Summary

Excitation-scanning Hyperspectral Imaging mikroskopi til effektivt at diskriminere fluorescens signaler

Published: August 22, 2019
doi:

Summary

Spectral Imaging er blevet en pålidelig løsning til identifikation og adskillelse af flere fluorescens signaler i en enkelt prøve og kan let skelne signaler af interesse fra baggrund eller autofluorescens. Excitation-scanning hyperspectral Imaging forbedrer denne teknik ved at reducere den nødvendige billed erhvervelse tid samtidig øge signal-til-støj-forholdet.

Abstract

Flere teknikker er afhængige af påvisning af fluorescens signaler for at identificere eller studere fænomener eller for at belyse funktioner. Adskillelse af disse fluorescens signaler blev vist besværligt indtil fremkomsten af hyperspectral Imaging, hvor fluorescens kilder kan adskilles fra hinanden såvel som fra baggrunds signaler og autofluorescens (givet kendskab til deres spektral underskrifter). Men traditionelle, emission-scanning hyperspectral Imaging lider af langsomme anskaffelses tider og lav signal-til-støj nøgletal på grund af den nødvendige filtrering af både excitation og emission lys. Det har tidligere vist sig, at excitation-scanning hyperspectral Imaging reducerer den nødvendige erhvervelse tid samtidig øge signal-til-støj forholdet af erhvervede data. Ved hjælp af kommercielt tilgængeligt udstyr, beskriver denne protokol, hvordan man samler, kalibrerer og bruger et excitation-scanning hyperspectral Imaging mikroskopi system til adskillelse af signaler fra flere fluorescens kilder i en enkelt prøve. Selv om denne teknik er meget anvendelig på mikroskopisk billeddannelse af celler og væv, kan den også være nyttig for enhver form for eksperiment, der udnytter fluorescens, hvor det er muligt at variere excitation bølgelængder, herunder, men ikke begrænset til: kemisk billeddannelse, miljø anvendelser, øjenpleje, levnedsmiddelvidenskab, retsvidenskab, lægevidenskab og mineralogi.

Introduction

Spectral Imaging kan udføres på en række forskellige måder og omtales i flere termer1,2,3,4. Spektral Imaging refererer generelt til data, som er erhvervet i mindst to rumlige dimensioner og en spektral dimension. Multispektral og hyperspectral billeddannelse udmærker sig oftest ved antallet af bølgelængde bånd, eller om spektral båndene er sammenhængende1. For denne applikation er hyperspectral data defineret som spektraldata erhvervet med sammenhængende bølgelængde bånd opnået ved mellemrum af Center bølgelængder ikke mindre end halvdelen af fuld bredde på halv maksimum (FWHM) af hver båndpas filter anvendes til excitation (dvs., 5 Nm midterbølge længde afstand for båndpas filtre med 14-20 Nm båndbredder). Den sammenhængende karakter af data båndene giver mulighed for en oversampling af datasæt, at sikre, at Nyquist kriterier er opfyldt, når prøvetagning af spektral domænet.

Hyperspectral Imaging blev udviklet af NASA i 1970 ‘ erne og 1980 ‘ erne i forbindelse med den første landsat satellit5,6. Indsamling af data fra flere sammenhængende spektralbånd tillod generering af et Radiance spektrum af hver pixel. Identificering og definition af Radiance spektret af individuelle komponenter gjorde det muligt ikke kun at detektere overfladematerialer ved deres karakteristiske spektre, men det tillod også fjernelse af mellemliggende signaler, såsom variationer i signalet på grund af atmosfæriske forhold. Begrebet påvisning af materialer ved hjælp af deres karakteristiske spektre blev anvendt på biologiske systemer i 1996, når Schröck et al. brugte kombinationer af fem forskellige fluorophorer og deres kendte spektre til at skelne mærkede kromosomer i en proces, der betegnes spektral karyotyping7. Denne teknik blev uddybet i 2000 af Tsurui et al. for fluorescens billeddannelse af vævsprøver, ved hjælp af syv fluorescerende farvestoffer og ental værdi nedbrydning for at opnå spektral adskillelse af hver pixel i lineære kombinationer af spektre i reference bibliotek8. Svarende til deres telemåling modparter, kan bidraget fra hver kendt fluoroforet beregnes fra hyperspectral billede, givet a priori oplysninger om spektret af hver fluoroforet.

