Waiting
Processando Login

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Cancer Research
Click here for the English version

Cancer Research

Une approche de segmentation sans étiquette pour l’imagerie intravitale du microenvironnement tumoral mammaire

Published: May 24, 2022 doi: 10.3791/63413
Automatic Translation
1, 1, 1,2, 1, 1,3
1Department of Cell and Regenerative Biology, University of Wisconsin-Madison, 2Department of Pathology, University of Wisconsin-Madison, 3Carbone Cancer Center, University of Wisconsin-Madison

Summary

La méthode d’imagerie intravitale décrite ici utilise la deuxième génération harmonique de collagène et la fluorescence endogène du cofacteur métabolique NAD(P)H pour segmenter de manière non invasive un microenvironnement tumoral non marqué en compartiments tumoral, stromal et vasculaire pour une analyse approfondie des images intravitales 4D.

Abstract

La capacité de visualiser des interactions physiologiques complexes et dynamiques entre de nombreux types de cellules et la matrice extracellulaire (ECM) dans un microenvironnement tumoral vivant est une étape importante vers la compréhension des mécanismes qui régulent la progression tumorale. Bien que cela puisse être accompli grâce aux techniques actuelles d’imagerie intravitale, cela reste difficile en raison de la nature hétérogène des tissus et de la nécessité d’un contexte spatial dans l’observation expérimentale. À cette fin, nous avons développé un flux de travail d’imagerie intravitale qui associe l’imagerie de deuxième génération harmonique de collagène, la fluorescence endogène du cofacteur métabolique NAD(P)H et la microscopie d’imagerie à vie de fluorescence (FLIM) comme moyen de compartimenter de manière non invasive le microenvironnement tumoral en domaines de base du nid tumoral, du stroma ou ECM environnant et du vascularisation. Ce protocole non invasif détaille le processus étape par étape allant de l’acquisition d’images time-lapse de modèles de tumeurs mammaires à l’analyse post-traitement et à la segmentation d’images. Le principal avantage de ce flux de travail est qu’il exploite les signatures métaboliques pour contextualiser le microenvironnement tumoral vivant en évolution dynamique sans l’utilisation d’étiquettes fluorescentes exogènes, ce qui le rend avantageux pour les modèles de xénogreffes dérivées du patient humain (PDX) et l’utilisation clinique future où les fluorophores extrinsèques ne sont pas facilement applicables.

Introduction

La matrice extracellulaire (ECM) dans le microenvironnement tumoral est connue pour être déposée dynamiquement et remodelée par plusieurs types de cellules pour faciliter davantage la progression de la maladie 1,2,3. Ces altérations de matrice fournissent des indices mécaniques et biologiques qui modifient le comportement cellulaire et entraînent souvent un cycle continu de remodelage de la matrice4. L’étude de l’interaction dynamique et réciproque entre les cellules tumorales et la matrice extracellulaire est souvent menée à l’aide de cultures in vitro tridimensionnelles (3D) ou de systèmes microfluidiques. Alors que ces approches ascendantes ont démontré des mécanismes de remodelage ECM 5,6,7, une prolifération accrue8, une transition épithéliale à mésenchymateuse 9,10,11,12 et une migration et une invasion des cellules tumorales 7,13,14,15,16 , ils se sont principalement concentrés sur quelques types de cellules (par exemple, les cellules tumorales ou les fibroblastes) au sein d’une matrice 3D homogène par rapport à la diversité et à l’hétérogénéité des interactions présentes dans un tissu physiologique. En plus des systèmes in vitro, l’histologie tumorale ex vivo peut également fournir un aperçu de ces interactions cellule-cellule et cellule-ECM17. L’immunohistochimie a l’avantage de pouvoir analyser plusieurs types de cellules par rapport à la composition et à l’architecture spatialement hétérogènes de l’ECM, mais les paramètres statiques des tissus fixes ne capturent pas la nature dynamique des interactions entre les cellules et le microenvironnement. L’imagerie intravitale a ouvert la porte à l’interrogation d’interactions diverses et dynamiques dans le contexte physiologique du microenvironnement tumoral natif.

Les capacités de l’imagerie tumorale intravitale progressent rapidement. Les améliorations apportées à la conception des fenêtres d’imagerie et aux techniques chirurgicales d’implantation des fenêtres ont permis l’imagerie tumorale longitudinale à long terme à divers endroits anatomiques (c.-à-d. tumeur primaire, ganglions lymphatiques, sites métastatiques 18,19,20). De plus, la capacité de l’instrumentation optique à visualiser et à recueillir des données dans de multiples dimensions (c.-à-d. spectrale, intensité de fluorescence spatiale et durée de vie), ainsi qu’à haute résolution et vitesse (taux vidéo) devient largement accessible. La technologie améliorée offre l’occasion d’explorer les changements rapides dans la signalisation cellulaire et la dynamique phénotypique dans un environnement physiologique. Enfin, l’expansion des outils optogénétiques et le large éventail de constructions fluorescentes génétiques permettent le marquage de types cellulaires spécifiques pour capturer la migration cellulaire dans le microenvironnement tumoral ou le traçage de la lignée cellulaire au cours du développement ou de la progression de la maladie21,22. L’utilisation de ces outils en combinaison avec la technologie CRISPR/Cas9 offre aux chercheurs la possibilité de générer des modèles animaux uniques en temps opportun.

Bien que toutes ces avancées fassent de l’imagerie intravitale une méthode de plus en plus puissante pour explorer les interactions cellulaires dynamiques et physiologiques, il existe encore un besoin important de développer des stratégies qui fournissent un contexte spatial, temporel et structurel au niveau tissulaire à ces interactions biologiques. Actuellement, de nombreuses études d’imagerie intravitale compensent le manque de repères visuels tels que les vaisseaux sanguins en injectant des colorants fluorescents dans le système vasculaire ou en utilisant des modèles murins qui expriment de manière exogène des protéines fluorescentes pour délimiter les caractéristiques physiques. Les colorants injectables et les substrats comme le dextrans fluorescent sont largement utilisés pour marquer avec succès le système vasculaire dans les collections intravitales19, 23, 24. Cependant, cette approche n’est pas sans limites. D’une part, il nécessite des manipulations de souris supplémentaires et son utilité se limite à des expériences à court terme. Pour les études longitudinales, le dextran fluorescent peut être problématique car nous observons l’accumulation de dextran dans les cellules phagocytaires ou la diffusion dans les tissus environnants au fil du temps25. L’incorporation de protéines fluorescentes exogènes dans le modèle murin a été présentée comme une alternative au dextrans fluorescent, mais présente ses propres limites. La disponibilité et la diversité des fluorophores exogènes dans les modèles murins sont encore limitées et coûteuses à créer. De plus, dans des modèles spécifiques, tels que les modèles PDX, les manipulations génétiques ne sont ni souhaitables ni possibles. Il a également été démontré que la présence de protéines fluorescentes ou bioluminescentes dans les cellules est reconnue comme étrangère chez la souris, et dans les modèles murins immunocompétents, cela réduit la quantité de métastases dues à la réponse du système immunitaire de l’hôte26,27. Enfin, les protéines fluorescentes exogènes ou les colorants fluorescents utilisés pour le contexte spatial ou pour segmenter les données ultérieures occupent souvent des plages premières du spectre lumineux qui pourraient autrement être utilisées pour étudier les interactions physiologiques d’intérêt.

