JoVE Journal > Bioengineering
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
자동 번역
Please note that all translations are automatically generated. Click here for the English version.
생체공학

כימות ארגון קולגן פיברילאר עם כלים מבוססי המרה של Curvelet

Published: November 11, 2020
doi:
10.3791/61931
,
1Laboratory for Optical and Computational Instrumentation, Center for Quantitative Cell Imaging,University of Wisconsin-Madison, 2Departments of Medical Physics and Biomedical Engineering,University of Wisconsin-Madison, 3Morgridge Institute for Research, Madison, Wisconsin, 4test,test

Summary

כאן, אנו מציגים פרוטוקול לשימוש מבוסס טרנספורמציה מעוקל, קוד פתוח MATLAB תוכנה כלי לכימות ארגון קולגן fibrillar במטריצה חוץ תאית של רקמות נורמליות ומחלות כאחד. ניתן להחיל כלי זה על תמונות עם סיבי קולגן או סוגים אחרים של מבנים דמויי קו.

Abstract

קולגנים Fibrillar הם מרכיבים בולטים מטריצה חוץ תאית (ECM), ושינויים בטופולוגיה שלהם הוכחו להיות קשורים עם התקדמות של מגוון רחב של מחלות כולל השד, השחלות, הכליות, סרטן הלבלב. כלי תוכנה לכימות סיבים הזמינים באופן חופשי מתמקדים בעיקר בחישוב יישור סיבים או אוריינטציה, והם כפופים למגבלות כגון דרישה של צעדים ידניים, אי דיוק בזיהוי קצה הסיבים ברקע רועש, או חוסר אפיון תכונות מקומי. הכלי לכמות סיבי קולגן המתואר בפרוטוקול זה מאופיין בשימוש בייצוג תמונה רב-גווני אופטימלי המופעל על-ידי המרה מעוגלת (CT). גישה אלגוריתמית זו מאפשרת הסרת רעש מתמונות קולגן פיברילאר ושיפור קצוות הסיבים כדי לספק מידע מיקום והתמצאות ישירות מסיבים, במקום להשתמש במידע העקיף מבחינת פיקסלים או מבחינת חלונות המתקבל מכלים אחרים. מסגרת מבוססת CT זו מכילה שתי חבילות נפרדות, אך מקושרות, בשם “CT-FIRE” ו- “CurveAlign” שיכולות לכמת את ארגון הסיבים על בסיס גלובלי, אזור עניין (ROI) או סיבים בודדים. מסגרת כימות זו פותחה במשך יותר מעשר שנים וכעת התפתחה לפלטפורמת כימות קולגן מקיפה ומונעת על ידי משתמשים. באמצעות פלטפורמה זו, ניתן למדוד עד כשלושים תכונות סיבים כולל תכונות סיבים בודדים כגון אורך, זווית, רוחב וישירות, כמו גם מדידות בצובר כגון צפיפות ויישור. בנוסף, המשתמש יכול למדוד זווית סיבים יחסית לגבולות מחולקים באופן ידני או אוטומטי. פלטפורמה זו מספקת גם מספר מודולים נוספים, כולל מודולים לניתוח החזר על ההשקעה, יצירת גבולות אוטומטית ולאחר עיבוד. שימוש בפלטפורמה זו אינו דורש ניסיון קודם בתכנות או בעיבוד תמונה, והוא יכול להתמודד עם ערכות נתונים גדולות כולל מאות או אלפי תמונות, המאפשר כימות יעיל של ארגון סיבי קולגן עבור יישומים ביולוגיים או ביו-רפואיים.