Hyperspectral Imaging er også blevet anvendt i områderne landbrug9, astronomi10, biomedicin11, kemisk billeddannelse12, miljø anvendelser13, Eye Care14, levnedsmiddelvidenskab15, retsvidenskab16,17, medicinsk videnskab18, mineralogi19, og overvågning20. En vigtig begrænsning af nuværende fluorescens mikroskop hyperspectral Imaging systemer er, at standard hyperspectral imaging teknologi isolerer fluorescens signaler i smalle bånd ved 1) første filtrering af excitation lys til kontrolprøve excitation, så 2) yderligere filtrering udledt lys til at adskille fluorescens emission i smalle bånd, der senere kan adskilles matematisk21. Filtrering af både excitation-belysningen og den udsendte fluorescens reducerer mængden af tilgængeligt signal, hvilket sænker signal-til-støj-forholdet og nødvendiggør lange anskaffelses tider. Det lave signal og de lange anskaffelses tider begrænser anvendeligheden af hyperspectral Imaging som et diagnostisk værktøj.

En Imaging modalitet er blevet udviklet, der gør brug af hyperspectral Imaging, men øger det tilgængelige signal, og dermed reducere den nødvendige erhvervelse tid21,22. Denne nye modalitet, kaldet excitation-scanning hyperspectral Imaging, erhverver spektral billeddata ved at variere excitation bølgelængde og indsamle en bred vifte af udsendte lys. Det har tidligere vist sig, at denne teknik giver størrelses stigninger i signal-støj-forhold i forhold til emissions scanningsteknikker21,22. Stigningen i signal-støj-forhold skyldes i høj grad den brede båndpas (~ 600 nm) af emissions lyset detekteret, mens specificitet er tilvejebragt ved at filtrere kun excitation lys i stedet for fluorescens emission. Dette gør det muligt for alle udsendte lys (for hver excitation bølgelængde) at nå sensoren21. Derudover kan denne teknik bruges til at diskriminere autofluorescens fra udefrakommende etiketter. Desuden reducerer evnen til at reducere anskaffelsestid på grund af øget detekterbart signal faren for foto blegning samt tillader spektral scanninger ved en erhvervelse sats, der er acceptabelt for spektral video Imaging.

Målet med denne protokol er at tjene som en dataindsamling guide til excitation-scanning hyperspectral Imaging mikroskopi. Desuden er beskrivelser inkluderet, der hjælper med at forstå den lette vej og hardware. Også beskrevet er gennemførelsen af open source-software til en excitation-scanning hyperspectral Imaging mikroskop. Endelig, beskrivelser er fastsat for, hvordan du kalibrere systemet til en NIST-sporbare standard, justere software og hardwareindstillinger for nøjagtige resultater, og unmix det detekterede signal til bidrag fra individuelle komponenter.

Protocol

1. opsætning af enhed Lyskilde: Vælg en bredbånds-spektral lyskilde med høj effekt og høj kollimation (en 300 W XE Arc-lampe blev brugt til disse studier). Lukker (valgfrit): Tilføj en udløser til den optiske sti for at reducere foto blegning for tidsforskudt billeddannelse. Tunable filter system: indarbejde en mekanisk tuning samling og tynd-film tunable filter (TFTF) indstillet til at aktivere den ønskede bølgelængde-justerbar excitation rækkevidde (f. eks 360-485 nm). <li…

Representative Results

Flere vigtige skridt fra denne protokol er nødvendige for at sikre indsamlingen af data, der er både nøjagtige og blottet for billeddannelse og spektral artefakter. Hvis du springer disse trin over, kan det resultere i data, der ser betydningsfulde ud, men som ikke kan verificeres eller gengives med andre spektral billedbehandlingssystemer, hvilket effektivt ophæver eventuelle konklusioner, der er foretaget med de pågældende data. Chief blandt disse vigtige trin er korrekt spektral …

Discussion

Den optimale anvendelse af en excitation-scanning hyperspectral Imaging set-up begynder med opførelsen af lysbanen. Især valg af lyskilde, filtre (tunable og dichroic), filter switching metode og kamera bestemme det tilgængelige spektralområde, eventuel scanningshastighed, detektorfølsomhed, og rumlig prøvetagning. Mercury Arc lamper tilbyder mange excitation bølgelængde toppe, men ikke giver en flad spektral udgang og vil kræve betydelige signal reduktion på output toppe at korrigere spektral billeddata tilbag…

Declarações

The authors have nothing to disclose.

Acknowledgements

Forfatterne vil gerne anerkende støtte fra NSF 1725937, NIH P01HL066299, NIH R01HL058506, NIH S10OD020149, NIH UL1 TR001417, NIH R01HL137030, AHA 18PRE34060163, og Abraham Mitchell Cancer Research fund.