L’utilisation du signal intrinsèque de l’ECM ou de la fluorescence endogène des cellules à l’intérieur du tissu représente un moyen universel potentiel sans étiquette de segmenter les données intravitales pour une analyse cellulaire et spatiale plus approfondie. La deuxième génération harmonique (SHG) a longtemps été utilisée pour visualiser l’ECM28. Avec le développement ultérieur d’outils importants pour aider à la caractérisation de l’organisation des fibres 29,30,31, il est possible de caractériser le comportement cellulaire par rapport à la structure ECM locale. De plus, l’autofluorescence du métabolite endogène, le NAD(P)H, fournit un autre outil sans étiquette pour compartimenter le microenvironnement tumoral in vivo. Le NAD(P)H fluoresce brillamment dans les cellules tumorales et peut être utilisé pour distinguer les limites du nid tumoral en croissance de son stromaenvironnant 21,32. Enfin, le système vasculaire est une structure physiologique importante dans le microenvironnement tumoral et le site d’interactions clés spécifiques au type de cellule 33,34,35. L’excitation des globules rouges (RBC) ou du plasma sanguin a été utilisée pour visualiser le système vasculaire tumoral, et en utilisant l’excitation à deux ou trois photons (2P; 3P), la mesure des débits sanguins s’est avérée possible36. Cependant, alors que les gros vaisseaux sanguins sont facilement identifiables par leurs signatures de fluorescence endogènes, l’identification de petits vaisseaux sanguins subtils, variables et moins fluorescents nécessite plus d’expertise. Ces difficultés inhérentes entravent une segmentation optimale de l’image. Heureusement, ces sources de fluorescence endogène (c’est-à-dire les globules rouges et le plasma sanguin) peuvent également être mesurées par l’imagerie de fluorescenceà vie 37, qui capitalise sur les propriétés photophysiques uniques du système vasculaire et représente un ajout utile à la boîte à outils intravitale en croissance.

Dans ce protocole, un flux de travail pour la segmentation de l’imagerie intravitale en quatre dimensions (4D) utilisant explicitement des signaux intrinsèques tels que la fluorescence endogène et le SHG est décrit de l’acquisition à l’analyse. Ce protocole est particulièrement pertinent pour les études longitudinales à travers une fenêtre d’imagerie mammaire où la fluorescence exogène peut ne pas être pratique ou possible, comme c’est le cas avec les modèles PDX. Les principes de segmentation décrits ici, cependant, sont largement applicables aux utilisateurs intravitaux qui étudient la biologie tumorale, le développement tissulaire ou même la physiologie tissulaire normale. La suite d’approches d’analyse rapportée permettra aux utilisateurs de différencier le comportement cellulaire entre les régions de configurations de fibres de collagène alignées ou aléatoires, de comparer les nombres ou les comportements des cellules résidant dans des régions spécifiques du microenvironnement tumoral et de cartographier le système vasculaire au microenvironnement tumoral en utilisant uniquement un signal intrinsèque ou sans étiquette. Ensemble, ces méthodes créent un cadre opérationnel pour maximiser la profondeur de l’information obtenue grâce à l’imagerie intravitale 4D de la glande mammaire tout en minimisant le besoin d’étiquettes exogènes supplémentaires.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Toutes les expériences décrites ont été approuvées par le comité institutionnel de soins et d’utilisation des animaux de l’Université du Wisconsin-Madison. Le bien-être et la gestion de la douleur dans toutes les expériences sur les animaux sont primordiaux. Ainsi, tous les efforts sont faits pour s’assurer que l’animal est à l’aise et bien soigné à chaque étape de la procédure.

1. Génération de la fenêtre d’imagerie mammaire (MIW)

  1. Pour construire la fenêtre d’imagerie mammaire, fabriquez un anneau de 14 mm en acier inoxydable de qualité chirurgicale.
  2. Nettoyez le cadre de fenêtre usiné à l’aide d’une solution chaude de détergent nettoyant à 5%, rincez pendant 10 minutes sous l’eau désionisée courante (DI), trempez dans de l’éthanol à 100% pendant 10 minutes, puis séchez sous une lampe chauffante. Autoclavez le cadre MIW séché et rangez-le pour une utilisation ultérieure.
  3. Préparez le verre de couverture MIW comme suit: Faites tremper le verre de couverture ronde #1.5 de 12 mm dans de l’éthanol à 100% pendant 10 min, séchez sous une lampe chauffante, puis fixez-le au cadre MIW métallique à l’aide d’un adhésif cyanoacrylate. Durcissez l’adhésif pendant la nuit.
  4. Nettoyez le MIW assemblé de l’excès d’adhésif à l’aide d’un écouvillon imbibé d’acétone et nettoyez-le en le submergeant dans de l’éthanol à 70% pendant 10 min. Laissez sécher la fenêtre nettoyée. Préparez le MIW à l’avance et conservez-le dans une boîte de Petri stérile avant l’implantation chirurgicale.

2. Implantation chirurgicale du MIW

  1. Autoclavez les outils chirurgicaux et désinfectez les surfaces avec 70% d’éthanol avant de commencer la chirurgie pour l’implantation de la fenêtre.
  2. Effectuez une intervention chirurgicale sur une table désinfectée à l’aide d’une couverture chauffante recouverte d’un champ stérile. Réglez la couverture chauffante de telle sorte que la température mesurée au-dessus du champ stérile soit de 40 °C.
  3. Utilisez un éclairage froid auxiliaire pour aider à prévenir le séchage des tissus. Utilisez des loupes pour faciliter l’intervention chirurgicale. Portez un EPI composé d’une blouse de laboratoire stérile à usage unique, de manches chirurgicales, de gants, d’une protection oculaire et d’un masque facial, comme le recommandent les meilleures pratiques chirurgicales.
  4. Anesthésiez la souris à l’aide d’un vaporisateur d’anesthésie avec un réglage isoflurane de 2,0% et un débit d’oxygène de 2,0 L / min. Administrer un analgésique (10 mg/kg de méloxicam) par injection sous-cutanée.
    REMARQUE: Fournir des doses supplémentaires dans les 24 premières heures, de préférence toutes les 8-12 heures pendant les 2 premiers jours après la chirurgie.
  5. Une fois anesthésié (confirmé par aucune réponse au pincement des orteils), appliquez un gel hydratant pour les yeux pour éviter le dessèchement des yeux. Utilisez une crème dépilatoire pour enlever la fourrure au site de la chirurgie (4ème glande mammaire inguinale) suivie d’un rinçage avec de la gaze stérile imbibée d’eau.
  6. Préparez le site chirurgical épilé pour la chirurgie en désinfectant la surface de la peau avec 3 gommages alternés à la bétadine et à l’éthanol.
  7. Pour commencer la chirurgie, soulevez doucement la peau sur la 4ème glande mammaire numéro 4 à l’aide d’une pince. Une fois que la peau est retirée de la paroi corporelle, retirez une section d’environ 1 mm de la couche dermique à l’extrémité de la pince avec des micro-ciseaux chirurgicaux. En cas de saignement, appliquez une légère pression avec de la gaze stérile jusqu’à ce que le saignement cesse.
    REMARQUE: En général, les tumeurs plus grosses ont un plus grand potentiel de saignement que les tumeurs plus petites ou les tissus normaux.
  8. Détachez la glande mammaire de la couche dermique avec des mouvements doux de la pince à l’ouverture chirurgicale pour éviter de couper la glande sous-jacente.
  9. Créez une incision de 10 mm et libérez la glande mammaire de la couche dermique à la périphérie afin que les sutures puissent être placées sans pénétrer dans la glande mammaire. Ajouter pbS pour couvrir la glande / tumeur exposée et pour prévenir le dessèchement.
  10. Créez une suture de cordon de bourse le long de la périphérie de l’ouverture à l’aide d’une suture tressée en soie 5-0. Insérez un bord du MIW de sorte que la couche dermique s’engage dans l’encoche de réception du MIW.
  11. Étirez doucement l’épithélium du côté opposé du MIW et poussez le MIW métallique en place de sorte que la couche dermique engage pleinement l’encoche réceptrice autour de toute la circonférence MIW. Serrez fermement le cordon de la bourse pour attirer la couche dermique dans l’encoche et attachez-la pour sécuriser complètement le MIW.
  12. Ajoutez un antibiotique topique à la couche dermique au MIW et surveillez continuellement la souris jusqu’à ce qu’elle ait retrouvé suffisamment de conscience pour maintenir la position couchée sternale. Hébergez la souris implantée MIW séparément sur une litière souple avec un igloo placé dans la cage et laissez la souris récupérer pendant 48 h avant l’imagerie.

