Summary

3D-modellering av dendrittiske spines med synaptisk plastisitet

Published: May 18, 2020
doi:

Summary

Protokollen utvikler en tredimensjonal (3D) modell av et dendrittisk segment med dendrittiske spines for modellering av synaptisk plastisitet. Det konstruerte nettet kan brukes til beregningsmodellering av AMPA-reseptorhandel i den langsiktige synaptiske plastisiteten ved hjelp av programmet Blender med CellBlender og MCell.

Abstract

Beregningsmodellering av diffusjon og reaksjon av kjemiske arter i en tredimensjonal (3D) geometri er en grunnleggende metode for å forstå mekanismene for synaptisk plastisitet i dendrittiske spines. I denne protokollen er den detaljerte 3D-strukturen til dendrittene og dendrittiske spines modellert med masker på programvaren Blender med CellBlender. De synaptiske og ekstrasynaptiske områdene er definert på nettet. Deretter defineres de synaptiske reseptorene og synaptiske ankermolekylene med diffusjonskonstantene. Til slutt er de kjemiske reaksjonene mellom synaptiske reseptorer og synaptiske ankere inkludert, og beregningsmodellen løses numerisk med programvaren MCell. Denne metoden beskriver den spatiotemporale banen til hvert enkelt molekyl i en 3D geometrisk struktur. Dermed er det svært nyttig å studere smugling av synaptiske reseptorer inn og ut av dendrittiske spines under forekomsten av synaptisk plastisitet. En begrensning av denne metoden er at det høye antallet molekyler bremser hastigheten på simuleringene. Modellering av dendrittiske spines med denne metoden tillater studiet av homosynaptisk potensering og depresjon i enkelt spines og heterosynaptisk plastisitet mellom nabo dendrittiske spines.

Introduction

Synaptisk plastisitet har vært forbundet med læring og minne1. Synaptisk plastisitet, som langsiktig potensering (LTP) og langsiktig depresjon (LTD), er henholdsvis forbundet med innsetting og fjerning av AMPA-reseptorer (AMPARs) inn og ut av den synaptiskemembranen 2. AMPAR-synapsene er plassert på toppen av de små volumstrukturene som kalles dendrittiske spines3. Hver ryggrad inneholder et protein tett område i postsynaptisk membran kalt postsynaptisk tetthet (PSD). Ankerproteiner ved PSD-fellen AMPARs i den synaptiske regionen. Det er få kopier av AMPARs innenfor en enkelt synapse og menneskehandel og reaksjon av AMPARs med andre arter i dendrittiske spines er en stokastiskprosess 2,4. Det finnes flere kompartale modeller av synaptisk reseptorhandel ved dendrittiske spines5,6,7,8. Det er imidlertid mangel på stokastiske beregningsmodeller av smugling av AMPARer forbundet med synaptisk plastisitet ved 3D-strukturene til dendrittene og deres dendrittiske spines.

Beregningsmodellering er et nyttig verktøy for å undersøke mekanismene som ligger til grunn for dynamikken i komplekse systemer som reaksjonsdiffusivjonen av AMPARer i dendrittiske spines under forekomsten av synaptisk plastisitet9,,10,,11,,12. Modellen kan brukes til å visualisere komplekse scenarier, variere sensitive parametere og gjøre viktige spådommer under vitenskapelige forhold som involverer mange variabler som er vanskelige eller umulige å kontrollereeksperimentelle 12,,13. Å definere detaljnivået til en beregningsmodell er et grunnleggende skritt for å få nøyaktig informasjon om det modellerte fenomenet. En ideell beregningsmodell er en delikat balanse mellom kompleksitet og enkelhet for å fange de essensielle egenskapene til naturfenomenene uten å være beregningsmessig uoverkommelige. Beregningsmodeller som er for detaljerte kan være dyre å beregne. På den annen side kan systemer som er dårlig detaljerte, mangle de grunnleggende komponentene som er avgjørende for å fange dynamikken i fenomenet. Selv om 3D-modellering av dendrittiske spines er beregningsmessig dyrere enn 2D og 1D, er det forhold, for eksempel i komplekse systemer med mange ikke-lineære variabler som reagerer og sprer seg i tid og 3D-plass, for hvilken modellering på 3D-nivå er avgjørende for å få innsikt om systemets funksjon. Videre kan kompleksiteten reduseres nøye for å bevare de essensielle egenskapene til en laveredimensjonal modell.