Materials

Airway Smooth Muscle Cells National Disease Research Interchange (NDRI) Isolated from human lung tissues obtained from NDRI Highly autofluorescent, calcium sensitive cells
Automated Shutter Thorlabs Inc. SHB1 Remote-controllable shutter to minimize photobleaching
Automated Stage Prior Scientific H177P1T4 Remote-controllable stage for automated multiple field of view or stitched image collection.
Automated Stage Controller (XY) Prior Scientific Proscan III (H31XYZE-US) For interfacing automated stage with computer and joystick
Buffer Made in-house Made in-house 145 mM NaCl, 4 mM KCl, 20 mM HEPES, 10 mM D-glucose, 1 mM MgCl2, and 1mM CaCl2, at pH 7.3
Cell Chamber ThermoFisher Scientific Attofluor Cell Chamber, A7816 Coverslip holder composed of surgical stainless steel and a rubber O-ring to seal in media and prevent sample and/or objective contamination
Excitation Filters Semrock Inc. TBP01-378/16 Center wavelength range (340-378 nm), Bandwidth (Minimum 16 nm, nominal FWHM 20 nm), Refractive index (1.88)
Semrock Inc. TBP01-402/16 Center wavelength range (360-400 nm), Bandwidth (Minimum 16 nm, nominal FWHM 20 nm), Refractive index (1.8)
Semrock Inc. TBP01-449/15 Center wavelength range (400-448.8 nm), Bandwidth (Minimum 15 nm, nominal FWHM 20 nm), Refractive index (1.8)
Semrock Inc. TBP01-501/15 Center wavelength range (448.8-501.5 nm), Bandwidth (Minimum 15 nm, nominal FWHM 20 nm), Refractive index (1.84)
Semrock Inc. TBP01-561/14 Center wavelength range (501.5-561 nm), Bandwidth (Minimum 14 nm, nominal FWHM 20 nm), Refractive index (1.83)
Fluorescence Filter Cube Dichroic Beamsplitter Semrock Inc. FF495-Di03 Separates excitation and emission light at 495 nm (>98% reflection between 350-488 nm, >93% transmission between 502-950 nm), Filter effective index (1.78)
Fluorescence Filter Cube Longpass Filter Semrock Inc. FF01 496/LP-25 Allows passage of light longer than 496 nm ( >93% average transmission between 503.2-1100 nm), Refractive index (1.86)
GCaMP Probe Addgene G-CaMP3; Plasmid #22692 A single-wavelength GCaMP2-based genetically encoded calcium indicator
Integrating Sphere Ocean Optics FOIS-1 Used for accurate measurement of wide-angle illumination
Inverted Fluorescence Microscope Nikon Instruments TE2000 Inverted microscopes allow direct excitation of sample without the need to penetrate layers of media and/or tissue.
Mitotracker Green FM ThermoFisher Scientific M7514 Labels mitochondria
NIST-Traceable Calibration Lamp Ocean Optics LS-1-CAL-INT A lamp with a known spectrum for use as a standard
NIST-Traceable Fluorescein ThermoFisher Scientific F36915 For verifying appropriate spectral response of the system
NucBlue ThermoFisher Scientific R37605 Labels cell nuclei
Objective (10X) Nikon Instruments Plan Apo λ 10X/0.45 ∞/0.17 MRD00105 Useful for large fields of view
Objective (20X) Nikon Instruments Plan Apo λ 20X/0.75 ∞/0.17 MRD00205 Most often used for tissue samples
Objective (60X) Nikon Instruments Plan Apo VC 60X/1.2 WI ∞/0.15-0.18 WD 0.27 Most often used for cell samples
sCMOS Camera Photometrics Prime 95B (Rev A8-062802018) For acquiring high-sensitivity digital images
Spectrometer Ocean Optics QE65000 Used to measure spectral output of excitation-scanning spectral system
Tunable Filter Changer Sutter Instrument Lambda VF-5 Motorized unit for automated excitation filter tuning/switching
Xenon Arc Lamp Sunoptic Technologies Titan 300HP Lightsource Light source with relatively uniform spectral output