3. Positionnement et maintien de la souris sur l’étage du microscope pour l’imagerie

  1. Installez la chambre de chauffage sur l’étage du microscope. Utilisez un système à air pulsé réglé sur 30 °C ou tout autre système similaire. Utilisez un réchauffeur d’objectif pour éviter la dérive dans la mise au point z. Laisser le système s’équilibrer pendant au moins 1 h avant l’imagerie.
    REMARQUE: Les souris anesthésiées sont incapables de maintenir correctement leur température corporelle et, par conséquent, il est nécessaire d’avoir un environnement chauffé pour toute acquisition en accéléré. Le réchauffeur d’objectif aide à lutter contre les effets de la dilatation thermique, un phénomène qui provoque une dérive de la mise au point z lorsque la lentille de l’objectif et le tissu photographié atteignent l’équilibre thermique.
  2. Une fois que la chambre chauffante du microscope s’est stabilisée à 30 °C, anesthésiez la souris receveuse avec des réglages de l’appareil d’anesthésie de 2% d’isoflurane et un débit d’oxygène de 2 L / min.
  3. Une fois la souris sous sédation (confirmée par une absence de réponse au pincement des orteils), nettoyez l’extérieur du verre MIW avec un applicateur de coton et un nettoyant pour vitres, ajoutez une pommade pour les yeux pour éviter le dessèchement et insérez un cathéter de la veine caudale si nécessaire.
  4. Pour maintenir une bonne hydratation, administrer une injection initiale de 0,5 mL de PBS par voie sous-cutanée ou de 100 μL par le cathéter de la veine caudale. Répétez toutes les 2 h pendant toute la durée de la séance d’imagerie.
  5. Une fois que la souris a été correctement préparée, configurez le microscope pour l’imagerie. Pour réduire l’évaporation pendant les mesures en accéléré, utilisez un gel à base d’eau au lieu d’eau pour le milieu d’immersion. Cela devrait être fait avant de placer la souris sur la scène. Veuillez consulter le tableau des matériaux pour plus de détails sur les composants optiques.
  6. Posez la souris sur l’étage du microscope, installez le tuyau d’isoflurane et appuyez sur le collier du MIW dans un trou de réception de 14 mm dans l’insert de la scène pour stabiliser les images. Mettez le champ d’imagerie au point à l’aide des oculaires du microscope et utilisez l’éclairage en champ lumineux pour observer le flux vasculaire avec le flux sanguin.
  7. Vérifiez la stabilité du champ de vision. Si des artefacts de mouvement respiratoire sont présents, appliquez une compression douce à l’arrière de la glande avec un petit bloc de mousse et un morceau de ruban adhésif ressemblant à de la teinture. Après l’application de la compression, vérifiez que le flux sanguin est maintenu dans tout le champ de vision.
  8. Ajuster périodiquement les niveaux d’isoflurane par incréments de 0,25% pendant la séance d’imagerie pour maintenir un niveau approprié de sédation en comptant manuellement la respiration animale.
  9. Maintenir un taux de 36 à 40 respirations par minute (tr/min) pour améliorer la longévité des animaux et l’imagerie optique. Des taux de respiration plus faibles peuvent empêcher la souris de survivre à l’expérience, tandis que des taux de respiration supérieurs à 60 tr / min peuvent entraîner une mauvaise sédation, ce qui peut augmenter la respiration et les artefacts de mouvement dans les données d’image.

4. Configuration pour l’imagerie intravitale 4D, basée sur l’intensité et sans étiquette, du comportement dynamique des cellules

  1. Une fois que la souris est sous sédation et solidement positionnée sur l’étage du microscope inversé, commencez à localiser les régions d’intérêt.
  2. À l’aide d’une source lumineuse dirigée vers le MIW, utilisez les oculaires du microscope pour identifier les zones potentielles d’investigation. Ajoutez et enregistrez les positions x, y dans le logiciel pour revenir à ces positions.
    REMARQUE: Les détails fins de la tumeur ne seront pas facilement visibles avec ce type d’éclairage. L’objectif est simplement d’identifier les régions pour une enquête plus approfondie. L’accent est mis sur la vision du système vasculaire et du flux sanguin.
  3. Une fois que plusieurs positions ont été enregistrées dans le logiciel, prévisualisez les champs de vision choisis à l’aide d’une excitation de 890 nm et du cube de filtre FAD/SHG. Utilisez un temps de séjour maximal de 4 μs avec une puissance inférieure et un réglage PMT élevé. L’objectif est de prévisualiser les champs de vision sans surexposer le tissu à une lumière laser excessive.
  4. Une fois que les niveaux de puissance appropriés ont été définis, configurez les piles z. Observez l’apparition de fibres de collagène abondantes (SHG) à 20-50 μm sous la surface vitrée du MIW. Le collagène deviendra moins répandu à mesure que le microscope s’enfoncera plus profondément dans la tumeur (Figure 1B). Les vides dans le SHG révèlent l’emplacement des masses tumorales.
  5. Placez la tranche z supérieure, sous la couche de cellules solitaires où les premières fibres de collagène apparaissent à ~50-100 μm. Réglez la tranche z inférieure à ~ 250 μm, où les fibres s’estompent et le mauvais signal domine. Répétez cette opération pour toutes les positions x-y enregistrées.
  6. Une fois la plage z-stack définie, augmentez le temps de séjour (jusqu’à 8 μs) et optimisez la puissance et les paramètres du détecteur. Optimisez les niveaux de puissance au besoin pour exciter le tissu pour chaque expérience. L’utilisation de puissances allant jusqu’à 90 mW à 750 nm ou 70 mW à 890 nm à l’ouverture arrière de l’objectif se situe dans une plage acceptable.
    REMARQUE: La profondeur d’imagerie, la quantité de diffusion dans le tissu, les caractéristiques objectives et la sensibilité du détecteur auront tous un impact significatif sur la quantité d’énergie nécessaire pour obtenir une image.
  7. Ajustez les intervalles de temps en fonction des objectifs expérimentaux. Commencez par des intervalles de 10 minutes entre les points de collecte pour la plupart des films de migration intravitale.
  8. Même si l’excitation 2P est douce pour les cellules et les tissus, soyez conscient des signes de phototoxicité, comme le saignement cellulaire ou l’augmentation rapide de l’autofluorescence, et le photoblanchiment excessif. Réduisez la puissance du laser ou augmentez les intervalles de timelapse selon les conditions.

5. Imagerie à vie de fluorescence (FLIM) du NAD(P)H

  1. Tout en préservant les positions x-y des acquisitions timelapse, configurez le microscope pour collecter une pile FLIM. Insérez un filtre 440/80 dans un porte-filtre devant le détecteur GaAsP et réglez la tension du détecteur GaAsP sur 800 dans le logiciel. Éteignez les lumières de la pièce lorsque les détecteurs sont allumés.
  2. Dans le logiciel, passez de l’imagerie d’intensité basée sur le galvanomètre à un mode d’imagerie FLIM.
  3. Dans le but d’identifier et de masquer le système vasculaire, réglez la résolution sur 512 x 512 pixels. Pour collecter des informations métaboliques complémentaires, définissez la résolution sur 256 x 256 pixels pour augmenter la résolution temporelle de la signature à vie. Réglez le temps de séjour à 4 μs et réglez le laser à 750 nm.
  4. Lancez la numérisation de prévisualisation et commencez à ajuster la puissance du laser. Réglez la puissance du laser jusqu’à ce que la lecture du discriminateur de fraction constante (CFD) soit comprise entre 1 x 105 et 1 x 106. Ne dépassez pas 1 x 106 car cela entraînera un empilement de photons et de mauvais résultats globaux.
  5. Une fois le niveau de puissance réglé, réglez le temps d’intégration entre 90 s et 120 s et démarrez la collection FLIM. Il acquerra des photons du champ de vision pendant le temps imparti.
  6. Facultatif : Une fois que toutes les collections nécessaires ont été effectuées et que la souris a été retirée de la scène, collectez une fonction de réponse de l’instrument (IRF). Mesurez l’IRF en imageant la surface des cristaux d’urée disponibles dans le commerce dans un plat à fond de verre avec les mêmes paramètres et la même configuration que ceux utilisés pour l’imagerie du tissu.
    REMARQUE: L’IRF tient compte de tout retard ou réflexion dû à la configuration électronique ou optique. L’IRF est convolu dans toutes les acquisitions FLIM, et le déconvolution des données peut améliorer la précision des courbes de désintégration de fluorescence calculées. Cela dit, les IRF calculés peuvent souvent reproduire raisonnablement la qualité des courbes de désintégration de fluorescence à partir de l’IRF mesuré. Il est recommandé de mesurer l’IRF jusqu’à ce qu’il ait été déterminé que l’IRF calculé produira des ajustements équivalents des courbes de désintégration et approximera de manière adéquate les résultats de l’IRF mesuré.

