Her præsenterer vi en protokol til at bruge en curvelet transform-baseret, open source MATLAB software værktøj til kvantificering fibrillar kollagen organisation i den ekstracellulære matrix af både normale og syge væv. Dette værktøj kan anvendes på billeder med kollagenfibre eller andre typer linjelignende strukturer.
Fibrillar kollagen er fremtrædende ekstracellulære matrix (ECM) komponenter, og deres topologi ændringer har vist sig at være forbundet med udviklingen af en bred vifte af sygdomme, herunder bryst-, æggestokkene, nyre-, og bugspytkirtelkræft. Frit tilgængelige fiberkvantificeringssoftwareværktøjer er hovedsageligt fokuseret på beregningen af fiberjustering eller orientering, og de er underlagt begrænsninger som krav om manuelle trin, unøjagtighed i påvisning af fiberkanten i støjende baggrund eller mangel på lokaliseret funktionskarakterisering. Det kollagenfiberkvantantitationsværktøj, der er beskrevet i denne protokol, er kendetegnet ved at bruge en optimal billedrepræsentation i flere målestok, der aktiveres af kurvetransformation (CT). Denne algoritmiske tilgang giver mulighed for fjernelse af støj fra fibrillar kollagen billeder og forbedring af fiber kanter til at give placering og orientering oplysninger direkte fra en fiber, snarere end at bruge den indirekte pixel-kloge eller vindue-kloge oplysninger fra andre værktøjer. Denne CT-baserede ramme indeholder to separate, men linkede pakker med navnet “CT-FIRE” og “CurveAlign”, der kan kvantificere fiberorganisation på globalt, interesseområde (ROI) eller individuel fiberbasis. Denne kvantificeringsramme er udviklet i mere end ti år og har nu udviklet sig til en omfattende og brugerdrevet kollagenkvantificeringsplatform. Ved hjælp af denne platform kan man måle op til omkring tredive fiberfunktioner, herunder individuelle fiberegenskaber som længde, vinkel, bredde og ligehed samt bulkmålinger som tæthed og justering. Derudover kan brugeren måle fibervinkel i forhold til manuelt eller automatisk segmenterede grænser. Denne platform giver også flere ekstra moduler, herunder dem til ROI-analyse, automatisk grænseoprettelse og efterbehandling. Brug af denne platform kræver ikke forudgående erfaring med programmering eller billedbehandling, og det kan håndtere store datasæt, herunder hundreder eller tusinder af billeder, hvilket muliggør effektiv kvantificering af kollagenfiberorganisation til biologiske eller biomedicinske applikationer.
Fibrillar kollagen er fremtrædende, strukturelle ECM komponenter. Deres organisation ændringer indvirkning væv funktion og er sandsynligvis forbundet med udviklingen af mange sygdomme lige fra osteogenese imperfecta1, hjerte dysfunktion2, og sårheling3 til forskellige typer afkræft,herunder bryst4,5,6, æggestokkene7,8, nyre9, og kræft i bugspytkirtlen10. Mange etablerede billedbehandlingsmetoder kan bruges til at visualisere fibrillar kollagen såsom anden harmoniske generation mikroskopi11, pletter eller farvestoffer i forbindelse med lyse felt eller fluorescens mikroskopi eller polariseret lys mikroskopi12, flydende krystal-baseret polarisering mikroskopi (LC-PolScope)13, og elektron mikroskopi14. Efterhånden som betydningen af fibrillar kollagen organisation er blevet klarere, og brugen af disse metoder er steget, behovet for forbedret kollagen fiber analyse tilgange er også vokset.
Der har været mange bestræbelser på at udvikle beregningsmetoder til automatiseret måling af fibrillar kollagen. Frit tilgængelige softwareværktøjer er hovedsageligt fokuseret på beregning af fiberjustering eller -retning ved at anvende enten første afledte eller struktur tensor for pixel15,16eller Fourier transform-baseret spektrumanalyse for billedfliser17. Alle disse værktøjer er underlagt begrænsninger såsom kravet om manuelle trin, unøjagtighed i påvisning af fiberkanten i støjende baggrund eller mangel på lokaliseret funktionskarakterisering.