Referências

  1. Hagen, N. A., Kudenov, M. W. Review of snapshot spectral imaging technologies. Optical Engineering. 52 (9), 90901 (2013).
  2. Li, Q., He, X., Wang, Y., Liu, H., Xu, D., Guo, F. Review of spectral imaging technology in biomedical engineering: achievements and challenges. Journal of Biomedical Optics. 18 (10), 100901 (2013).
  3. Lu, G., Fei, B. Medical hyperspectral imaging: a review. Journal of Biomedical Optics. 19 (1), 10901 (2014).
  4. Mehta, N., Shaik, S., Devireddy, R., Gartia, M. R. Single-Cell Analysis Using Hyperspectral Imaging Modalities. Journal of Biomechanical Engineering. 140 (2), 20802 (2018).
  5. Goetz, A. F. H. Three decades of hyperspectral remote sensing of the Earth: A personal view. Remote Sensing of Environment. 113, S5-S6 (2009).
  6. Goetz, A. F. Measuring the Earth from Above: 30 Years(and Counting) of Hyperspectral Imaging. Photonics Spectra. 45 (6), 42-47 (2011).
  7. Schröck, E. Multicolor spectral karyotyping of human chromosomes. Science. 273 (5274), 494-497 (1996).
  8. Tsurui, H. Seven-color fluorescence imaging of tissue samples based on Fourier spectroscopy and singular value decomposition. Journal of Histochemistry & Cytochemistry. 48 (5), 653-662 (2000).
  9. Lu, R., Chen, Y. R. Hyperspectral imaging for safety inspection of food and agricultural products. SPIE. 3544, 121-134 (1999).
  10. Hege, E. K., O’Connell, D., Johnson, W., Basty, S., Dereniak, E. L. Hyperspectral imaging for astronomy and space surviellance. SPIE. 5159, 380-392 (2004).
  11. Vo-Dinh, T. A hyperspectral imaging system for in vivo optical diagnostics. IEEE Engineering in Medicine and Biology Magazine. 23 (5), 40-49 (2004).
  12. Dorrepaal, R. M., Gowen, A. A. Identification of Magnesium Oxychloride Cement Biomaterial Heterogeneity using Raman Chemical Mapping and NIR Hyperspectral Chemical Imaging. Scientific Reports. 8 (1), 13034 (2018).
  13. Swayze, G. A. Using imaging spectroscopy to map acidic mine waste. Environmental Science & Technology. 34 (1), 47-54 (2000).
  14. Khoobehi, B., Beach, J. M., Kawano, H. Hyperspectral imaging for measurement of oxygen saturation in the optic nerve head. Investigative Ophthalmology & Visual Science. 45 (5), 1464-1472 (2004).
  15. Gowen, A., O’Donnell, C., Cullen, P., Downey, G., Frias, J. Hyperspectral imaging-an emerging process analytical tool for food quality and safety control. Trends in Food Science & Technology. 18 (12), 590-598 (2007).
  16. Edelman, G., van Leeuwen, T. G., Aalders, M. C. Hyperspectral imaging for the age estimation of blood stains at the crime scene. Forensic Science International. 223 (1), 72-77 (2012).
  17. Edelman, G., Gaston, E., Van Leeuwen, T., Cullen, P., Aalders, M. Hyperspectral imaging for non-contact analysis of forensic traces. Forensic Science International. 223 (1), 28-39 (2012).
  18. Markgraf, W., Feistel, P., Thiele, C., Malberg, H. Algorithms for mapping kidney tissue oxygenation during normothermic machine perfusion using hyperspectral imaging. Biomedical Engineering/Biomedizinische Technik. 63 (5), 557-566 (2018).
  19. Boubanga-Tombet, S. Thermal Infrared Hyperspectral Imaging for Mineralogy Mapping of a Mine Face. Remote sensing. 10 (10), 1518 (2018).
  20. Yuen, P. W., Richardson, M. An introduction to hyperspectral imaging and its application for security, surveillance and target acquisition. The Imaging Science Journal. 58 (5), 241-253 (2010).
  21. Favreau, P. F. Excitation-scanning hyperspectral imaging microscope. Journal of Biomedical Optics. 19 (4), 046010-046010 (2014).
  22. Favreau, P. Thin-film tunable filters for hyperspectral fluorescence microscopy. Journal of biomedical optics. 19 (1), 011017-011017 (2014).
  23. Leavesley, S. J. Hyperspectral imaging microscopy for identification and quantitative analysis of fluorescently-labeled cells in highly autofluorescent tissue. Journal of Biophotonics. 5 (1), 67-84 (2012).
  24. Annamdevula, N. S. Spectral imaging of FRET-based sensors reveals sustained cAMP gradients in three spatial dimensions. Cytometry Part A. 93 (10), 1029-1038 (2018).