Introduction

קולגני פיברילאר בולטים, מרכיבי ECM מבניים. הארגון שלהם משנה את תפקוד רקמת ההשפעה והם קשורים ככל הנראה עם התקדמות של מחלות רבות החל osteogenesis imperfecta1, תפקוד לקוי של הלב2, ואת הפצע ריפוי3 סוגים שונים של סרטן כולל השד4,5,6, השחלות7,8, כליות9, וסרטן הלבלב10. ניתן להשתמש באופני הדמיה מבוססים רבים כדי לדמיין קולגן פיברילאר כגון מיקרוסקופיה דור הרמוני שני11, כתמים או צבעים בשילוב עם מיקרוסקופיה שדה בהיר או פלואורסצנטי או מיקרוסקופ אור מקוטב12, מיקרוסקופ קיטוב מבוסס גביש נוזלי (LC-PolScope)13, ומיקרוסקופ אלקטרונים14. ככל שהחשיבות של ארגון קולגן פיברילאר הפכה ברורה יותר, והשימוש בשיטות אלה גדל, גדל גם הצורך בגישות משופרות לניתוח סיבי קולגן.

היו מאמצים רבים לפתח שיטות חישוביות למדידה אוטומטית של קולגן פיברילאר. כלי תוכנה זמינים בחופשיות מתמקדים בעיקר בחישוב יישור סיבים או אוריינטציה על ידי אימוץ טנזור נגזר או מבנה ראשון עבור פיקסלים15,16, או ניתוח ספקטרום מבוסס שינוי פורייה עבור אריחי תמונה17. כל הכלים הללו כפופים למגבלות כגון דרישה לשלבים ידניים, אי דיוק בזיהוי קצה הסיבים ברקע רועש או היעדר אפיון תכונות מקומי.

בהשוואה לכלי תוכנה חופשיים אחרים הזמינים באופן חופשי בקוד פתוח, השיטות המתוארות בפרוטוקול זה משתמשות ב- CT – שיטת ייצוג תמונה אופטימלית, רב-גוונית וכיוונית – כדי להסיר רעש מתמונות קולגן פיברילאר ולשפר או לעקוב אחר קצוות סיבים. ניתן לספק מידע על מיקום והתמצאות ישירות מסיבים ולא באמצעות המידע העקיף מבחינת פיקסלים או מבחינת חלונות כדי להסיק את המדדים של ארגון הסיבים. מסגרת מבוססת CT זו18,19,20,21 יכולה לכמת את ארגון הסיבים על בסיס גלובלי, החזר על ההשקעה או סיבים, בעיקר באמצעות שתי חבילות נפרדות, אך מקושרות, בשם “CT-FIRE”18,21 ו- “CurveAlign”19,21. בכל הנוגע ליישום התוכנה, ב- CT-FIRE, מקדמי CT על קשקשים מרובים יכולים לשמש לשחזור תמונה המשפרת קצוות ומפחיתה רעש. לאחר מכן, אלגוריתם מיצוי סיבים בודד מוחל על התמונה המשוחזרת על ידי CT כדי לעקוב אחר סיבים למציאת נקודות המרכז הייצוגיות שלהם, הרחבת ענפי סיבים מנקודות המרכז וקישור ענפי סיבים ליצירת רשת סיבים. ב- CurveAlign, מקדמי CT בקנה מידה שצוין על-ידי המשתמש יכולים לשמש למעקב אחר כיוון סיבים מקומי, שבו הכיוון והמיקומים של עקומות מופקים ומקובצים כדי להעריך את כיוון הסיבים במיקומים המתאימים. מסגרת כימות זו פותחה במשך יותר מעשר שנים והתפתחה מאוד בהיבטים רבים כגון פונקציונליות, ממשק משתמש ומודולריות. לדוגמה, כלי זה יכול לדמיין כיוון סיבים מקומי ומאפשר למשתמש למדוד עד שלושים תכונות סיבים כולל תכונות סיבים בודדים כגון אורך, זווית, רוחב וישירות, כמו גם מדידות בצובר כגון צפיפות ויישור. בנוסף, המשתמש יכול למדוד זווית סיבים יחסית באופן ידני או אוטומטי גבולות מקוטעים, אשר, למשל, ממלא תפקיד חשוב בהתפתחות סמן ביולוגי מבוסס תמונה בסרטן השד22 ומחקרי סרטן הלבלב10. פלטפורמה זו מספקת מספר מודולי תכונות, כולל מודולים לניתוח החזר על ההשקעה, יצירת גבולות אוטומטית ולאחר עיבוד. ניתן להשתמש במודול ההחזר על ההשקעה כדי להוסיף ביאורים לצורות שונות של החזר ההשקעה ולבצע ניתוח החזר על ההשקעה המתאים. כדוגמה ליישום, מודול יצירת הגבולות האוטומטי יכול לשמש לרישום תמונות שדה בהירות של המטוקסילין ואאוסין (H&E) עם תמונות דור הרמוני שני (SHG) וליצור את מסכת התמונה של גבולות הגידול מתמונות H&E הרשומות. מודול שלאחר העיבוד יכול לסייע בעיבוד ואינטגרציה של קבצי נתוני פלט מתמונות בודדות לצורך ניתוח סטטיסטי אפשרי.