6. Analyse des images de la durée de vie du NADH

  1. Ouvrez le logiciel FLIM et importez l’image de durée de vie NAD(P)H à partir du jeu de données. Pour plus de détails sur la façon d’utiliser correctement le logiciel, veuillez consulter les manuels sur la durée de vie des fluorescents (voir le tableau des matériaux).
  2. Pour commencer, définissez les paramètres du modèle dans le logiciel. Dans la barre de menus, cliquez sur Options > Modèle. Cochez les cases suivantes : Paramètres > Désintégration multinentielle, Méthode d’ajustement > MLE, > carré, Seuil > Pic, et cochez Corriger le décalage avant de calculer l’image.
  3. Dans la barre de menus, cliquez sur Couleur >A 1 % dans le menu déroulant. Sur le côté droit de la fenêtre, définissez-le comme un ajustement à trois composants. Définissez la taille du bac > 3.
  4. Ajustez le seuil > ~10. Réévaluez la précision du seuil après le calcul de la matrice de désintégration pour la première fois.
  5. Corrigez le τ1 à 200 ps. Cela représente la courte durée de vie des globules rouges. Essayez de trouver la valeur qui correspond le mieux à plusieurs taches dans le plus grand vaisseau sanguin, ce qui peut être vu dans l’image d’intensité. Corrigez le τ2 à 1200 ps. Cela représente la longue durée de vie des globules rouges.
    REMARQUE : Les valeurs définies ne sont que le point de départ. Les valeurs devront être optimisées pour faire ressortir davantage le système vasculaire. Dans la plupart des cas, mais pas toujours, ces valeurs diminueront.
  6. Sous Calculer dans la barre de menus, sélectionnez Matrice de désintégration. Cela générera une première durée de vie A1% d’images avec la vascularisation ayant des valeurs élevées. Utilisez le curseur (réticule) pour survoler le système vasculaire. Systématiquement et un à la fois, faites flotter ( décochez la case Fixer) les τ1 et τ2. Enregistrez ces valeurs car elles aideront à optimiser les paramètres fixes.
    REMARQUE: L’objectif n’est pas nécessairement d’obtenir les valeurs les plus précises de l’image, mais plutôt de maximiser la disparité entre le système vasculaire et le tissu sans diminuer considérablement la zone identifiée comme vascularisation.
  7. Une fois que les paramètres appropriés pour τ1 et τ2 ont été identifiés, dans la barre de menus, sélectionnez Calculer > traitement par lots. Assurez-vous que la plupart des paramètres sont similaires entre les tranches z.
  8. Assurez-vous de vérifier qu’il n’y a pas un paramètre très différent des autres. Si c’est le cas, ajustez d’abord le quart de travail et réessayez. Si le problème persiste, réajustez-le à l’aide de nouveaux paramètres. Un décalage incorrect peut être une grande cause de bruit dans les crises et peut augmenter les valeurs Ade 1% dans les régions tumorales adjacentes.
  9. Dans l’onglet de menu, enregistrez les fichiers, puis exportez les fichiers A1%. Téléchargez ces fichiers dans ImageJ pour le masquage et la segmentation.

7. Segmentation de l’image du système vasculaire

  1. Ouvrez ImageJ et importez l’image A1 % en tant qu’image texte. Répétez cette opération pour toutes les images de la pile.
  2. Avec toutes les images A1% ouvertes, sélectionnez Image > Stack > Z-Project. Utilisez la projection d’intensité maximale et enregistrez les images. Voir Données supplémentaires 1 pour une image représentative.
  3. Accédez à Plugins > Segmentation. Sélectionnez le plugin de segmentation WEKA entraînable38.
  4. Une fois la fenêtre WEKA ouverte, utilisez les paramètres par défaut et commencez à entraîner le logiciel en créant deux classes et en traçant des lignes sur la vascularisation (régions Aélevées 1%) et non vascularières (régions faibles A1%).
  5. Continuez à ajouter de nouvelles traces aux deux classes jusqu’à ce que le logiciel identifie systématiquement les régions A1% élevées du système vasculaire tout en éliminant toute région plus élevée de bruit de fond. Voir Modèle supplémentaire pour le modèle de classificateur représentatif.
  6. Une fois l’image classée produite, cliquez sur Image > Type > 8 Bit. Seuilz l’image et créez un masque. Si l’image seuillée doit encore être nettoyée, utilisez la fonction Analyser les particules .
  7. Ajustez la taille et la circularité jusqu’à ce que les régions plus petites et circulaires de l’image en seuil soient exclues. Un masque propre avec seulement la vascularisation et très peu de fond est obtenu.
  8. Cliquez sur Modifier > sélection > Créer une sélection. Transférez la sélection au gestionnaire de retour sur investissement en cliquant sur Analyser les outils > > gestionnaire de retour sur investissement.
  9. Dupliquez l’image classifiée. Passez à Process > Binary. Pour développer le masque et définir la distance par rapport à la vascularisation qui sera incluse dans la segmentation de l’image, sélectionnez Dilater. Répétez l’opération jusqu’à ce que le masque soit étendu à la plage souhaitée. Enregistrez cette région d’intérêt (ROI) dans le gestionnaire de RETOUR SUR INVESTISSEMENT.
    REMARQUE: Le but de cette étape est de quantifier la quantité ou le comportement dans une certaine proximité du vaisseau sanguin (par exemple, le nombre de cellules présentes dans X μm des vaisseaux sanguins). La quantité de dilatation requise est entièrement déterminée par la question scientifique.
  10. Pour quantifier le nombre de cellules dans les régions restrictives, sélectionnez la fenêtre (image/couche) qui vous intéresse. Il peut s’agir de n’importe quelle fenêtre qui partage le même champ de vision que le masque vasculaire. Appliquez les deux rois à l’aide de la fonction XOR du menu déroulant.
    REMARQUE: Cette opération mesurera les éléments à la distance souhaitée du système vasculaire, à l’exclusion du système vasculaire lui-même. Cette approche combinée du retour sur investissement peut ensuite être utilisée pour mesurer une multitude de paramètres, tels que l’intensité, le nombre de cellules ou la migration.

8. Segmentation d’image du nid tumoral

  1. Ouvrez l’image NADH à partir d’un balayage d’intensité haute résolution ou d’une collection FLIM dans ImageJ.
    REMARQUE : Cela peut être fait sur des tranches z individuelles, des piles complètes ou appliqué à des projections z de quelques tranches.
  2. Accédez à Plugins > Segmentation. Sélectionnez le plugin de segmentation WEKA entraînable.
  3. Une fois la fenêtre WEKA ouverte, utilisez les paramètres par défaut et commencez à entraîner le logiciel en deux classes de régions élevées NADH et de régions faibles NADH. Les régions riches en NADH auront un modèle très discernable de cellules avec des noyaux et le logiciel l’identifiera facilement.
  4. Continuez à basculer d’avant en arrière avec la superposition pour affiner l’algorithme avec un entraînement supplémentaire jusqu’à ce qu’il reconnaisse toutes les régions de la tumeur telles que déterminées par l’œil et la connaissance préalable de la morphologie tumorale. Il s’agit d’un processus itératif.
  5. Une fois que l’algorithme reconnaît toutes les régions de la tumeur, sélectionnez le bouton Créer un résultat . Cela produira une nouvelle image. Dupliquez cette image.
  6. Sélectionnez la première image dupliquée et convertissez-la en image 8 bits en sélectionnant Image > Type > 8 bits. Seuilz cette image pour créer un masque binaire. Créez ensuite une sélection et transférez-la au gestionnaire de retour sur investissement. Ces ROI définiront le stroma.
  7. Sélectionnez la seconde de l’image dupliquée et convertissez-la en une image 8 bits. Inversez cette image en sélectionnant Image > Modifier > Inverser, puis seuilz cette image pour créer un masque binaire. Une fois de plus, créez une sélection et transférez-la au gestionnaire de retour sur investissement. Ce ROI définira le nid tumoral.

