Summary

Uma identificação baseado em Rede Neural de ovócitos já crescido mentalmente competente ou incompetente do Mouse

Published: March 03, 2018
doi:

Summary

Aqui, apresentamos um protocolo para avaliação não invasiva de competência no desenvolvimento de oócito realizada durante sua em vitro maturação da vesícula germinal à fase de metáfase II. Este método combina imagens de lapso de tempo com análises de rede neural e Velocimetria por imagem (PIV).

Abstract

Clínicas de infertilidade beneficiaria a habilidade de selecionar mentalmente competente vs incompetente oócitos usando procedimentos invasivos, melhorando assim o resultado global da gravidez. Recentemente desenvolvemos um método de classificação baseado em observações ao vivo microscópicas de ovócitos de rato durante sua em vitro maturação da vesícula germinal (GV) à fase metáfase II, seguido da análise dos movimentos citoplasmáticos ocorrem durante este período de lapso de tempo. Aqui, apresentamos protocolos detalhados deste procedimento. Oócitos são isolados de folículos antrais já crescidos e cultivados para 15 h no interior de um microscópio equipado para a análise de lapso de tempo a 37 ° C e 5% de CO2. Fotos são tiradas em intervalos de 8 min. As imagens são analisadas usando o método Particle Image Velocimetry (PIV) que calcula, para cada oócito, o perfil de velocidades de movimento citoplasmático (CMVs) ocorrendo durante todo o período de cultura. Finalmente, os CMVs de cada único oócito são alimentados através de uma ferramenta de classificação matemática (Feed-forward de Rede Neural Artificial, FANN), que prevê a probabilidade de um gameta ser mentalmente competente ou incompetente com uma precisão de 91.03%. Este protocolo, configurar para o mouse, agora poderia ser testado em oócitos de outras espécies, incluindo seres humanos.

Introduction

Infertilidade feminina é uma patologia que afecta um número crescente de mulheres. De acordo com a Organização Mundial de saúde, cerca de 20% dos casais são inférteis, com um 40% devido à infertilidade feminina. Além disso, um terço das mulheres passando por tratamentos contra o cancro (300.000 por ano e 30.000/ano nos EUA e Itália, respectivamente) desenvolver falência ovariana prematura.

Uma estratégia para impedir a infertilidade em pacientes com câncer é o isolamento e criopreservação de folículos nos ovários antes do tratamento oncológico, seguido em vitro maturação (IVM) de ovócitos GV à fase MII (transição de GV-para-MII). A disponibilidade de marcadores não-invasivo de competência no desenvolvimento de oócito melhoraria a fertilização e processos de desenvolvimento e o global gravidez sucesso1,2.

Com base na sua configuração de cromatina observada após coloração com o fluorocromo supravital Hoechst 33342, oócitos já crescidos mamíferos classificam-se como um nucléolo rodeado (SN) ou um não cercado nucléolo (NSN)3. Além de sua organização da cromatina diferentes, estes dois tipos de oócitos exibir muitas diferenças morfológicas e funcionais3,4,5,6,7,8 ,9, incluindo sua competência meiótica e do desenvolvimento. Quando isolado do ovário e amadurecido em vitro, ambos tipo de oócitos alcance o estágio MII e após a inseminação de espermatozoides, desenvolvem-se para a fase 2-célula, mas apenas aqueles com uma organização da cromatina SN podem desenvolver a termo9. Embora bom como um método de classificação para selecionar competente vs incompetente oócitos, a principal desvantagem é o efeito mutagénico que o fluorocromo em si e, acima de tudo, a luz UV usado para sua detecção podem ter sobre as células.

Por todas estas razões, nós procuramos por outros marcadores não invasivos associados a conformação da cromatina SN ou NSN que poderia substituir o uso de Hoechst, mantendo a mesma precisão de alta classificação. A observação do tempo-lapso de velocidades de movimento citoplasmático (CMVs) está emergindo como uma característica distintiva do status do celular. Por exemplo, estudos recentes demonstraram que a associação entre CMVs gravado no momento da fertilização e da capacidade de zigotos humanos e rato pré-implantacional completa e desenvolvimento termo10,11.

