Dette papir beskriver en open source digital billedkorrelationsalgoritme til måling af lokale 2D-vævsstammer inden for seneeksplanter. Nøjagtigheden af teknikken er blevet valideret ved hjælp af flere teknikker, og den er tilgængelig til offentlig brug.
Der er stor videnskabelig interesse for at forstå de stammer, som seneceller oplever in situ , og hvordan disse stammer påvirker vævsremodellering. Baseret på denne interesse er der udviklet flere analytiske teknikker til måling af lokale vævsstammer i seneeksplanter under belastning. I flere tilfælde er nøjagtigheden og følsomheden af disse teknikker imidlertid ikke blevet rapporteret, og ingen af algoritmerne er offentligt tilgængelige. Dette har gjort det vanskeligt for en mere udbredt måling af lokale vævsstammer i seneeksplanter. Derfor var formålet med dette papir at skabe et valideret analyseværktøj til måling af lokale vævsstammer i seneeksplanter, der er let tilgængeligt og let at bruge. Specifikt blev en offentligt tilgængelig augmented-Lagrangian digital billedkorrelationsalgoritme (ALDIC) tilpasset til måling af 2D-stammer ved at spore forskydningerne af cellekerner i musens akillessener under uniaxial spænding. Derudover blev nøjagtigheden af de beregnede stammer valideret ved at analysere digitalt transformerede billeder samt ved at sammenligne stammerne med værdier bestemt ud fra en uafhængig teknik (dvs. fotoblegede linjer). Endelig blev der indarbejdet en teknik i algoritmen til at rekonstruere referencebilledet ved hjælp af det beregnede forskydningsfelt, som kan bruges til at vurdere algoritmens nøjagtighed i fravær af kendte belastningsværdier eller en sekundær måleteknik. Algoritmen er i stand til at måle stammer op til 0,1 med en nøjagtighed på 0,00015. Teknikken til sammenligning af et rekonstrueret referencebillede med det faktiske referencebillede identificerede med succes prøver, der havde fejlagtige data, og indikerede, at ca. 85% af forskydningsfeltet var nøjagtigt i prøver med gode data. Endelig var de stammer, der blev målt i museakillessener, i overensstemmelse med den tidligere litteratur. Derfor er denne algoritme et meget nyttigt og tilpasningsdygtigt værktøj til nøjagtig måling af lokale vævsstammer i sener.
Sener er mekanofølsomme væv, der tilpasser sig og degenererer som reaktion på mekanisk belastning 1,2,3,4. På grund af den rolle, som mekaniske stimuli spiller i senecellebiologi, er der stor interesse for at forstå de stammer, som seneceller oplever i det oprindelige vævsmiljø under belastning. Flere eksperimentelle og analytiske teknikker er blevet udviklet til at måle lokale vævsstammer i sener. Disse omfatter 2D/3D digital billedkorrelation (DIC) analyser af overfladestammer ved hjælp af enten speckle mønstre eller fotobleget linjer (PBL’er)5,6,7,8, måling af ændringerne i centroid-til-centroid afstanden af individuelle kerner i vævet 9,10 og en nylig fuldfelt 3D DIC-metode, der tager højde for bevægelse uden for plan og 3D-deformationer 11 . Imidlertid er nøjagtigheden og følsomheden af disse teknikker kun blevet rapporteret i nogle få tilfælde, og ingen af disse teknikker er blevet gjort offentligt tilgængelige, hvilket gør den udbredte vedtagelse og anvendelse af disse teknikker vanskelig.
Formålet med dette arbejde var at skabe et valideret analyseværktøj til måling af lokale vævsstammer i seneeksplanter, der er let tilgængeligt og let at bruge. Den valgte metode er baseret på en offentligt tilgængelig augmented-Lagrangian digital image correlation (ALDIC) algoritme skrevet i MATLAB, der blev udviklet af Yang og Bhattacharya12. Denne algoritme blev tilpasset til analyse af seneprøver og valideret ved at anvende den på digitalt transformerede billeder og ved at sammenligne de stammer, der blev målt i faktiske seneprøver, med resultaterne opnået fra fotoblegede linjer. Desuden blev yderligere funktionalitet implementeret i algoritmen for at bekræfte nøjagtigheden af det beregnede forskydningsfelt, selv i fravær af kendte belastningsværdier eller en sekundær måleteknik. Derfor er denne algoritme et meget nyttigt og tilpasningsdygtigt værktøj til nøjagtig måling af lokale 2D-vævsstammer i sener.
Formålet med dette papir var at levere en open source, valideret metode til måling af 2D-belastningsfelterne i sener under trækbelastning. Grundlaget for softwaren var baseret på en offentligt tilgængelig ALDIC-algoritme12. Denne algoritme blev indlejret i en større MATLAB-kode med den tilføjede funktionalitet af trinvis (versus kumulativ) stammeanalyse. Denne tilpassede algoritme blev derefter anvendt til trækprøvning af sener, og dens nøjagtighed blev vurderet ved hjælp af to forskell…
The authors have nothing to disclose.
Dette arbejde blev finansieret af National Institutes of Health (R21 AR079095) og National Science Foundation (2142627).
5-DTAF (5-(4,6-Dichlorotriazinyl) Aminofluorescein), single isomer | ThermoFisher | D16 | |
Calipers | Mitutoyo | 500-196-30 | |
Confocal Microscope | Nikon | A1R HD | |
Corning LSE Vortex Mixer | Coning | 6775 | |
DRAQ5 Fluorescent Probe Solution (5 mM) | ThermoFisher | 62554 | |
MATLAB | MathWorks | R2022b | |
Tensile Loading Device | N/A | N/A | Tensile loading device described in Peterson et al, 2020. (ref 13) |
Tube Revolver Rotator | ThermoFisher | 88881001 |