  25. Deshpande, D. A., Walseth, T. F., Panettieri, R. A., Kannan, M. S. CD38/cyclic ADP-ribose-mediated Ca2+ signaling contributes to airway smooth muscle hyper-responsiveness. The FASEB Journal. 17 (3), 452-454 (2003).
  26. Deshpande, D. A. Modulation of calcium signaling by interleukin-13 in human airway smooth muscle: role of CD38/cyclic adenosine diphosphate ribose pathway. American Journal of Respiratory Cell and Molecular Biology. 31 (1), 36-42 (2004).
  27. Guo, M. Cytokines regulate β-2-adrenergic receptor responsiveness in airway smooth muscle via multiple PKA-and EP2 receptor-dependent mechanisms. Bioquímica. 44 (42), 13771-13782 (2005).
  28. Mansfield, J. R., Gossage, K. W., Hoyt, C. C., Levenson, R. M. Autofluorescence removal, multiplexing, and automated analysis methods for in-vivo fluorescence imaging. Journal of Biomedical Optics. 10 (4), 41207 (2005).
  29. Mansfield, J. R., Hoyt, C., Levenson, R. M. Visualization of microscopy-based spectral imaging data from multi-label tissue sections. Current Protocols in Molecular Biology. 84 (1), 14-19 (2008).
  30. Bouchard, M. B. Recent advances in catheter-based optical coherence tomography (OCT) have provided the necessary resolution and acquisition speed for high-quality intravascular imaging. Complications associated with clearing blood from the vessel of a living patient have. Journal of Biomedical Optics. 12 (5), 51601 (2007).
  31. Mansfield, J. R. Distinguished photons: a review of in vivo spectral fluorescence imaging in small animals. Current Pharmaceutical Biotechnology. 11 (6), 628-638 (2010).
  32. Levenson, R. M., Mansfield, J. R. Multispectral imaging in biology and medicine: slices of life. Cytometry Part A. 69 (8), 748-758 (2006).
  33. Gammon, S. T., Leevy, W. M., Gross, S., Gokel, G. W., Piwnica-Worms, D. Spectral unmixing of multicolored bioluminescence emitted from heterogeneous biological sources. Analytical Chemistry. 78 (5), 1520-1527 (2006).
  34. . . Spectral Unmixing Plugins. , (2006).
  35. . . Spectral Unmixing of Bioluminescence Signals. , (2006).
  36. Keshava, N., Mustard, J. F. Spectral unmixing. IEEE Signal Processing Magazine. 19 (1), 44-57 (2002).
  37. Deal, J. Identifying molecular contributors to autofluorescence of neoplastic and normal colon sections using excitation-scanning hyperspectral imaging. Journal of Biomedical Optics. 23 (12), (2018).
  38. Microscopy Key, . Microscopy: Key Considerations for Nonlaser Light Sources | Features. BioPhotonics. , (2016).
  39. Chiu, L., Su, L., Reichelt, S., Amos, W. Use of a white light supercontinuum laser for confocal interference-reflection microscopy. Journal of Microscopy. 246 (2), 153-159 (2012).
  40. . . Choosing the best light source for your fluorescence experiment. , (2019).
  41. Beier, H. T., Ibey, B. L. Experimental comparison of the high-speed imaging performance of an EM-CCD and sCMOS camera in a dynamic live-cell imaging test case. PLoS ONE. 9 (1), e84614 (2014).
  42. Tutt, J. Comparison of EM-CCD and scientific CMOS based camera systems for high resolution X-ray imaging and tomography applications. Journal of Instrumentation. 9 (6), P06017 (2014).
  43. Coates, C. New sCMOS vs. current microscopy cameras. Biophotonics International. 18 (5), 24-27 (2011).
  44. Neher, R., Neher, E. Optimizing imaging parameters for the separation of multiple labels in a fluorescence image. Journal of Microscopy. 213 (1), 46-62 (2004).
  45. Deal, J. Hyperspectral imaging fluorescence excitation scanning spectral characteristics of remodeled mouse arteries. SPIE. 10890, 108902M (2019).
  46. Deal, J., Rich, T. C., Leavesley, S. J. Optimizing channel selection for excitation-scanning hyperspectral imaging. SPIE. , 108811B (2019).
  47. Biehlmaier, O., Hehl, J., Csucs, G. Acquisition speed comparison of microscope software programs. Microscopy Research and Technique. 74 (6), 539-545 (2011).
  48. . . Comparison with other microscopy software – Micro-manager. , (2012).
check_url/pt/59448?article_type=t

Play Video

Citar este artigo
Deal, J., Britain, A., Rich, T., Leavesley, S. Excitation-Scanning Hyperspectral Imaging Microscopy to Efficiently Discriminate Fluorescence Signals. J. Vis. Exp. (150), e59448, doi:10.3791/59448 (2019).

View Video