ और कैंसर कोशिकाओं के बीच अंतर करने की क्षमता का मूल्यांकन करने के लिए परीक्षण किया गया था । स्वस्थ कोशिका आबादी को यहां दिखाए गए एक ही क्षेत्र पर प्रक्षेपित किया गया था, जबकि, कैंसर माइक्रोग्लिया डेटा सेट एक डम्बल के आकार का सक्रिय क्षेत्र के रूप में प्रस्तुत किया गया था।नक्शे भी चिकित्सा विशेषज्ञों द्वारा प्रशिक्षित किया जा सकता है अलग सेल समूहों की पहचान करने के लिए । यहां, आराम कोशिकाओं, phagocytosing कोशिकाओं, बातचीत कोशिकाओं, और मोबाइल कोशिकाओं, की पहचान की गई, खंगाला, और एक 12x12 नक्शे को प्रशिक्षित करने के लिए इस्तेमाल किया । यह संयुक्त नक्शा उच्च हिट मूल्य कृत्रिम न्यूरॉन्स के समूहों को दिखाता है, विशेष रूप से नक्शे के नीचे-बाएं और मध्य क्षेत्रों में।मानचित्रण दृष्टिकोण की मजबूती का परीक्षण प्रशिक्षित स्व-आयोजन मानचित्र का उपयोग करके किया गया था जिसमें एक ही आराम सेल प्रकार के 3 यादृच्छिक सबसेट थे जो प्रशिक्षण डेटा सेट का हिस्सा नहीं था। इस इनपुट के लिए S.O.M की प्रतिक्रिया एक बहुत ही प्रतिक्रिया प्रदर्शित करती है जो सही सेल प्रकार को इंगित करती है। इस तकनीक के विकास के बाद, अब हमारे पास एक टूलकिट है, जिसके साथ हम बस सेल-आकार परिवर्तनों को वर्गीकृत कर सकते हैं।ये परिवर्तन कैंसर के दौरान, उदाहरण के लिए, या अन्य प्रतिरक्षा प्रणाली प्रतिक्रियाओं के दौरान होते हैं, और हम उन्हें माइक्रोस्कोपी के साथ माप सकते हैं, पूरे जानवरों, उत्पादित ऊतक, या यहां तक कि चिप पर अंगों का उपयोग कर सकते हैं।

Research

JoVE Journal

Cancer Research

Analyzing the Communication Between Monocytes and Primary Breast Cancer Cells in an Extracellular Matrix Extract (ECME)-based Three-dimensional System

Analyzing the Communication Between Monocytes and Primary Breast Cancer Cells in an Extracellular Matrix Extract ECME-based Three-dimensional System

एक Extracellular मैट्रिक्स निकालने में Monocytes और प्राथमिक स्तन कैंसर कोशिकाओं के बीच संचार का विश्लेषण (ECME)-तीन आयामी प्रणाली आधारित

Embedded in the extracellular matrix (ECM), normal and neoplastic epithelial cells intimately communicate with hematopoietic and non-hematopoietic cells, ...

A Preclinical Mouse Model of Osteosarcoma to Define the Extracellular Vesicle-mediated Communication Between Tumor and Mesenchymal Stem Cells

ट्यूमर और Mesenchymal स्टेम कोशिकाओं के बीच Extracellular पुटिका-मध्यस्थता संचार को परिभाषित करने के लिए ऑस्टियो के एक नैदानिक माउस मॉडल

Within the tumor microenvironment, resident or recruited mesenchymal stem cells (MSCs) contribute to malignant progression in multiple cancer types. Under ...

Simple and Rapid Method to Obtain High-quality Tumor DNA from Clinical-pathological Specimens Using Touch Imprint Cytology

स्पर्श छाप Cytology का उपयोग नैदानिक रोग नमूनों से उच्च गुणवत्ता वाले ट्यूमर डीएनए प्राप्त करने के लिए सरल और तेजी से विधि

It is critical to determine the mutational status in cancer before administration and treatment of specific molecular targeted drugs for cancer patients. ...