פלטפורמת כימות זו אינה דורשת ניסיון קודם בתכנות או בעיבוד תמונה ויכולה לטפל בערכות נתונים גדולות הכוללות מאות או אלפי תמונות, המאפשרות כימות יעיל של ארגון קולגן עבור יישומים ביולוגיים או ביו-רפואיים. זה כבר בשימוש נרחב בתחומי מחקר שונים על ידי חוקרים רבים בכל רחבי העולם, כולל את עצמנו. ישנם ארבעה פרסומים עיקריים על CT-FIRE ו CurveAlign18,19,20,21, מתוכם שלושת הראשונים צוטטו 272 פעמים (נכון ל 2020-05-04 על פי Google Scholar). סקירה של הפרסומים שציטטו פלטפורמה זו (CT-FIRE או CurveAlign) מצביעה על כך שיש כ -110 כתבי עת שהשתמשו בו ישירות לניתוח שלהם, שבו כ -35 פרסומים היו בשיתוף פעולה עם הקבוצה שלנו, והאחרים (~ 75) נכתבו על ידי קבוצות אחרות. למשל, פלטפורמה זו שימשה למחקרים הבאים: סרטן השד22,23,24, סרטןהלבלב 10,25, סרטן הכליה9,26, ריפוי פצעים3,27,28,29,30, סרטן השחלות8,31,7, רצועה הרחם32, hypophosphatemic dentin33, קרצינומה של תאי בזלת34, סרקומה היפוקסית35, רקמת סחוס36, תפקוד לקוי של הלב37, נוירונים38, גליובלסטומה39, התכווצויות לימפתיות40, cacffolds סיבי41, סרטןקיבה 42, microtubule43, ופיברוזיס שלפוחית השתן44. איור 1 מדגים את יישום ההדמיה של סרטן CurveAlign כדי למצוא את חתימות הקולגן הקשורות לגידול של סרטן השד19 מתמונת SHG. איור 2 מתאר זרימת עבודה סכמטית טיפוסית של פלטפורמה זו. למרות שכלים אלה נבדקו טכנית18,19,21, ופרוטוקול רגיל20 לניתוח יישור עם CurveAlign זמין גם, פרוטוקול חזותי המדגים את כל התכונות החיוניות יכול להיות שימושי. פרוטוקול חזותי, כפי שמוצג כאן, יקל על תהליך הלמידה של שימוש בפלטפורמה זו, כמו גם יתייחס בצורה יעילה יותר לחששות ולשאלות שעשויות להיות למשתמשים.

Protocol

הערה: פרוטוקול זה מתאר את השימוש ב- CT-FIRE וב- CurveAlign לכימות קולגן. לשני כלים אלה יש מטרות עיקריות משלימות, אך שונות, והן מקושרות זו לזו במידה מסוימת. CT-FIRE יכול להיות משוגר מממשק CurveAlign לנהל את רוב הפעולות למעט ניתוח שלאחר עיבוד וההתחזור על ההשקעה מתקדמים. להפעלה מלאה של CT-FIRE, זה צריך להיות משוגר ב?…

Representative Results

שיטות אלה יושמו בהצלחה במחקרים רבים. כמה יישומים אופייניים כוללים: 1) Conklin et al.22 השתמשו CurveAlign כדי לחשב חתימות קולגן הקשורות לגידול, ומצא כי סיבי קולגן היו מיושרים לעתים קרובות יותר בניצב להיקף צינור קרצינומה צינורית במקום (DCIS) נגעים; 2) Drifka et al.10 השתמשו במצב CT-FIRE ב CurveAl…