9. Segmentation de l’image par organisation ou alignement de la fibre

  1. Pour commencer, ouvrez les images SHG, préparez toute projection z et évaluez la nécessité de tout prétraitement. Pour de bons résultats, des images de haute qualité avec des fibres discernables et un faible bruit sont nécessaires.
  2. Facultatif : Pour le prétraitement dans ImageJ afin d’augmenter le rapport signal-bruit (SNR) du canal SHG, soustrayez l’arrière-plan à l’aide d’une soustraction de billes roulantes. Pour la plupart des applications, utilisez une soustraction de boule roulante comprise entre 20 pixels et 50 pixels. Ensuite, lissez l’image et enregistrez-la.
  3. Ouvrez le plugin OrientationJ et définissez les paramètres de traitement. Dans la fenêtre OrientationJ, définissez la taille de la fenêtre tensorielle locale. Pour une image 20x de cette densité de fibres, définissez 10 pixels sur 15 pixels comme point de départ.
  4. Sélectionnez Spline cubique comme modèle de dégradé et cochez la case Relevé des couleurs. Définissez l’enquête sur les couleurs. Définissez à la fois la teinte et la saturation comme cohérence, puis définissez la luminosité comme image d’origine, appuyez sur Exécuter.
  5. Le fichier de sortie du plugin est RGB colormap. Ajustez la valeur de la fenêtre tensorielle locale jusqu’à ce que les régions alignées, déterminées par l’œil, soient correctement mises en évidence avec des teintes bleues et magenta.
  6. Une fois que l’image de sortie est satisfaisante, séparez cette image RVB en 3 canaux. Sélectionnez Image > Couleur > Canal fractionné.
  7. Pour améliorer l’apparence des régions alignées à des fins de masquage, utilisez la calculatrice d’image en sélectionnant Traiter > Calculatrice d’image. À l’aide de cet opérateur, soustrayez l’image verte de l’image bleue. Pour un masque plus restrictif, soustrayez l’image verte de l’image rouge. Pour les régions aléatoires, soustrayez le canal bleu du canal vert.
  8. Seuilz l’image résultante à l’aide de l’algorithme Moments . Dans la plupart des cas, cela ne devrait pas nécessiter d’autres ajustements. Cependant, ajustez si nécessaire. Cela produira une image binaire.
  9. Une fois l’image binaire créée, remplissez les trous en sélectionnant Process > Binary > Fill Holes entre les fibres et arrondissez les limites du masque à l’aide d’un filtre médian. Un filtre médian de 10 est un bon point de départ, ajustez-le pour qu’il corresponde bien aux données. Inspectez manuellement le masque pour vérifier l’accord et supprimez tous les retours sur investissement erronés.
  10. Une fois le masque satisfaisant, créez une sélection en sélectionnant Modifier > Sélection > Créer une sélection. Transférez cette sélection au gestionnaire de retour sur investissement.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

L’installation du MIW et la planification expérimentale de base sont les premières étapes de ce processus. Cette conception et ce protocole MIW particuliers se prêtent mieux aux études longitudinales19 et ont été utilisés avec succès avec des microscopes verticaux et inversés. Dans ce cas, un microscope inversé a été utilisé car il a entraîné une plus grande stabilité de l’image de la glande mammaire avec moins d’artefacts respiratoires. Dans la figure 1A, nous fournissons les dimensions du MIW rigide et un aperçu graphique du processus d’implantation.

Un champ de vision typique au sein d’une tumeur mammaire MMTV-PyMT39 sans étiquette (Figure 1B-E, Figure 3A) est très hétérogène, comprenant des fibres de collagène, de nombreuses cellules stromales, des masses de cellules tumorales et un système vasculaire (Figure 3A). En général, les fibres de collagène sont plus abondantes près de la fenêtre et diminuent en abondance plus profondément dans la tumeur (Figure 1B-E) L’organisation des fibres entourant les masses tumorales peut également être très variée, souvent avec des régions d’organisation plus aléatoire dans le même champ de vision que les régions d’alignement plus élevé (Figure 2D, H et Figure 3I).

Pour développer un pipeline d’analyse capable de segmenter les données intravitales en régions périvasculaires, tumeurs et stroma, ce protocole s’est concentré sur l’utilisation du signal du NAD(P)H et du SHG endogènes. Bien que l’identification de la tumeur et du stroma puisse être simple, l’identification des régions périvasculaires dans le microenvironnement tumoral peut être difficile. La vascularisation réside souvent dans les rubans étroits de signal NAD(P)H réduit entre les masses cellulaires cancéreuses NAD(P)H+ brillantes. Il est important de noter que toutes les frontières sombres ne sont pas porteuses de vascularisation; au contraire, certaines régions sombres sont simplement des plis tumoraux ou la jonction de lobes tumoraux adjacents (flèche jaune, Figure 2G). De plus, alors qu’un œil aguerri peut extraire les vaisseaux sanguins de plus grand diamètre de la tumeur car ils ont un aspect distinctif, cette distinction n’est pas toujours triviale. Cela est particulièrement vrai pour les récipients de plus petit diamètre où leur apparence peut être plus subtile et variable. Dans ce cas, l’utilisation de la durée de vie de fluorescence du NAD(P)H peut aider à l’identification positive du système vasculaire (Figure 2B,F). La durée de vie de la fluorescence (FLIM) ne mesure pas l’abondance ou l’intensité des photons à un endroit, mais le temps qu’il faut à ces molécules excitées pour émettre un photon et se désintégrer à leur état fondamental. Il a été démontré que les globules rouges (GLOBULES rouges) et le plasma sanguin ont une durée de vie de fluorescence caractéristiquement courte et distinctive 32,37 qui peut être exploitée pour l’identification et la segmentation des vaisseaux dans les tissus.

Pour déterminer dans quelle mesure la durée de vie de fluorescence du NAD(P)H identifie le système vasculaire par voie intravitale, un bolus de 100 μL d’un dextran marqué à la rhodamine a été injecté dans la veine caudale après avoir recueilli l’image FLIM. Les comparaisons des projections d’intensité maximale du NAD(P)H FLIM reflètent étroitement les récipients marqués avec un dextran marqué par fluorescence (figure 2I-J). La répétition de cette approche chez plusieurs souris a démontré que la surface moyenne du masque de l’image FLIM sur la zone du masque dextran était de 78,6 % ± 12,3 % (Figure 2L). Bien que la superposition n’était pas à 100%, cette technique cartographiait avec précision l’ensemble du réseau vasculaire. Les différences observées dans les zones signalées pourraient souvent être attribuées à des problèmes de dérive intravitale ou d’enregistrement, à des diamètres de récipients plus minces en raison de l’ajustement du modèle ou à la perte de récipients fins en raison de l’exclusion des globules rouges par la pression de la masse croissante. Il est important de noter que cette technique fonctionne aussi bien en présence de fluorophores génétiquement codés comme le GFP ou de modèles tumoraux sans étiquette (Figure 2D, H), fournissant ainsi un moyen très robuste et largement applicable d’identifier le système vasculaire pour la segmentation de l’image.