I et stokastisk system med få kopier av en gitt art innenfor et lite volum avviker den gjennomsnittlige dynamikken i systemet fra den gjennomsnittlige dynamikken i en stor befolkning. I dette tilfellet er det nødvendig med stokastisk beregningsmodellering av reaksjonsdiffuserende partikler. Dette arbeidet introduserer en metode for stokastisk modellering av reaksjonsdiffusjon av noen få kopier av AMPARs i 3D dendrittiske spines. Formålet med denne metoden er å utvikle en 3D beregningsmodell av et dendrittisk segment med dendrittiske spines og deres synapser for modellering av synaptisk plastisitet.

Metoden bruker programvaren MCell til å løse modellen numerisk, Blender for å konstruere 3D-nett og CellBlender til å lageogvisualisere MCell-simuleringene, inkludert den romliggjørende reaksjonsdiffusjonen av molekyler i 3D-nett14,15,,16. Blender er en suite for etablering av masker og CellBlender er et tillegg for baseprogramvaren Blender. MCell er en Monte Carlo simulator for reaksjon-diffusjon av enkeltmolekyler17.

Begrunnelsen bak bruken av denne metoden består av modellering av synaptisk plastisitet for å oppnå en bedre forståelse av dette fenomenet i det mikrofysiologiske miljøet i dendrittiske spines14. Spesielt tillater denne metoden simulering av homosynaptisk potensering, homosynaptisk depresjon og heterosynaptisk plastisitet mellom dendrittiske spines14.

Funksjonene i denne metoden inkluderer modellering av 3D geometrisk struktur av dendritt og dens synapser, diffusjonen ved tilfeldig gange, og de kjemiske reaksjonene til molekylene som er involvert med synaptisk plastisitet. Denne metoden gir fordelen av å skape rike miljøer for å teste hypoteser og gjøre spådommer om funksjonen til et komplekst ikke-lineært system med et stort antall variabler. I tillegg kan denne metoden brukes ikke bare for å studere synaptisk plastisitet, men også for å studere stokastisk reaksjonsdiffusjon av molekyler i 3D-nettstrukturer generelt.

Alternativt kan 3D-nett av dendrittiske strukturer konstrueres direkte i Blender fra elektronmikroskopet serielle rekonstruksjoner18. Selv om masker basert på serielle rekonstruksjoner gir 3D-strukturer, er tilgang til eksperimentelle data ikke alltid tilgjengelig. Dermed gir konstruksjonen av masker tilpasset fra grunnleggende geometriske strukturer, som beskrevet i dagens protokoll, fleksibilitet til å utvikle tilpassede dendrittiske segmenter med dendrittiske spines.

En annen alternativ beregningsmetode er bulksimuleringen av godt blandede reaksjoner i et vanlig volum9,,10,,11,,19,,20,,21,,22. Bulksimuleringene er svært effektive for å løse reaksjonene til mange arter innenfor et enkelt godt blandet volum23,men bulktilnærmingen er ekstremt treg for å løse reaksjonsdiffusjonen av molekyler i mange godt blandede voxels i et høyoppløselig 3D-nett. På den annen side fungerer den nåværende metoden ved hjelp av MCell-simuleringer av reaksjonsdiffusorsjon av individuelle partikler effektivt i høyoppløselige 3D-nett15.

Før du bruker denne metoden, bør man spørre om fenomenet studert krever en stokastisk reaksjonsdiffusivasjon i et 3D-nett. Hvis fenomenet har få kopier (mindre enn 1000) av minst en av de reaktive artene som sprer seg i en kompleks geometrisk struktur med små volumrom som dendrittiske spines, er stokastisk modellering av reaksjonsdiffusivasjon i 3D-nett egnet for applikasjonen.

