Name: quantifying fibrillar collagen organization with curvelet transform-based tools
Uploaded: 2020-11-11T14:00:00
Description: Watch this Scientific Journal Video about Quantifying Fibrillar Collagen Organization with Curvelet Transform-Based Tools at JoVE.com

Nous remercions de nombreux contributeurs et utilisateurs à CT-FIRE et CurveAlign au fil des ans, dont le Dr Rob Nowak, le Dr Carolyn Pehlke, le Dr Jeremy Bredfeldt, Guneet Mehta, Andrew Leicht, le Dr Adib Keikhosravi, le Dr Matt Conklin, le Dr Jayne Squirrell, le Dr Paolo Provenzano, la Dre Brenda Ogle, la Dre Patricia Keely, le Dr Joseph Szulczewski, la Dre Suzanne Ponik et d’autres contributions techniques de Swati Anand et Curtis Rueden. Ces travaux ont été soutenus par le financement de Semiconductor Research Corporation, Morgridge Institute for Research et NIH subventions R01CA199996, R01CA181385 et U54CA210190 à K.W.E.

REMARQUE : Ce protocole décrit l’utilisation de CT-FIRE et curveAlign pour la quantification du collagène. Ces deux outils ont des objectifs principaux complémentaires, mais différents, et sont liés dans une certaine mesure. CT-FIRE peut être lancé à partir de l’interface CurveAlign pour effectuer la plupart des opérations, à l’exception d’une analyse avancée du post-traitement et du retour sur investissement. Pour une opération complète de CT-FIRE, il doit être lancé séparément.
<p class="jo...

Ce protocole décrit l’utilisation de CT-FIRE et CurveAlign pour la quantification du collagène fibrillar et peut être appliqué à n’importe quelle image avec des fibres de collagène ou d’autres structures allongées en forme de ligne ou de fibre adaptées à l’analyse par CT-FIRE ou CurveAlign. Par exemple, l’élastine ou les fibres élastiques peuvent être traitées de la même manière sur cette plate-forme. Nous avons testé les deux outils sur des fibres synthétiques générées par calcul<sup class=...