Pour délimiter les limites des masses tumorales sans étiquette, l’autofluorescence NAD(P)H (Figure 1C) a été utilisée. Cela peut être capturé en collectant indépendamment une image NAD(P)H ou en sommant les données NAD(P)H FLIM pour générer une image d’intensité. L’une ou l’autre voie permettra une segmentation appropriée du microenvironnement tumoral. En règle générale, l’excitation à deux photons du NAD(P)H dans les cellules cancéreuses provoque une autofluorescence brillante produisant une image qui montre des cellules individuelles nettes avec des noyaux sombres (Figure 2E, G). Ce modèle peut être utilisé pour définir l’étendue de la masse croissante. Alors qu’un simple seuil de NAD(P)H basé sur l’intensité est possible pour définir la limite du compartiment tumoral, un outil de segmentation entraînable est souvent plus performant (Figure 3B, E). D’autres lectures courantes, comme la migration cellulaire ou l’analyse cellulaire saillante, peuvent bénéficier d’une fluorescence exogène génétiquement codée dans le modèle murin ou de l’implantation de lignées cellulaires marquées par fluorescence (Figure 2A). Dans ces cas, la tâche de délimiter la limite de la masse peut être accomplie avec un simple seuillage de la protéine fluorescente. Parfois, l’expression du fluorophore peut devenir assez hétérogène après l’implantation. Cela ne devrait pas causer de problèmes de segmentation. En outre, il a souvent été observé que les tumeurs créées par des allogreffes fluorescentes ou des xénogreffes ont des régions moins compartimentées de fibres de collagène que les tumeurs créées par des modèles tumoraux génétiques comme MMTV-PyMT16.

Le compartiment stromal englobe les régions en dehors de la masse croissante ou entre les masses croissantes, et un masque pour le stroma est obtenu en inversant le retour sur investissement de la tumeur (Figure 3B-F). Le compartiment stromal peut ensuite être compartimenté en sous-ROI basés sur l’architecture des fibres de collagène. Les fibres de collagène sont une caractéristique importante du stroma et ont une grande diversité d’organisations de fibres, qui sont connues pour moduler le comportement cellulaire40,41. Souvent, de nombreuses régions locales (<100 μm) de fibres alignées ou aléatoires existent dans l’image16. Par conséquent, des régions d’organisation de fibres relativement alignées (teintes rouges/bleues) ou aléatoires (teintes vertes) (Figure 3I) ont été identifiées avec le plug-in OrientationJ. À l’aide de la carte des couleurs de cohérence OrientationJ, des masques basés sur l’organisation locale de la fibre peuvent être créés à des fins de segmentation (Figure 3J). Ces masques peuvent ensuite être superposés pour analyser le comportement différentiel dynamique des cellules stromales (Figure 3K) en raison des effets de l’organisation spécifique des fibres (Figure 3H,I).

Maintenant que les ROI pour les différents compartiments du microenvironnement tumoral ont été définis, ils peuvent être appliqués aux images ou canaux individuels du film timelapse intravital. À ce stade, il est important de souligner que tous les signaux présentés à la figure 3A proviennent entièrement de sources endogènes. Cette image démontre le riche potentiel des indices spatiaux et contextuels qui peuvent provenir de sources purement endogènes, omniprésentes et sans étiquette. Ici, nous avons utilisé le modèle tumoral MMTV-PyMT comme exemple pour illustrer l’applicabilité de la méthode pour quantifier le nombre et les caractéristiques des macrophages dans des emplacements spécifiques du microenvironnement tumoral (TME). Une étude intravitale précédente42 a montré que les cellules émettant des niveaux élevés d’autofluorescence de la DCP (Figure 3A, cellules magenta, flèches jaunes) se colorent positivement avec des anticorps F4/80 et représentent une population de macrophages au sein du TME. En utilisant ce flux de travail pour segmenter l’image, il est possible d’examiner efficacement et avec précision le nombre, de surveiller les interactions cellule-cellule au fil du temps, ou même d’observer les caractéristiques métaboliques de ce sous-ensemble de macrophages (magenta) dans différents compartiments du TME (Figure 3A, flèches jaunes). Par exemple, le comportement des macrophages FAD-high qui résident spécifiquement dans le nid tumoral NAD(P)H-high peut être caractérisé (Figure 3E). De même, les comportements des macrophages par rapport à l’organisation locale des fibres dans la région du stroma peuvent être examinés. Certains rapports récents ont indiqué que les macrophages et autres cellules migratrices dans le stroma sont sensibles aux signaux mécaniques de leur microenvironnement local 16,43,44. En utilisant les masques d’alignement des fibres produits par cette méthode, il est possible d’examiner leurs comportements différentiels entre les régions d’organisations de collagène aléatoires et alignées. Enfin, cette même analyse ciblée peut également être appliquée pour déterminer le nombre et le comportement des macrophages localisés dans une proximité définie du système vasculaire. Dans la figure 3G, le système vasculaire peut être vu en rouge, et les macrophages peuvent à nouveau être vus en magenta. Un masque pour la vascularisation utilisant NAD(P)H FLIM a été créé puis étendu par dilatation de 10 pixels. La distance choisie était arbitraire à des fins de démonstration, mais peut être optimisée pour les besoins particuliers de l’expérience individuelle. Il est important de noter que bien que cette image représente une seule tranche en Z, cette procédure pourrait être facilement extrapolée à des piles 3D pour observer le comportement autour du volume entier du navire.

Figure 1
Figure 1 : Résumé graphique de l’implantation de la fenêtre mammaire et de l’organisation sous-jacente d’une tumeur MMTV-PyMT. (A) Les dimensions de la fenêtre d’imagerie mammaire et le schéma du processus général d’implantation. (B-E) Il s’agit d’un montage à partir d’un représentant de tumeur MMTV-PyMT non marqué à partir de 50 μm sous la surface du MIW et se poursuivant jusqu’à une profondeur de 80 μm. Les valeurs de profondeur sont fournies sous chaque image. Les fibres de collagène (gris) sont plus répandues à la surface de la tumeur (NAD(P)H, bleu) qu’à de plus grandes profondeurs. Barre d’échelle 100 μm. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2
Figure 2 : Image intravitale représentative d’une tumeur PyMT marquée GFP et sans étiquette et validation du NAD(P)H FLIM comme marqueur du système vasculaire. Image composite (A) d’une allogreffe typique de cellules GFP-4T1 dans le coussinet adipeux mammaire et d’une tumeur mammaire représentative d’un modèle tumoral MMTV-PyMT (E). NAD(P)H FLIM cartographie la vascularisation dans les deux modèles (B,F). La fluorescence GFP (C) et l’autofluorescence NAD(P)H (G) ont été utilisées pour identifier la tumeur. Le collagène a été visualisé par SHG (D,H). Une image composite utilisant le NAD(P)H FLIM pour identifier le système vasculaire a été validée en comparant les projections d’intensité maximale de la pile intravitale avant et après l’injection de dextran fluorescent (I,J,K) dans la veine caudale. La quantification du rapport de l’aire déterminée par NAD(P)H FLIM sur la zone identifiée par injection de dextran chez quatre souris (la couleur identifie les souris individuelles) et plusieurs champs de vision (points individuels dans le graphique) est indiquée en (L). Barres d’échelle 100 μm. Veuillez cliquer ici pour voir une version plus grande de cette figure.

Figure 3
Figure 3 : Segmentation d’image représentative utilisant la fluorescence endogène dans la tumeur PyMT sans étiquette. Une image composite (A) d’une seule tranche de z d’une tumeur mammaire PyMT typique a été collectée en utilisant uniquement des signaux intrinsèques. SHG (gris) visualise les fibres de collagène de la tumeur. L’imagerie par fluorescence de l’autofluorescence NAD(P)H (moyenne Tau (τ)) rapporte les signatures métaboliques des cellules (teintes vertes à oranges) et l’emplacement des vaisseaux sanguins (rouge). L’autofluorescence FAD (magenta) identifie les macrophages. En utilisant le schéma de segmentation décrit dans ce protocole, la tumeur sans étiquette a été segmentée en compartiments pour le nid tumoral (B, E), le stroma (C, F) et le système vasculaire (D, G) en utilisant uniquement l’autofluorescence SHG et NAD (P) H. Les fibres de stroma et de collagène (H) peuvent également être classées en régions locales de fibres alignées ((en magenta/bleu), J,K). Barres d’échelle 100 μm. Veuillez cliquer ici pour voir une version plus grande de cette figure.

Données supplémentaires 1 : Ensemble de données représentatif de A1 % ajusté de NAD(P)H FLIM. Il s’agit d’une projection d’intensité maximale d’unA 1 % ajusté à partir d’un ensemble de données typique. Il est représentatif de la qualité d’identification possible et d’un niveau typique de contexte avant d’utiliser le classificateur formable. Veuillez cliquer ici pour télécharger ce fichier.