Baseado nestes estudos anteriores, descrevemos aqui uma plataforma para o reconhecimento de rato mentalmente competente ou incompetente oócitos já crescido5,6,7,8. A plataforma é baseada em três etapas principais: 1) oócitos isolados de folículos antrais primeiro são classificados com base na sua configuração de cromatina ou como um nucléolo rodeado (SN) ou um nucléolo não-cercado (NSN); 2) Time-Lapse imagens de CMVs ocorrendo durante a transição de GV-para-MII de cada único oócito são tomadas e analisadas com Velocimetria por imagem (PIV); e 3) os dados obtidos com PIV são analisados com um Feed-forward Artificial Neural Network (FANN) para classificação cego12,13. Nós dar detalhes das etapas mais críticas do processo projetado para o mouse para torná-lo pronto para ser testado e usado para outras espécies de mamíferos (por exemplo, bovinos, macacos e humanos).

Protocol

Todos os procedimentos que envolvam animais foram aprovados pelo cuidado institucional do Animal e uso e comitês de ética na Universidade de Pavia. Os animais foram mantidos em condições de 22 ° C, umidade do ar de 60% e um ciclo claro/escuro de 12:12 h. 1. ovário isolamento Injete intraperitonealmente 2-para-quatro as onze semanas CD1 ratos fêmeas com 10 U de hormônio folículo estimulante com uma seringa de insulina de 1ml estéril. Espere 46-48 h. Pesar…

Representative Results

A Figura 2 mostra um representante oócito mentalmente competente e incompetente, respectivamente no início (GV) e no final do procedimento de IVM (MII). IVM de ovócitos de rato já crescido ocorre durante a cultura de 15 h. A observação de lapso de tempo grava a progressão da meiose e detecta grandes eventos meióticos, incluindo a GVBD e a extrusão do primeiro corpo polar. Análise e compara…

Discussion

Existem várias etapas críticas um deve cuidar da durante a execução do presente protocolo com oócitos de rato, bem como com os de outras espécies. Uma vez isolados de seus folículos, oócitos devem ser imediatamente transferidos para as gotas de gravação, como a separação do cumulus companheiro células disparadores o início da transição GV-para-MII. Uma eventual modificação do presente protocolo pode ser a adição de 3-isobutil-1-methylxanthine (IBMX) para o meio de M2 utilizado para isolamento de COCs….

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabalho tornou-se possível graças ao apoio por: Universidade de Pavia FRG 2016; Universidade de Parma FIL 2014, 2016; e Kinesis para fornecer o plasticware necessária para realizar este estudo. Agradecemos o Dr. Shane Windsor (Faculdade de engenharia, Universidade de Bristol, Reino Unido) para fornecer o software Cell_PIV.

Materials

Folligon Intervet A201A02 Hormonal treatment
Hoechst 33342  Sigma-Aldrich B2261 For oocyte heterochromatin staining
Cell culture Petri-dish 35 mm x 10 mm  Corning  430165 For COCs isolation
EmbryoMax M2 Medium (1X), Liquid, with phenol red Merck-Millipore MR-015-D For COCs isolation
MEM Alpha medium (1X) + Glutamax  Sigma-Aldrich M4526 For oocyte in vitro maturation
Cell culture Petri-dish 35 mm glass-bottom  WillCo  GWSt-3522 For imaging experiments
BioStation IM-LM  Nikon MFA91001 Live cell screening system 
Pasteur pipette Delchimica Scientific Glassware 6709230 For follicles manipulation
Mineral oil Sigma-Aldrich M8410 To prevent contamination and medium evaporation
Penicillin / Streptomycin Life Technologies 15070063 To prevent medium contamination 
Fetal Bovine Serum (FBS) Sigma-Aldrich ML16141079 For making up αMEM medium 
L-Glutamine  Life Technologies 25030 For making up αMEM medium 
Taurine Sigma-Aldrich T0625 For making up αMEM medium 
Bovine Serum Albumin (BSA) Sigma-Aldrich A3310 For making up αMEM media
Sodium pyruvate  Sigma-Aldrich  P4562 For making up αMEM media
Zoletil (Tiletamina and Zolazepan cloridrate) Virbac Srl QN01AX9 For mice anesthesia
Cell_PIV sofware  Kindly provided by Dr. Shane Windsor, University of Bristol, UK                 -                 -
MATLAB The MathWorks, Natick, MA                  - For multi-paradigm numerical computing