Discussion

פרוטוקול זה מתאר את השימוש CT-FIRE ו CurveAlign עבור כימות קולגן fibrillar והוא יכול להיות מיושם על כל תמונה עם סיבי קולגן או מבנים מוארכים אחרים דמויי קו או סיבים מתאים לניתוח על ידי CT-FIRE או CurveAlign. לדוגמה, אלסטין או סיבים אלסטיים יכולים להיות מעובדים באופן דומה בפלטפורמה זו. בדקנו את שני הכלים על סיבים ?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

אנו מודים לתורמים ומשתמשים רבים ל-CT-FIRE ו-CurveAlign לאורך השנים, כולל ד”ר רוב נובאק, ד”ר קרולין פלקה, ד”ר ג’רמי ברדפלדט, גונת מהטה, אנדרו ליכט, ד”ר אדיב קיחוסרבי, ד”ר מאט קונקלין, ד”ר ג’יין סקווירל, ד”ר פאולו פרובנזנו, ד”ר ברנדה אוגל, ד”ר פטרישיה קילי, ד”ר ג’וזף סולצ’בסקי, ד”ר סוזן פוניק ותרומות טכניות נוספות מסוואטי אנאנד וקרדיט. עבודה זו נתמכה על ידי מימון של חברת מחקר מוליכים למחצה, מכון מורגרידג’ למחקר, ו NIH מענקים R01CA199996, R01CA181385 ו U54CA210190 כדי K.W.E.