Les collagènes fibrillaires sont des composants ECM structurels proéminents. Leur organisation modifie la fonction des tissus d’impact et sont probablement associés à la progression de nombreuses maladies allant de l’ostéogenèse imparfaite1, dysfonctioncardiaque 2, et la cicatrisationdes plaies 3 à différents types decancer,y compris lesein 4,5,6,7 ovarien,8, rein9, et les cancers du pancréas10. De nombreuses modalités d’imagerie établies peuvent être utilisées pour visualiser le collagène fibrillar tel que la microscopie de deuxième génération harmonique11,les taches ou les colorants en conjonction avec la microscopie à champ lumineux ou fluorescence ou la microscopie lumineuse polarisée12,la microscopie polarisation à base de cristaux liquides (LC-PolScope)13, et la microscopie électronique14. Comme l’importance de l’organisation du collagène fibrillaire est devenue plus claire, et l’utilisation de ces méthodes a augmenté, le besoin d’approches améliorées d’analyse des fibres de collagène a également augmenté.
Il y a eu beaucoup d’efforts pour développer des méthodes computationnelles pour la mesure automatisée du collagène fibrillar. Les outils logiciels librement disponibles sont principalement axés sur le calcul de l’alignement ou de l’orientation des fibres en adoptant soit le premier dérivé, soit le tenseur de structure pour les pixels15,16, ou l’analyse du spectre basé sur la transformation fourier pour les tuiles d’image17. Tous ces outils sont soumis à des limitations telles que l’exigence d’étapes manuelles, l’inexactitude dans la détection du bord de la fibre en arrière-plan bruyant, ou le manque de caractérisation localisée des fonctionnalités.
Par rapport à d’autres outils logiciels libres open source librement disponibles, les méthodes décrites dans ce protocole utilisent la Tomodensive — une méthode optimale, multiscale et directionnelle de représentation de l’image — pour éliminer le bruit des images de collagène fibrillaire et améliorer ou suivre les bords des fibres. Les informations sur l’emplacement et l’orientation peuvent être fournies directement à partir d’une fibre plutôt qu’en utilisant les informations indirectes pixel-sage ou fenêtre-sage pour déduire les mesures de l’organisation de fibre. Ce cadre basé sur la CT18,19,20,21 peut quantifier l’organisation de la fibre sur une base globale, roi, ou fibre, principalement via deux ensembles distincts, mais liés, nommés « CT-FIRE »18,21 et « CurveAlign »19,21. En ce qui concerne la mise en œuvre du logiciel, dans CT-FIRE, des coefficients de CT sur plusieurs échelles peuvent être utilisés pour reconstruire une image qui améliore les bords et réduit le bruit. Ensuite, un algorithme individuel d’extraction de fibres est appliqué à l’image reconstruite par CT pour suivre les fibres pour trouver leurs points de centre représentatifs, étendre les branches de fibre des points du centre, et relier les branches de fibre pour former un réseau de fibres. Dans CurveAlign, les coefficients de CT sur une échelle spécifiée par l’utilisateur peuvent être utilisés pour suivre l’orientation des fibres locales, où l’orientation et l’emplacement des courbes sont extraits et regroupés pour estimer l’orientation de la fibre aux emplacements correspondants. Ce cadre de quantification qui en résulte est développé depuis plus de dix ans et a beaucoup évolué dans de nombreux aspects tels que la fonctionnalité, l’interface utilisateur et la modularité. Par exemple, cet outil peut visualiser l’orientation locale de fibre et permet à l’utilisateur de mesurer jusqu’à trente dispositifs de fibre comprenant des propriétés individuelles de fibre telles que la longueur, l’angle, la largeur, et la droitivité, aussi bien que des mesures en vrac telles que la densité et l’alignement. En outre, l’utilisateur peut mesurer l’angle de fibre par rapport aux limites segmentées manuellement ou automatiquement, qui, par exemple, joue un rôle important dans le développement de biomarqueurs basés sur l’image dans le cancer dusein 22 et les études sur le cancer du pancréas10. Cette plate-forme fournit plusieurs modules de fonctionnalités, y compris ceux pour l’analyse du retour sur investissement, la création automatique des limites et le post-traitement. Le module roi peut être utilisé pour annoter différentes formes de retour sur investissement et effectuer une analyse de retour sur investissement correspondante. À titre d’exemple d’application, le module automatique de création de limites peut être utilisé pour enregistrer des images en champ lumineux d’hématoxyline et d’éosine (H&E) avec des images de deuxième génération harmonique (SHG) et générer le masque d’image des limites tumorales à partir des images H&E enregistrées. Le module de post-traitement peut faciliter le traitement et l’intégration des fichiers de données de sortie à partir d’images individuelles pour une analyse statistique possible.
Cette plate-forme de quantification ne nécessite pas d’expérience préalable de la programmation ou du traitement d’images et peut gérer de grands ensembles de données, y compris des centaines ou des milliers d’images, permettant une quantification efficace de l’organisation du collagène pour les applications biologiques ou biomédicales. Il a été largement utilisé dans différents domaines de recherche par de nombreux chercheurs du monde entier, y compris nous-mêmes. Il existe quatre publications principales sur CT-FIRE et CurveAlign18,19,20,21, dont les trois premières ont été citées 272 fois (en 2020-05-04 selon Google Scholar). Un examen des publications qui ont cité cette plate-forme (CT-FIRE ou CurveAlign) indique qu’environ 110 articles de revues l’ont directement utilisé pour leur analyse, dans lesquels environ 35 publications ont été en collaboration avec notre groupe, et les autres (~ 75) ont été écrites par d’autres groupes. Par exemple, cette plate-forme a été utilisée pour les études suivantes: cancer dusein 22,23,24, cancer du pancréas10,25, cancer du rein9,26, cicatrisation desplaies 3,27,28,29,30, cancer del’ovaire 8,31,7, ligament utérinacral32, dentine hypophosphatemique33, carcinome basocellulaire34, sarcome hypoxique35, tissu cartilagineux36, dysfonction cardiaque37, neurones38, glioblastome39, contractions lymphatiques40, cacffolds fibreux41, cancer gastrique42, microtubule43, et fibrose de la vessie44. La figure 1 démontre l’application d’imagerie cancéreuse de CurveAlign pour trouver les signatures de collagène associées à la tumeur du cancer dusein 19 à partir de l’image SHG. La figure 2 décrit un flux de travail schématique typique de cette plate-forme. Bien que ces outils aient été examinéstechniquement 18,19,21, et un protocole régulier20 pour l’analyse d’alignement avec CurveAlign est également disponible, un protocole visuel qui démontre toutes les caractéristiques essentielles pourrait être utile. Un protocole visualisé, tel que présenté ici, facilitera le processus d’apprentissage de l’utilisation de cette plate-forme ainsi que de répondre plus efficacement aux préoccupations et aux questions que les utilisateurs pourraient avoir.