Det er flere trinn som kreves for å konstruere en 3D beregningsmodell av et dendrittisk segment som inneholder dendrittiske spines med synaptisk plastisitet. Hovedtrinnene er installasjon av riktig programvare for bygging av modellen, bygging av en enkelt dendrittisk ryggrad som skal brukes som en mal for å lage flere spines, og etableringen av et dendrittisk segment som er forbundet med flere dendrittiske spines. Trinnet for modellering av synaptisk plastisitet består av å sette inn ankere i PSD-regionen og AMPARs i dendrittiske segmentet og dendrittiske spines. Deretter er kinetiske reaksjoner mellom ankrene som ligger ved PSD og AMPARs definert for å produsere komplekse anker-AMPAR-arter som fanger AMPARs i den synaptiske regionen. Økningen og reduksjonen av affiniteten mellom ankrene og de synaptiske AMPARene skaper prosessen med LTP og LTD.

Protocol

MERK: Se tilleggsfilen 1 for ordlisten over termer som brukes i denne protokollen. 1. Installer Blender, CellBlender og MCell MERK: Denne protokollen krever installasjon av MCell, Blender og Cell Blender. Last ned og installer programvaren på MCell-hjemmesiden (https://mcell.org/tutorials_iframe.html). Gå til nedlastinger øverst på siden, og følg deretter de trinnvise instruksjonene for å laste ned og installere programvaren i det ak…

Representative Results

Disse resultatene gir trinnene for bygging av et 3D-nett som simulerer en dendrittisk ryggrad med ryggradshode og ryggradshals (figur 1 til figur 4). I tillegg kan flere dendrittiske spines settes inn i et enkelt dendrittisk segment (figur 5) for å studere heterosynaptisk plastisitet av AMPARs14. PSD på toppen av ryggradshodet (figur 6) er stedet der synaptiske ankere binder se…

Discussion

Denne artikkelen presenterer en metode for bygging av 3D-nett for modellering av reaksjonsdiffusivjonssynaptiske plastisitetsprosesser i et dendrittisk segment med dendrittiske spines. Den utviklede modellen inneholder et dendrittisk segment med få dendrittiske spines. Den laterale diffusjonen og reaksjonen til AMPARer med synaptiske ankere tillater simulering av basaldynamikken. De kritiske trinnene i protokollen er å kutte sfæren for å skape toppen av ryggraden hodet (Figur 1, <strong …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dette arbeidet ble delvis støttet av Sao Paulo State Science Foundation (FAPESP) stipend #2015/50122-0 og IRTG-GRTK 1740/2, av IBM/FAPESP stipend #2016/18825-4, og av FAPESP stipend #2018/06504-4.

Materials

Blender Blender Foundation https://www.blender.org/
CellBlender University of Pittsburgh https://mcell.org/
Mcell University of Pittsburgh https://mcell.org/