Modèle supplémentaire: Classificateur représentatif utilisé sur Aajusté 1% pour l’identification de la vascularisation. Il s’agit d’un exemple de modèle de classificateur à utiliser dans le plugin de segmentation WEKA entraînable dans ImageJ. Veuillez cliquer ici pour télécharger ce fichier.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

L’imagerie intravitale 4D est un outil puissant pour étudier les interactions physiologiques dynamiques dans le contexte spatial et temporel du microenvironnement tumoral natif. Ce manuscrit fournit un cadre opérationnel très basique et adaptable pour compartimenter les interactions cellulaires dynamiques dans la masse tumorale, le stroma adjacent ou à proximité du réseau vasculaire en utilisant uniquement des signaux endogènes de deuxième génération harmonique ou d’autofluorescence NAD(P)H. Ce protocole fournit une méthode complète, étape par étape, de l’implantation de la fenêtre d’imagerie à l’acquisition, à l’analyse et à la segmentation de l’image. Nous pensons que cette technique contribuera à un cadre d’analyse nécessaire pour segmenter et quantifier les données intravitales 4D.

Ce protocole a été développé pour être largement compatible avec de nombreux modèles de souris intravitales, y compris les modèles PDX non étiquetés. Les PDX sont un modèle45 incroyablement informatif, mais posent un défi à l’imagerie intravitale car la nature du modèle PDX n’est pas bien adaptée à la manipulation génétique. Par conséquent, il serait très avantageux d’avoir une méthode qui peut visualiser et compartimenter les interactions dynamiques dans leur environnement physiologique non étiqueté en utilisant uniquement des métabolites endogènes comme le NAD(P)H et la deuxième génération harmonique (SHG). En plus d’être avantageuse pour les modèles PDX, cette approche multidimensionnelle pourrait théoriquement être appliquée à toute étude intravitale dans des tissus cancéreux ou normaux qui ont besoin d’un contexte spatial et structurel pour répondre à une question physiologique. L’autofluorescence du NAD(P)H et le SHG des fibres de collagène sont omniprésents dans tous les tissus et représentent une ressource universelle et gratuite dans les collections intravitales. Cette approche FLIM est également robuste car elle permet d’identifier la vascularisation en présence de fluorescence provenant de sources exogènes comme la GFP. Cette approche est également avantageuse car l’émission de SHG et de NAD(P)H peut être visualisée dans le spectre bleu, résidant ainsi dans une longueur d’onde qui n’est généralement pas utilisée dans l’imagerie de constructions de fusion fluorescente qui pourraient autrement être nécessaires pour l’étude.

L’aspect de cette approche qui est nouveau et qui a une valeur ajoutée particulière est l’identification sans étiquette de la vascularisation. Alors que d’autres approches peuvent fonctionner, l’utilisation de la durée de vie de fluorescence du NAD(P)H fournit facilement une signature claire sans avoir besoin d’un étiquetage supplémentaire. Les données montrent que les vaisseaux définis à vie reflètent la vascularisation marquée par l’injection de dextran fluorescent dans la veine caudale, l’étalon-or de l’imagerie vasculaire. Notre technique excelle dans la visualisation de vaisseaux sanguins plus petits par rapport à une simple excitation à deux photons ou trois photons, où les plus gros vaisseaux sont facilement visualisés, mais les plus petits nécessitent plus d’expertise pour être identifiés. La signature à vie est sans ambiguïté pour tous les navires, quelle que soit leur taille. De plus, cette acquisition supplémentaire de NAD(P)H FLIM peut être facilement combinée avec d’autres marqueurs pour la segmentation du microenvironnement tumoral. Grâce à une seule acquisition FLIM de NAD(P)H, les exigences pour définir le vascularisme, le nid tumoral et le stroma sont réalisables. La collection FLIM peut être incorporée dans la conception expérimentale existante en collectant une seule acquisition à la fin ou au début d’une série chronologique ou en entrelaçant les collections tout au long de l’acquisition 4D. La détermination de la quantité appropriée d’images FLIM dépendra des besoins et des contraintes expérimentaux spécifiques, tels que les intervalles d’acquisition, la durée expérimentale ou la stabilité de l’image, mais au minimum, une collection FLIM par série 4D sera nécessaire pour cette méthode.

Ce processus d’utilisation de NAD(P)H FLIM pour l’identification de la vascularisation nécessite d’ajuster mathématiquement les données FLIM à une fonction exponentielle de la forme

Equation 1

avec A1+A2+A3=1. Alors que la plupart des images à vie du NAD(P)H rapportées dans la littérature sont ajustées comme une bi-exponentielle, dans cette application NAD(P)H a été ajusté comme un tri-exponentiel où les τ1 et τ2 sont réglés sur les valeurs rapportées de RBC et τ3 est autorisé à flotter. Il est important de noter que l’objectif n’est pas d’atteindre la valeur de durée de vie la plus précise, mais plutôt de fournir une image optimale pour la segmentation. Lorsque les valeurs τ1 et τ2 sont initialement fixées aux valeurs rapportées de RBC 32,46 et que la matrice est calculée, les vaisseaux sanguins se démarquent avec des valeurs A 1% supérieures à 60% dans les vaisseaux sanguins et A1% généralement inférieures à 40% dans la tumeur adjacente. L’étape suivante consiste à essayer de maximiser le A1% dans les vaisseaux sanguins tout en minimisant le A1% dans la tumeur adjacente. Il s’agit d’un processus itératif, et à la fin de celui-ci, les valeurs A1% des vaisseaux sanguins seront supérieures à 90% avec les valeurs A1% de la tumeur inférieures à 10%. Une fois que les valeurs A1% des vaisseaux sanguins sont uniformément élevées et que l’arrière-plan est uniformément bas, exportez ces fichiers A1% dans un outil de segmentation entraînable. Cela éliminera rapidement tout bruit restant et définira le retour sur investissement de la vascularisation.

Comme le coussinet adipeux mammaire est situé à l’extérieur de la cavité corporelle, la chirurgie est peu invasive et les meilleurs résultats sont obtenus en implantant le MIW sur la 4ème glande mammaire inguinale. Le moment de l’implantation de la fenêtre et le moment où l’expérience sera menée sont critiques. Il est préférable de prévoir 24 à 48 heures de guérison après la chirurgie avant le point de temps physiologique qui sera étudié. Bien que la procédure elle-même ne nécessite qu’une petite incision (≈ 10 mm) pour insérer la fenêtre (Figure 1A), le temps de guérison post-opératoire permettra à toute inflammation et aux liquides accumulés en raison du processus d’implantation de disparaître. De plus, cela permettra également à la tumeur de continuer à se développer dans la fenêtre. Ces deux facteurs amélioreront la qualité globale de l’image en diminuant l’opacité/diffusion et en augmentant la stabilité de l’image. La prochaine chose à considérer est la durée totale prévue de l’expérience. Bien que ces fenêtres aient été conçues pour des études longitudinales, la nature rigide de la fenêtre entraîne une limite de temps de 2 à 3 semaines. Après ce laps de temps, la fenêtre a tendance à se déloger de la couche dermique, contaminant et mettant fin à l’expérience. Si une étude longitudinale de la glande mammaire n’est pas nécessaire, d’autres méthodes intravitales comme une procédure de lambeau de peau terminal22 qui élimine l’implantation chirurgicale d’un MIW peuvent être une meilleure option. La procédure du lambeau de peau offre un meilleur accès à l’ensemble de la glande car elle n’est pas contrainte par l’emplacement et les dimensions du MIW, et elle peut produire une plus grande stabilité de l’image lorsque la glande est éloignée de la cavité corporelle. Indépendamment de l’approche d’imagerie intravitale, la segmentation du microenvironnement à l’aide de la fluorescence endogène est toujours largement applicable pour l’analyse ultérieure de l’image. La dernière chose à considérer est la durée de l’expérience d’imagerie individuelle. Il n’est pas déraisonnable d’acquérir des films d’une durée de 6 à 8 h. Cependant, pendant les collectes plus longues, l’hydratation devient un problème et une surveillance étroite de la santé de la souris est nécessaire.