Utilizing High Resolution Ultrasound to Monitor Tumor Onset and Growth in Genetically Engineered Pancreatic Cancer Models

आनुवंशिक रूप से इंजीनियर अग्नाशय के कैंसर के मॉडल में ट्यूमर की शुरुआत और विकास की निगरानी करने के लिए उच्च संकल्प अल्ट्रासाउंड का उपयोग

The LSL-KrasG12D/+; LSL-Trp53R172H/+; Pdx-1-Cre (KPC) mouse model represents an established and frequently used transgenic model to evaluate novel ...

Utilizing 18F-FDG PET/CT Imaging and Quantitative Histology to Measure Dynamic Changes in the Glucose Metabolism in Mouse Models of Lung Cancer

Utilizing 18F-FDG PET/CT Imaging and Quantitative Histology to Measure Dynamic Changes in the Glucose Metabolism in Mouse Models of Lung Cancer

उपयोग 18F-FDG पीईटी/सीटी इमेजिंग और मात्रात्मक प्रोटोकॉल में ग्लूकोज चयापचय में गतिशील परिवर्तन को मापने के लिए माउस मॉडल फेफड़ों के कैंसर

A hallmark of advanced tumors is a switch to aerobic glycolysis that is readily measured by [18F]-2-fluoro-2-deoxy-D-glucose positron emission tomography ...

Capturing Small Molecule Communication Between Tissues and Cells Using Imaging Mass Spectrometry

इमेजिंग द्रव्यमान स्पेक्ट्रोमेट्री का उपयोग कर ऊतकों और कोशिकाओं के बीच छोटे अणु संचार पर कब्जा

Imaging mass spectrometry (IMS) has routinely been applied to three types of samples: tissue sections, spheroids, and microbial colonies. These sample ...

Pathological Analysis of Lung Metastasis Following Lateral Tail-Vein Injection of Tumor Cells

ट्यूमर कोशिकाओं के पार्श्व पूंछ-शिरा इंजेक्शन के बाद फेफड़ों के मेटास्टेसिस का पैथोलॉजिकल विश्लेषण

Metastasis, the primary cause of morbidity and mortality for most cancer patients, can be challenging to model preclinically in mice. Few spontaneous ...

Orthotopic Implantation of Patient-Derived Cancer Cells in Mice Recapitulates Advanced Colorectal Cancer

चूहों में रोगी-व्युत्पन्न कैंसर कोशिकाओं का ऑर्थोटोपिक प्रत्यारोपण उन्नत कोलोरेक्टल कैंसर को पुन: उत्पन्न करता है

Over the last decade, more sophisticated preclinical colorectal cancer (CRC) models have been established using patient-derived cancer cells and 3D ...

Risk Prediction Model of Gastric Low-Grade Intraepithelial Neoplasia

Establishment and Evaluation of a Risk Prediction Model for Pathological Escalation of Gastric Low-Grade Intraepithelial Neoplasia

Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors

गैस्ट्रिक लो-ग्रेड इंट्रापीथेलियल नियोप्लासिया के पैथोलॉजिकल एस्केलेशन के लिए जोखिम भविष्यवाणी मॉडल की स्थापना और मूल्यांकन

The study aims to explore the risk factors for pathological escalation after endoscopic surgery for gastric low-grade intraepithelial neoplasia (LGIN) and ...

Standardizing Ovarian Cancer Organoid Biobanking

Strategy for Biobanking of Ovarian Cancer Organoids: Addressing the Interpatient Heterogeneity across Histological Subtypes and Disease Stages

Author Spotlight: Advancing Personalized Medicine in Ovarian Cancer 

डिम्बग्रंथि के कैंसर ऑर्गेनोइड के बायोबैंकिंग के लिए रणनीति: हिस्टोलॉजिकल उपप्रकारों और रोग चरणों में इंटरपेशेंट विषमता को संबोधित करना

While the establishment of an ovarian cancer biobank from patient-derived organoids along with their clinical background information promises advances in ...