References

  1. Patrizio, P., Fragouli, E., Bianchi, V., Borini, A., Wells, D. Molecular methods for selection of the ideal oocyte. Reprod. Biomed. Online. 15 (3), 346-353 (2007).
  2. Rienzi, L., Vajta, G., Ubaldi, F. Predictive value of oocyte morphology in human IVF: a systematic review of the literature. Human. Reprod. Update. 17 (1), 34-35 (2011).
  3. Tan, J. H., et al. Chromatin configurations in the germinal vesicle of mammalian oocytes. Mol. Hum. Reprod. 15 (1), 1-9 (2009).
  4. Vigone, G., et al. Transcriptome based identification of mouse cumulus cell markers that predict the developmental competence of their enclosed antral oocytes. BMC Genomics. 14, 380 (2013).
  5. Bui, T. T., et al. Cytoplasmic movement profiles of mouse surrounding nucleolus and not-surrounding nucleolus antral oocytes during meiotic resumption. Mol. Reprod. Dev. 84 (5), 356-362 (2017).
  6. Zuccotti, M., Piccinelli, A., Giorgi Rossi, P., Garagna, S., Redi, C. A. Chromatin organization during mouse oocyte growth. Mol. Reprod. Dev. 41 (4), 479-485 (1995).
  7. Zuccotti, M., Garagna, S., Merico, V., Monti, M., Redi, C. A. Chromatin organisation and nuclear architecture in growing mouse oocytes. Mol. Cell. Endocrinol. 234 (1-2), 11-17 (2005).
  8. Zuccotti, M., Merico, V., Cecconi, S., Redi, C. A., Garagna, S. What does it take to make a developmentally competent mammalian egg?. Hum. Reprod. Update. 17 (4), 525-540 (2011).
  9. Inoue, A., Nakajima, R., Nagata, M., Aoki, F. Contribution of the oocyte nucleus and cytoplasm to the determination of meiotic and developmental competence in mice. Hum. Reprod. 23 (6), 1377-1384 (2008).
  10. Ajduk, A., et al. Rhythmic actomyosin-driven contractions induced by sperm entry predict mammalian embryo viability. Nat. Commun. 2, 417 (2011).
  11. Swann, K., et al. Phospholipase C-ζ-induced Ca2+ oscillations cause coincident cytoplasmic movements in human oocytes that failed to fertilize after intracytoplasmic sperm injection. Fertil. Steril. 97 (3), 742-747 (2012).
  12. Thakur, A., Mishra, V., Jain, S. K. Feed forward artificial neural network: tool for early detection of ovarian cancer. Sci. Pharm. 79 (3), 493-505 (2011).
  13. Laudani, A., Lozito, G. M., Riganti Fulginei, F., Salvini, A. On Training Efficiency and Computational Costs of a Feed Forward Neural Network: A Review. Comput. Intell. Neurosci. 2015, 818243 (2015).
check_url/kr/56668?article_type=t

Play Video

Cite This Article
Cavalera, F., Zanoni, M., Merico, V., Bui, T. T. H., Belli, M., Fassina, L., Garagna, S., Zuccotti, M. A Neural Network-Based Identification of Developmentally Competent or Incompetent Mouse Fully-Grown Oocytes. J. Vis. Exp. (133), e56668, doi:10.3791/56668 (2018).

View Video