<table>
	<tbody>
		<tr>
			<td>CT-FIRE</td>
			<td>Univerity of Wisconsin-Madison</td>
			<td>N/A</td>
			<td>open source software available from https://eliceirilab.org/software/ctfire/</td>
		</tr>
		<tr>
			<td>CurveAlign</td>
			<td>University of Wisconsin-Madison</td>
			<td>N/A</td>
			<td>open source software available from https://eliceirilab.org/software/curvealign/</td>
		</tr>
	</tbody>
</table>

quantifying fibrillar collagen organization with curvelet transform-based tools

Les collagènes fibrillaires sont des composants proéminents de matrice extracellulaire (ECM), et leurs changements de topologie se sont montrés associés à la progression d’un large éventail de maladies comprenant des cancers du sein, de l’ovaire, du rein, et du pancréas. Les outils logiciels de quantification des fibres librement disponibles sont principalement axés sur le calcul de l’alignement ou de l’orientation des fibres, et ils sont soumis à des limitations telles que l’exigence d’étapes manuelles, l’inexactitude dans la détection du bord de la fibre en arrière-plan bruyant, ou le manque de caractérisation localisée des fonctionnalités. L’outil de quantitation de fibre de collagène décrit dans ce protocole est caractérisé par l’utilisation d’une représentation optimale d’image multiscale permise par la transformation de courbe (CT). Cette approche algorithmique permet d’enlever le bruit des images de collagène fibrillaire et l’amélioration des bords de fibre pour fournir des informations d’emplacement et d’orientation directement à partir d’une fibre, plutôt que d’utiliser les informations indirectes pixel-sage ou fenêtre-sage obtenues à partir d’autres outils. Ce cadre basé sur le CT contient deux paquets distincts, mais liés, nommés « CT-FIRE » et « CurveAlign » qui peuvent quantifier l’organisation de la fibre sur une base globale, région d’intérêt (ROI), ou de fibre individuelle. Ce cadre de quantification a été développé depuis plus de dix ans et a maintenant évolué en une plate-forme complète et axée sur l’utilisateur quantification du collagène. En utilisant cette plate-forme, on peut mesurer jusqu’à une trentaine de caractéristiques de fibre, y compris les propriétés individuelles de fibre telles que la longueur, l’angle, la largeur et la droitité, ainsi que des mesures en vrac telles que la densité et l’alignement. En outre, l’utilisateur peut mesurer l’angle de fibre par rapport aux limites segmentées manuellement ou automatiquement. Cette plate-forme fournit également plusieurs modules supplémentaires, y compris ceux pour l’analyse du retour sur investissement, la création automatique des limites et le post-traitement. L’utilisation de cette plate-forme ne nécessite pas d’expérience préalable de la programmation ou du traitement d’image, et elle peut gérer de grands ensembles de données, y compris des centaines ou des milliers d’images, permettant une quantification efficace de l’organisation des fibres de collagène pour les applications biologiques ou biomédicales.

Ces méthodes ont été appliquées avec succès dans de nombreuses études. Quelques applications typiques incluent : 1) Conklin et autres22 ont employé CurveAlign pour calculer des signatures de collagène tumeur-associées, et ont constaté que les fibres de collagène ont été plus fréquemment alignées perpendiculairement au périmètre de conduit dans les lésions in situ (DCIS) de carcinome ductal ; 2) Drifka et autres10 ont employé le mode CT-FIRE dans CurveAlig...