Materials

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/
DOWNLOAD MATERIALS LIST

References

  1. Nadiarnykh, O., et al. Second harmonic generation imaging microscopy studies of osteogenesis imperfecta. Journal of Biomedical Optics. 12 (5), 051805 (2007).
  2. Kouris, N. A., et al. A nondenatured, noncrosslinked collagen matrix to deliver stem cells to the heart. Regenerative Medicine. 6 (5), 569-582 (2011).
  3. LeBert, D. C., et al. Matrix metalloproteinase 9 modulates collagen matrices and wound repair. Development. 142 (12), 2136-2146 (2015).
  4. Provenzano, P. P., et al. Collagen reorganization at the tumor-stromal interface facilitates local invasion. BMC Medicine. 4 (1), 38 (2006).
  5. Provenzano, P. P., et al. Collagen density promotes mammary tumor initiation and progression. BMC Medicine. 6 (1), 1 (2008).
  6. Conklin, M. W., et al. Aligned collagen is a prognostic signature for survival in human breast carcinoma. The American Journal of Pathology. 178 (3), 1221-1232 (2011).
  7. Alkmin, S., et al. Migration dynamics of ovarian epithelial cells on micro-fabricated image-based models of normal and malignant stroma. Acta Biomaterialia. 100, 92-104 (2019).
  8. Campbell, K. R., Campagnola, P. J. Assessing local stromal alterations in human ovarian cancer subtypes via second harmonic generation microscopy and analysis. Journal of Biomedical Optics. 22 (11), 116008 (2017).
  9. Best, S. L., et al. Collagen organization of renal cell carcinoma differs between low and high grade tumors. BMC Cancer. 19 (1), 490 (2019).
  10. Drifka, C. R., et al. Periductal stromal collagen topology of pancreatic ductal adenocarcinoma differs from that of normal and chronic pancreatitis. Modern Pathology. 28 (11), 1470-1480 (2015).
  11. Campagnola, P. J., et al. Three-dimensional high-resolution second-harmonic generation imaging of endogenous structural proteins in biological tissues. Biophysical Journal. 82 (1), 493-508 (2002).
  12. Arun Gopinathan, P., et al. Study of collagen birefringence in different grades of oral squamous cell carcinoma using picrosirius red and polarized light microscopy. Scientifica. 2015, 1-7 (2015).
  13. Keikhosravi, A., et al. Quantification of collagen organization in histopathology samples using liquid crystal based polarization microscopy. Biomedical Optics Express. 8 (9), 4243-4256 (2017).
  14. Quan, B. D., Sone, E. D. Cryo-TEM analysis of collagen fibrillar structure. Methods in Enzymology. 532, 189-205 (2013).
  15. Boudaoud, A., et al. FibrilTool, an ImageJ plug-in to quantify fibrillar structures in raw microscopy images. Nature Protocols. 9 (2), 457-463 (2014).
  16. Rezakhaniha, R., et al. Experimental investigation of collagen waviness and orientation in the arterial adventitia using confocal laser scanning microscopy. Biomechanics and Modeling in Mechanobiology. 11 (3-4), 461-473 (2012).
  17. Kartasalo, K., et al. CytoSpectre: a tool for spectral analysis of oriented structures on cellular and subcellular levels. BMC Bioinformatics. 16 (1), 1 (2015).
  18. Bredfeldt, J. S., et al. Computational segmentation of collagen fibers from second-harmonic generation images of breast cancer. Journal of Biomedical Optics. 19 (1), 016007 (2014).
  19. Bredfeldt, J. S., et al. Automated quantification of aligned collagen for human breast carcinoma prognosis. Journal of Pathology Informatics. 5 (1), 28 (2014).
  20. Liu, Y., Keikhosravi, A., Mehta, G. S., Drifka, C. R., Eliceiri, K. W. Methods for quantifying fibrillar collagen alignment. Methods in Molecular Biology. 1627, 429-451 (2017).
  21. Liu, Y., et al. Fibrillar collagen quantification with curvelet transform based computational methods. Frontiers in Bioengineering and Biotechnology. 8, 198 (2020).
  22. Conklin, M. W., et al. Collagen alignment as a predictor of recurrence after ductal carcinoma in situ. Cancer Epidemiology and Prevention Biomarkers. 27 (2), 138-145 (2018).
  23. Jallow, F., et al. Dynamic interactions between the extracellular matrix and estrogen activity in progression of ER+ breast cancer. Oncogene. 38 (43), 6913-6925 (2019).
  24. Smirnova, T., et al. Serpin E2 promotes breast cancer metastasis by remodeling the tumor matrix and polarizing tumor associated macrophages. Oncotarget. 7 (50), 82289 (2016).
  25. Fanous, M., Keikhosravi, A., Kajdacsy-Balla, A., Eliceiri, K. W., Popescu, G. Quantitative phase imaging of stromal prognostic markers in pancreatic ductal adenocarcinoma. Biomedical Optics Express. 11 (3), 1354-1364 (2020).
  26. Jiménez-Torres, J. A., Virumbrales-Muñoz, M., Sung, K. E., Lee, M. H., Abel, E. J., Beebe, D. J. Patient-specific organotypic blood vessels as an in vitro model for anti-angiogenic drug response testing in renal cell carcinoma. EBioMedicine. 42, 408-419 (2019).