References

  1. Sweatt, J. D. Neural plasticity and behavior – sixty years of conceptual advances. Journal of Neurochemistry. 139, 179-199 (2016).
  2. Heine, M., et al. Surface mobility of postsynaptic AMPARs tunes synaptic transmission. Science. 320 (5873), 201-205 (2008).
  3. Buonarati, O. R., Hammes, E. A., Watson, J. F., Greger, I. H., Hell, J. W. Mechanisms of postsynaptic localization of AMPA-type glutamate receptors and their regulation during long-term potentiation. Science Signaling. 12 (562), 6889 (2019).
  4. Nair, D., et al. Super-Resolution Imaging Reveals That AMPA Receptors Inside Synapses Are Dynamically Organized in Nanodomains Regulated by PSD95. Journal of Neuroscience. 33 (32), 13204-13224 (2013).
  5. Czöndör, K., et al. Unified quantitative model of AMPA receptor trafficking at synapses. Proceeding of the National Academy of Sciences of the United States of America. 109 (9), 3522-3527 (2012).
  6. Triesch, J., Vo, A. D., Hafner, A. S. Competition for synaptic building blocks shapes synaptic plasticity. eLife. 7, 37836 (2018).
  7. Earnshaw, B. A., Bressloff, P. C. Biophysical model of AMPA receptor trafficking and its regulation during long-term potentiation/long-term depression. Journal of Neuroscience. 26 (47), 12362-12373 (2006).
  8. Earnshaw, B. A., Bressloff, P. C. Modeling the role of lateral membrane diffusion in AMPA receptor trafficking along a spiny dendrite. Journal of Computational Neuroscience. 25 (2), 366-389 (2008).
  9. Antunes, G., Roque, A. C., Simoes-de-Souza, F. M. Stochastic Induction of Long-Term Potentiation and Long-Term Depression. Scientific Reports. 6, 30899 (2016).
  10. Kotaleski, J. H., Blackwell, K. T. Modelling the molecular mechanisms of synaptic plasticity using systems biology approaches. Nature Reviews Neuroscience. 11 (4), 239-251 (2010).
  11. Bhalla, U. S. Molecular computation in neurons: a modeling perspective. Current Opinion in Neurobiology. 25, 31-37 (2014).
  12. Czöndör, K., Thoumine, O. Biophysical mechanisms regulating AMPA receptor accumulation at synapses. Brain Research Bulletin. 93, 57-68 (2013).
  13. Bromer, C., et al. Long-term potentiation expands information content of hippocampal dentate gyrus synapses. Proceedings of the National Academy of Sciences of the United States of America. 115 (10), 2410-2418 (2018).
  14. Antunes, G., Simoes-de-Souza, F. M. AMPA receptor trafficking and its role in heterosynaptic plasticity. Scientific Reports. 8 (1), 10349 (2018).
  15. Kerr, R. A., et al. Fast monte carlo simulation methods for biological reaction-diffusion systems in solution and on surfaces. SIAM Journal on Scientific Computing. 30 (6), 3126 (2008).
  16. Czech, J., Dittrich, M., Stiles, J. R. Rapid Creation, Monte Carlo Simulation, and Visualization of Realistic 3D Cell Models. Systems Biology. 500, 237-287 (2009).
  17. Stiles, J., Bartol, T., De Schutter, Monte Carlo Methods for Simulating Realistic Synaptic Microphysiology Using MCell. Computational Neuroscience. , (2000).
  18. Jorstad, A., et al. NeuroMorph: A Toolset for the Morphometric Analysis and Visualization of 3D Models Derived from Electron Microscopy Image Stacks. Neuroinformatics. 13 (1), 83-92 (2015).
  19. Antunes, G., Roque, A. C., Simoes de Souza, F. M. Modelling intracellular competition for calcium: kinetic and thermodynamic control of different molecular modes of signal decoding. Scientific Reports. 6, 23730 (2016).
  20. Antunes, G., Roque, A. C., Simoes-de-Souza, F. M. Molecular mechanisms of detection and discrimination of dynamic signals. Scientific Reports. 8 (1), 2480 (2018).
  21. Hoops, S., et al. COPASI–a COmplex PAthway SImulator. Bioinformatics. 22 (24), 3067-3074 (2006).
  22. Faeder, J. R., Blinov, M. L., Hlavacek, W. S. Rule-based modeling of biochemical systems with BioNetGen. Methods in Molecular Biology. 500, 113-167 (2009).
  23. Gillespie, D. T. Exact stochastic simulation of coupled chemical reactions. Journal of Physical Chemistry. 81 (25), 21 (1977).
  24. Anggono, V., Huganir, R. L. Regulation of AMPA receptor trafficking and synaptic plasticity. Current Opinion in Neurobiology. 22 (3), 461-469 (2012).
  25. Matsuda, S., Launey, T., Mikawa, S., Hirai, H. Disruption of AMPA receptor GluR2 clusters following long-term depression induction in cerebellar Purkinje neurons. EMBO Journal. 19 (12), 2765-2774 (2000).
  26. Ahmad, M., et al. Postsynaptic Complexin Controls AMPA Receptor Exocytosis during LTP. Neuron. 73 (2), 260-267 (2012).
  27. Sheng, M., Hoogenraad, C. C. The postsynaptic architecture of excitatory synapses: a more quantitative view. Annual Review of Biochemistry. 76, 823-847 (2007).
check_url/60896?article_type=t

Play Video

Cite This Article
Antunes, G., Simoes de Souza, F. M. 3D Modeling of Dendritic Spines with Synaptic Plasticity. J. Vis. Exp. (159), e60896, doi:10.3791/60896 (2020).

View Video