樹状枝の自動同定とその向き
Summary
提示は2D蛍光画像からの神経樹状枝の向きを簡単かつ直接自動で測定できる計算ツールです。
Abstract
神経樹状樹木の構造は、ニューロンのシナプス入力の統合において重要な役割を果たしています。したがって、樹状突起の形態の特徴付けは、神経機能のより良い理解のために不可欠である。しかし、樹状樹木の複雑さは、孤立した場合、特に神経ネットワーク内に位置する場合の両方で、完全には理解されていません。2D神経細胞培養物の蛍光画像から樹状枝の向きを自動測定できる新しい計算ツール 「SOA (セグメンテーション・オリエンテーション分析)」を開発しました。Python で書かれた SOA は、樹状の枝と画像の背景を区別するためにセグメンテーションを使用し、各ブランチの空間方向にデータベースを蓄積します。次に、ネットワーク内の樹状枝の方向分布や、並列樹状枝成長の有病率などの形態学的パラメータを計算するために使用されます。得られたデータは、神経活性に応答して樹状突起の構造変化を検出し、生物学的および薬理学的刺激に使用することができる。
Introduction
樹状形態形成は神経科学の中心的な主題であり、樹状樹木の構造はニューロンのシナプス統合の計算特性に影響を及ぼす1,2,3。また、樹状枝の形態異常や変形性は、変性・神経発達障害の4,5,6に関係しています。樹状の影響がより容易に可視化できる神経培養において、非姉妹樹状枝間の相互作用は、分岐に沿ったシナプスクラスタリングの部位および程度を調節し、シナプス共活動および可塑性に影響を及ぼす可能性のある行動7,8,9である。したがって、二次元(2D)ニューロン培養を用いた樹状樹木の形態学的パラメータの特徴づけは、樹状形態形成およびニューロンの単一およびネットワークの機能性を理解するために有利である。しかし、樹状枝は「単純化された」2Dニューロン培養においても複雑なメッシュを形成するため、これは困難な作業です。
樹状構造10,11,12,13を自動的にトレースし解析するツールがいくつか開発されています。しかし、これらのツールのほとんどは3Dニューロンネットワーク用に設計されており、2Dネットワークでは使用するには複雑すぎます。対照的に、あまり高度でない形態学的解析ツールは、通常、非常に時間がかかり、オペレータbias14の影響を受けやすいコンピュータ支援手作業の重要なコンポーネントを含みます。「ImageJ’15(コミュニティ開発の生物学的画像解析ツールの膨大なコレクションを持つNIHオープンソース画像処理パッケージ)」などの既存の半自動ツールは、ユーザーの手作業を大幅に削減します。ただし、画像処理中に手動で介入する必要がある場合があり、セグメンテーションの品質が望ましいものよりも低くなる可能性があります。
本論文では、2Dニューロンネットワーク内の樹状枝を直接セグメンテーション・オリエンテーション解析できるシンプルな自動化ツール「SOA」を紹介する。SOA は、2D 画像内のさまざまな線状オブジェクトを検出し、その形態学的特性を特徴付けることができます。ここでは、培養中の樹状ネットワークの2D蛍光画像で樹状枝をセグメント化するためのSOAを用いた。ソフトウェアは樹状枝を識別し、並列処理や空間分布などの形態学的パラメータの測定を正常に行います。SOAは、他の細胞タイプの細胞プロセスの解析や非生物学的ネットワークの研究に容易に適応することができます。
Protocol
Representative Results
Discussion
生物学的画像データに追いつくためには、2D画像から形態学的情報を抽出するための効果的な戦略が緊急に必要とされています。画像データは数時間で生成できますが、画像の詳細な分析には長い時間がかかります。その結果、画像処理は明らかに多くの分野で大きな障害となっています。これは、特に生物学的サンプルを扱う場合、データの複雑度が高いためです。また、多くのユーザー?…
Divulgations
The authors have nothing to disclose.
Acknowledgements
著者らは、文化イメージの準備のためにオルリー・ワイス博士に感謝したいと思います。
Materials
| Matplotlib | 2002 – 2012 John Hunter, Darren Dale, Eric Firing, Michael Droettboom and the Matplotlib development team; 2012 – 2021 The Matplotlib development team. | 3.4.2 | a Python 2D plotting library |
| matplotlib-scalebar | Philippe Pinard | 0.7.2 | artist for matplotlib to display a scale bar |
| NumPy | The NumPy community. | 1.20.3 | fundamental package for scientific computing library |
| OpenCV | OpenCV team | 4.5.2.54 | Open Source Computer Vision Library |
| PyCharm | JetBrains | 2020.3.1 (Community Edition) version | Build #PC-203.6682.86, built on December 18, 2020. Runtime version: 11.0.9.1+11-b1145.37 amd64. VM: OpenJDK 64-Bit Server VM by JetBrains s.r.o. Windows 10 10.0. Memory: 978M, Cores: 4 |
| PyQt5 | Riverbank Computing | 5.15.4 | manage the GUI |
| python | Python Software Foundation License | 3.9 version | |
| Qt Designer | The QT Company Ltd. | 5.11.1 version | |
| scipy | Community library project | 1.6.3 | Python-based ecosystem of open-source software for mathematics, science, and engineering |
| Seaborn | Michael Waskom. | 0.11.1 | Python's Statistical Data Visualization Library. |
| Windows 10 | Microsoft | ||
| Xlsxwriter | John McNamara | 1.4.3 | Python module for creating Excel XLSX files |
References
- Ferrante, M., Migliore, M., Ascoli, G. Functional impact of dendritic branch-point morphology. Journal of Neuroscience. 33 (5), 2156-2165 (2013).
- Spruston, N. Pyramidal neurons: dendritic structure and synaptic integration. Nature Reviews Neuroscience. 9 (3), 206-221 (2008).
- Chklovskii, D. Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin. Neuron. 43 (5), 609-617 (2004).
- Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism. Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).
- Irwin, S. Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome. Cerebral Cortex. 10 (10), 1038-1044 (2000).
- Kaufmann, W. Dendritic anomalies in disorders associated with mental retardation. Cerebral Cortex. 10 (10), 981-991 (2000).
- Pinchas, M., Baranes, D. Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering. PLoS ONE. 8 (12), 82083 (2013).
- Cove, J., Blinder, P., Baranes, D. Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs. Brain Research. 1251, 30-41 (2009).
- Blinder, P., Cove, J., Foox, M., Baranes, D. Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity. PLoS ONE. 3 (11), 3782 (2008).
- Glaser, J., Glaser, E. Neuron imaging with neurolucida – PC-based system for image combining microscopy. Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).
- Scorcioni, R., Polavaram, S., Ascoli, G. L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies. Nature Protocols. 3 (5), 866-876 (2008).
- Torben-Nielsen, B. An efficient and extendable python library to analyze neuronal morphologies. Neuroinformatics. 12 (4), 619-622 (2014).
- Parekh, R., Ascoli, G. Neuronal morphology goes digital: A research hub for cellular and system neuroscience. Neuron. 78 (1), 206 (2013).
- heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis. 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).
- Image processing and analysis in Java. NIH. ImageJ Available from: https://imagej.nih.gov/ij (2021)
- Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices. Tissue Engineering. 13, 461-472 (2007).
- Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography. Biomedical Materials. 14 (4), 045005 (2019).