Watch this Scientific Journal Video about Quantifying Fibrillar Collagen Organization with Curvelet Transform-Based Tools at JoVE.com

Quantifying Fibrillar Collagen Organization with Curvelet Transform-Based Tools

Ici, nous présentons un protocole pour utiliser un outil logiciel MATLAB à base de transformation de courbes et open-source pour quantifier l’organisation du collagène fibrillar dans la matrice extracellulaire des tissus normaux et maladie. Cet outil peut être appliqué sur des images avec des fibres de collagène ou d’autres types de structures en ligne.

Quantification de l’organisation du collagène fibrillar avec des outils curvelet à base de transformation

Fibrillar collagens are prominent extracellular matrix (ECM) components, and their topology changes have been shown to be associated with the progression ...

Research

JoVE Journal

Bioengineering

Preparation of Complaint Matrices for Quantifying Cellular Contraction

Préparation des matrices plainte pour quantifier la contraction cellulaire

The regulation of cellular adhesion to the extracellular matrix (ECM) is essential for cell migration and ECM remodeling.  Focal adhesions are ...

Recherche

Bio-ingénierie

Quantifying the Mechanical Properties of the Endothelial Glycocalyx with Atomic Force Microscopy

Quantification des propriétés mécaniques de la Glycocalyx endothéliale par microscopie à force atomique

Our  understanding of the interaction of leukocytes and the vessel wall during  leukocyte capture is limited by an incomplete understanding of the ...

Imaging Denatured Collagen Strands In vivo and Ex vivo via Photo-triggered Hybridization of Caged Collagen Mimetic Peptides

Imaging Denatured Collagen Strands In vivo and Ex vivo via Photo-triggered Hybridization of Caged Collagen Mimetic Peptides

Imagerie collagène dénaturé Strands<em&gt; In vivo</em&gt; Et<em&gt; Ex vivo</em&gt; Par photo-déclenchée hybridation de Caged collagène Mimetic peptides

Collagen is a major structural component of the extracellular matrix that supports tissue formation and maintenance. Although collagen remodeling is an ...

Helical Organization of Blood Coagulation Factor VIII on Lipid Nanotubes

Organisation hélicoïdale de facteur VIII de coagulation du sang sur les lipides nanotubes

Cryo-electron microscopy (Cryo-EM)1 is a powerful approach to investigate the functional structure of proteins and complexes in a hydrated state and ...

Analysis of Cell Migration within a Three-dimensional Collagen Matrix

Analyse de la migration cellulaire dans un tridimensionnelle Matrice Collagène

The ability to migrate is a hallmark of various cell types and plays a crucial role in several physiological processes, including&#160;embryonic ...

Electrospun Nanofiber Scaffolds with Gradations in Fiber Organization

Électrofilées nanofibres échafaudages avec des gradations dans l&#39;organisation fibre

The goal of this protocol is to report a simple method for generating nanofiber scaffolds with gradations in fiber organization and test their possible ...

Engineering 3D Cellularized Collagen Gels for Vascular Tissue Regeneration

Ingénierie 3D cellularisé collagène Gels pour la régénération tissulaire vasculaire

Synthetic materials are known to initiate clinical complications such as inflammation, stenosis, and infections when implanted as vascular substitutes. ...

Engineered 3D Silk-collagen-based Model of Polarized Neural Tissue

Modèle de polarisée Neural Tissue base-Silk-collagène ingénierie 3D

Despite huge efforts to decipher the anatomy, composition and function of the brain, it remains the least understood organ of the human body. To gain a ...

A Novel Tenorrhaphy Suture Technique with Tissue Engineered Collagen Graft to Repair Large Tendon Defects

Une nouvelle technique de suture Tenorrhaphy avec greffe de collagène issue d’une ingénierie tissulaire pour réparer les gros défauts tendineux

Surgical management of large tendon defects with tendon grafts is challenging, as there are a finite number of sites where donors can be readily ...

Quantifying Intermembrane Distances with Serial Image Dilations

Quantification des Distances intermembranaire avec Serial Image dilatations

A recently-described extracellular nanodomain, termed the perinexus, has been implicated in ephaptic coupling, which is an alternative mechanism for ...