Sammenlignet med andre frit tilgængelige open source-fri softwareværktøjer bruger de metoder, der er beskrevet i denne protokol, CT – en optimal, multiskala, retningsbestemt billedrepræsentationsmetode – til at fjerne støj fra fibrillar kollagenbilleder og forbedre eller spore fiberkanter. Oplysninger om placering og orientering kan leveres direkte fra en fiber i stedet for ved at bruge de indirekte pixel-kloge eller vindue-kloge oplysninger til at udlede målinger af fiber organisation. Denne CT-baserede ramme18,19,20,21 kan kvantificere fiber organisation på globalt, ROI, eller fiber grundlag, primært via to separate, men forbundet, pakker med navnet “CT-FIRE”18,21 og “CurveAlign”19,21. Hvad angår implementeringen af softwaren, kan CT-FIRE-koefficienter på flere skalaer i CT-FIRE bruges til at rekonstruere et billede, der forbedrer kanterne og reducerer støj. Derefter anvendes en individuel fiberudvindingsalgoritme på det CT-rekonstruerede billede for at spore fibre til at finde deres repræsentative centerpunkter, udvide fibergrene fra midtpunkterne og forbinde fibergrene for at danne et fibernetværk. I CurveAlign kan CT-koefficienter på en brugerdefineret skala bruges til at spore lokal fiberretning, hvor kurvernes retning og placering udtrækkes og grupperes for at estimere fiberretningen på de tilsvarende steder. Denne resulterende kvantificeringsramme er blevet udviklet i mere end ti år og har udviklet sig meget på mange områder såsom funktionalitet, brugergrænseflade og modularitet. For eksempel kan dette værktøj visualisere lokal fiberorientering og giver brugeren mulighed for at måle op til tredive fiberfunktioner, herunder individuelle fiberegenskaber som længde, vinkel, bredde og ligehed samt bulkmålinger som tæthed og justering. Derudover kan brugeren måle fibervinkel i forhold til manuelt eller automatisk segmenterede grænser, som for eksempel spiller en vigtig rolle i billedbaseret biomarkørudvikling i brystkræft22 og kræft i bugspytkirtlen10. Denne platform indeholder flere funktionsmoduler, herunder moduler til ROI-analyse, automatisk grænseoprettelse og efterbehandling. ROI-modulet kan bruges til at kommentere forskellige former for INVESTERINGSAFKAST og udføre tilsvarende ROI-analyse. Som et programeksempel kan det automatiske grænseoprettelsesmodul bruges til at registrere hematoxylin og eosin (H&E) lyse feltbilleder med anden harmoniske generation (SHG) billeder og generere billedmasken af tumorgrænser fra de registrerede H&E-billeder. Efterbehandlingsmodulet kan hjælpe med at lette behandlingen og integrationen af outputdatafiler fra individuelle billeder til mulig statistisk analyse.
Denne kvantificeringsplatform kræver ikke forudgående erfaring med programmering eller billedbehandling og kan håndtere store datasæt, herunder hundreder eller tusinder af billeder, hvilket muliggør effektiv kvantificering af kollagenorganisation til biologiske eller biomedicinske applikationer. Det har været meget udbredt i forskellige forskningsområder af mange forskere over hele verden, herunder os selv. Der er fire hovedpublikationer om CT-FIRE og CurveAlign18,19,20,21, hvoraf de første tre er blevet citeret 272 gange (fra 2020-05-04 ifølge Google Scholar). En gennemgang af de publikationer, der citerede denne platform (CT-FIRE eller CurveAlign) viser, at der er omkring 110 tidsskriftspapirer, der direkte brugte det til deres analyse, hvor ca. 35 publikationer samarbejdede med vores gruppe, og de andre (~ 75) blev skrevet af andre grupper. F.eks. denne platform blev brugt til følgende undersøgelser: brystkræft22,23,24, kræft i bugspytkirtlen10,25, nyrekræft9,26, sårheling3,27,28,29,30, kræft i æggestokkene8,31,7, livmoderbånd32, hypophosfatmisk dentin33, basalcellekarcinom34, hypoxisk sarkom35, bruskvæv36, hjertedysfunktion37, neuroner38, glioblastoma39, lymfesammentrækninger40, fibrøse cacffolds41, mavekræft42, mikrotubule43og blærefibrose44. Figur 1 viser kræft imaging anvendelse af CurveAlign at finde tumor-associerede kollagen underskrifter af brystkræft19 fra SHG billedet. Figur 2 beskriver en typisk skematisk arbejdsproces for denne platform. Selvom disse værktøjer er blevet gennemgået tekniskset 18,19,21, og en almindelig protokol20 til justeringsanalyse med CurveAlign også er tilgængelig, kan en visuel protokol, der demonstrerer alle de væsentlige funktioner, være nyttig. En visualiseret protokol, som præsenteret her, vil lette læringsprocessen ved at bruge denne platform samt mere effektivt adressere bekymringer og spørgsmål, som brugerne måtte have.
Denne protokol beskriver brugen af CT-FIRE og CurveAlign til fibrillar kollagen kvantificering og kan anvendes på ethvert billede med kollagen fibre eller andre linje-lignende eller fiber-lignende aflange strukturer egnet til analyse af CT-FIRE eller CurveAlign. For eksempel kan elastin eller elastiske fibre behandles på samme måde på denne platform. Vi har testet begge værktøjer på beregningsmæssigt genererede syntetiske fibre21. Afhængigt af applikationen skal brugerne vælge den analys…
The authors have nothing to disclose.
Vi takker mange bidragydere og brugere til CT-FIRE og CurveAlign gennem årene, herunder Dr. Rob Nowak, Dr. Carolyn Pehlke, Dr. Jeremy Bredfeldt, Guneet Mehta, Andrew Leicht, Dr. Adib Keikhosravi, Dr. Matt Conklin, Dr. Jayne Squirrell, Dr. Paolo Provenzano, Dr. Brenda Ogle, Dr. Patricia Keely, Dr. Joseph Szulczewski, Dr. Suzanne Ponik og yderligere tekniske bidrag fra Swati Anand og Curtis Rueden. Dette arbejde blev støttet af finansiering fra Semiconductor Research Corporation, Morgridge Institute for Research, og NIH tilskud R01CA199996, R01CA181385 og U54CA210190 til K.W.E.
CT-FIRE | Univerity of Wisconsin-Madison | N/A | open source software available from https://eliceirilab.org/software/ctfire/ |
CurveAlign | University of Wisconsin-Madison | N/A | open source software available from https://eliceirilab.org/software/curvealign/ |