  27. Govindaraju, P., Todd, L., Shetye, S., Monslow, J., Puré, E. CD44-dependent inflammation, fibrogenesis, and collagenolysis regulates extracellular matrix remodeling and tensile strength during cutaneous wound healing. Matrix Biology. 75, 314-330 (2019).
  28. Henn, D., et al. Cryopreserved human skin allografts promote angiogenesis and dermal regeneration in a murine model. International Wound Journal. 17 (4), 925-936 (2020).
  29. Rico-Jimenez, J., et al. Non-invasive monitoring of pharmacodynamics during the skin wound healing process using multimodal optical microscopy. BMJ Open Diabetes Research and Care. 8 (1), 000974 (2020).
  30. Israel, J. S., et al. Quantification of collagen organization after nerve repair. Plastic and Reconstructive Surgery Global Open. 5 (12), (2017).
  31. Rentchler, E. C., Gant, K. L., Drapkin, R., Patankar, M., Campagnola, P. J. Imaging collagen alterations in STICs and high grade ovarian cancers in the fallopian tubes by second harmonic generation microscopy. Cancers. 11 (11), 1805 (2019).
  32. Hu, C., et al. Imaging collagen properties in the uterosacral ligaments of women with pelvic organ prolapse using spatial light interference microscopy (SLIM). Frontiers in Physics. 7, 72 (2019).
  33. Guirado, E., et al. Disrupted protein expression and altered proteolytic events in hypophosphatemic dentin can be rescued by dentin matrix protein 1. Frontiers in Physiology. 11, 82 (2020).
  34. Kiss, N., et al. Quantitative analysis on ex vivo nonlinear microscopy images of basal cell carcinoma samples in comparison to healthy skin. Pathology & Oncology Research. 25 (3), 1015-1021 (2019).
  35. Lewis, D. M., et al. Collagen fiber architecture regulates hypoxic sarcoma cell migration. ACS Biomaterials Science & Engineering. 4 (2), 400-409 (2018).
  36. Moura, C. C., Bourdakos, K. N., Tare, R. S., Oreffo, R. O., Mahajan, S. Live-imaging of Bioengineered Cartilage Tissue using Multimodal Non-linear Molecular Imaging. Scientific Reports. 9 (1), 1-9 (2019).
  37. Murtada, S. I., et al. Paradoxical aortic stiffening and subsequent cardiac dysfunction in Hutchinson-Gilford progeria syndrome. Journal of The Royal Society Interface. 17 (166), 0066 (2020).
  38. Nichol, R. H., Catlett, T. S., Onesto, M. M., Hollender, D., Gómez, T. M. Environmental elasticity regulates cell-type specific RHOA signaling and neuritogenesis of human neurons. Stem Cell Reports. 13 (6), 1006-1021 (2019).
  39. Pointer, K. B., et al. Association of collagen architecture with glioblastoma patient survival. Journal of Neurosurgery. 126 (6), 1812-1821 (2016).
  40. Razavi, M. S., Leonard-Duke, J., Hardie, B., Dixon, J. B., Gleason, R. L. Axial stretch regulates rat tail collecting lymphatic vessel contractions. Scientific Reports. 10 (1), 1-11 (2020).
  41. Xue, Y., et al. Valve leaflet-inspired elastomeric scaffolds with tunable and anisotropic mechanical properties. Polymers for Advanced Technologies. 31 (1), 94-106 (2020).
  42. Zhou, Z. H., et al. Reorganized collagen in the tumor microenvironment of gastric cancer and its association with prognosis. Journal of Cancer. 8 (8), 1466 (2017).
  43. Zinn, A., et al. The small GTPase RhoG regulates microtubule-mediated focal adhesion disassembly. Scientific Reports. 9 (1), 1-15 (2019).
  44. Zwaans, B. M., et al. Radiation cystitis modeling: A comparative study of bladder fibrosis radio-sensitivity in C57BL/6, C3H, and BALB/c mice. Physiological Reports. 8 (4), (2020).
  45. Devine, E. E., Liu, Y., Keikhosravi, A., Eliceiri, K. W., Jiang, J. J. Quantitative second harmonic generation imaging of leporine, canine, and porcine vocal fold collagen. The Laryngoscope. 129 (11), 2549-2556 (2019).
  46. Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  47. Zeitoune, A. A., et al. Epithelial ovarian cancer diagnosis of second-harmonic generation images: A semiautomatic collagen fibers quantification protocol. Cancer Informatics. 16, (2017).
  48. Wershof, E., et al. Matrix feedback enables diverse higher-order patterning of the extracellular matrix. PLoS Computational Biology. 15 (10), 1007251 (2019).
  49. Mostaço-Guidolin, L. B., et al. Fractal dimension and directional analysis of elastic and collagen fiber arrangement in unsectioned arterial tissues affected by atherosclerosis and aging. Journal of Applied Physiology. 126 (3), 638-646 (2019).
  50. Thain, D., Tannenbaum, T., Livny, M. Distributed computing in practice: the Condor experience. Concurrency and Computation: Practice and Experience. 17 (2-4), 323-356 (2005).

Tags

Fibrillar CollagenCollagen OrganizationExtracellular MatrixCurvelet TransformCT-FIREImage AnalysisFiber ExtractionRegion Of InterestPost-processing

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Liu, Y., Eliceiri, K. W. Quantifying Fibrillar Collagen Organization with Curvelet Transform-Based Tools. J. Vis. Exp. (165), e61931, doi:10.3791/61931 (2020).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image