Un avantage significatif de cette méthode est que les différentes images de fluorescence endogène nécessaires à la segmentation du microenvironnement tumoral peuvent être collectées avec une relative facilité et sans manipulations supplémentaires à la souris. Avec la combinaison filtre/dichroïque rapportée ici (Table des matériaux), les images SHG et NADH peuvent être acquises avec le même ensemble de filtres en commutant les longueurs d’onde de 890 nm à 750 nm. Bien que cela crée un délai d’acquisition, cela n’a pas d’impact sur la segmentation ultérieure de l’image. Il est également important de se rappeler que cette méthode représente un simple point de départ pour une technique de segmentation utilisant la fluorescence endogène, et des configurations optiques plus avancées peuvent permettre des acquisitions simultanées si nécessaire.

Il y a des limites à l’utilisation de FLIM pour identifier la vascularisation. L’approche FLIM nécessite une électronique, une instrumentation et une expertise spécialisées à collecter. Cependant, toutes ces exigences sont de plus en plus intégrées dans les microscopes modernes et plus disponibles grâce à l’utilisation d’installations de base d’imagerie. FLIM est devenu une technologie mature et l’acquisition de bonnes données ne nécessite pas beaucoup de formation. Une deuxième limite est que les acquisitions de FLIM prennent beaucoup de temps. Alors que la fréquence d’images d’une image collectée avec du dextran fluorescent est d’environ une seconde ou moins, la collection FLIM moyenne peut varier de 60 s à 120 s, ce qui peut être prohibitif si les points temporels physiologiques sont plus courts que cela. L’identification FLIM de la vascularisation n’est pas destinée à remplacer toute la dextran fluorescente injectée dans la veine caudale ou l’excitation multiphotonique de la vascularisation; il s’agit plutôt d’une autre approche dans la boîte à outils croissante de l’imagerie intravitale. De plus, nous prévoyons que des délais d’acquisition plus longs seront considérablement raccourcis dans les années à venir. Les détecteurs et l’électronique s’améliorent rapidement, diminuant le temps mort du détecteur et nécessitant ainsi des périodes d’acquisition plus courtes pour capturer le même nombre de photons. Une autre raison d’être optimiste quant à des temps d’acquisition plus courts est l’émergence d’un logiciel d’apprentissage automatique ou d’un algorithme de restauration d’images comme CSBDeep47. Ces algorithmes pourraient potentiellement être entraînés à fonctionner avec des temps d’exposition plus courts, réduisant ainsi le nombre de photons nécessaires pour identifier avec précision les structures à des fins de segmentation. Ensemble, cela pourrait rapidement réduire les délais nécessaires à ces acquisitions multidimensionnelles.

L’utilisation de l’imagerie intravitale ne fera que devenir plus importante à mesure que les chercheurs tenteront de démêler les nombreuses interactions complexes cellule-cellule et cellule-matrice qui se produisent dans le microenvironnement physiologique de la tumeur. Par conséquent, des développements continus dans les capacités d’acquisition, de segmentation et d’analyse sont nécessaires. À cette fin, il est important de ne pas négliger le potentiel de la fluorescence endogène pour la segmentation du microenvironnement. Dans ce protocole, le signal endogène des métabolites SHG et de fluorescence, y compris l’intensité NAD(P)H et le FLIM, a été utilisé à des fins de segmentation lors de l’imagerie intravitale du TME mammaire. D’autres métabolites endogènes ou propriétés intrinsèques peuvent fournir des signaux supplémentaires pour révéler la réciprocité dynamique des cellules tumorales et du microenvironnement. Par exemple, la DCP peut être utilisée pour surveiller le mouvement des populations immunitaires42, la génération 3P peut mettre en évidence des caractéristiques structurelles telles que les membranes plasmiques ou adipeuses36, et la fluorescence de l’élastine peut être utilisée pour séparer les artères des veines46. Par conséquent, la fluorescence endogène continuera de fournir une plate-forme multidimensionnelle riche qui devrait être utilisée au maximum alors que la communauté de recherche continue de construire la boîte à outils pour la segmentation et l’analyse intravitales du microenvironnement.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont aucun conflit d’intérêts à divulguer.

Acknowledgments

Les auteurs tiennent à remercier les subventions NCI R01 CA216248, CA206458 et CA179556 pour le financement de ce travail. Nous tenons également à remercier le Dr Kevin Eliceiri et son groupe d’imagerie pour leur expertise technique dans le développement précoce de notre programme intravital. Nous remercions également le Dr Ben Cox et les autres membres du groupe de fabrication Eliceiri de l’Institut de recherche Morgridge pour leur conception technique essentielle au cours des premières phases du MIW. Dr. Ellen Dobson a participé à des conversations utiles sur l’outil de segmentation WEKA formable d’ImageJ. De plus, nous tenons à remercier la Dre Melissa Skala et la Dre Alexa Barres-Heaton pour l’utilisation opportune de leur microscope. Enfin, nous tenons à remercier la Dre Brigitte Raabe, D.V.M., pour toutes les discussions réfléchies et les conseils sur notre manipulation et nos soins de la souris.

Materials

Name Company Catalog Number Comments
#1.5 12mm round cover glass Warner Instruments # 64-0712 MIW construction
1.0 mL syringe for SQ injection BD 309659 Syringe
20x objective Zeiss 421452-988 Water immersion
27G needle for SQ injection Covidien 1188827012 Needle
40x objective Nikon MRD77410 Water immersion
5-0 silk braided suture Ethicon K870 Suture for MIW implantation
Artificial tears gel Akorn NDC 59399-162-35 Eye gel
Betadine solution, 5% Fisher Scientific NC1558063 Surgery antiseptic
cotton-tipped applicator Fisher Scientific 23-400-101
Cyanoacrylate adhesive Loctite 1365882 MIW construction
fluorescent dextran Sigma T1287-50mg intravenous labelling of vasculature
forceps Mckesson.com Miltex #18-782 stainless, 4 inch, curved
GaAsP photomultiplier tube Hamamatsu 
heating blanket CARA 72 heating pad  038056000729 Temperature selectable
heating chamber home built
Fluorescent lifetime handbook Becker and Hickl https://www.becker-hickl.com/literature/handbooks
inverted microscope base Nikon
Isoflurane Akorn NDC 59399-106-01 Anesthesia
Liqui-Nox Fisher Scientific 16-000-125 MIW cleaning
Meloxicam Norbrook NDC 55529-040-10 Analgesic
Micro Hose Scientific Commodities INC.  BB31695-PE/1
multiphoton scan head Bruker Ultima II Multiphoton scanhead and imaging platform
NADH FLIM filter Chroma 284994 ET 440/80 m-2P
Nair CVS 339826 Depilatory cream
objective heater Tokai Hit STRG-WELSX-SET
SHG/FAD filter Chroma 320740 ET450/40m-2P
Sparkle glass cleaner Amazon.com B00814ME24 Glass Cleaner for implanted MIW
SPC-150 photon counting board Becker and Hickl
surgical light FAJ B06XV1VQVZ Magnetic LED gooseneck light
surgical micro-scissors Excelta 366 stainless, 3 inch
Triple antibiotic ointment Actavis Pharma NDC 0472-0179-34 Antibiotic
TV catheter Custom BD 30G needle: 305106 Catheter for TV injection
Two photon filter Chroma 320282 ET585/65m-2P
two-photon laser Coherent charmeleon Tunable multiphoton laser
ultrasound gel Parker PKR-03-02 Water immersion gel
Urea crystals Sigma U5128-5G Optional: FLIM IRF

DOWNLOAD MATERIALS LIST

References

  1. Eble, J. A., Niland, S. The extracellular matrix in tumor progression and metastasis. Clinical & Experimental Metastasis. 36 (3), 171-198 (2019).
  2. Afik, R., et al. Tumor macrophages are pivotal constructors of tumor collagenous matrix. The Journal of Experimental Medicine. 213 (11), 2315-2331 (2016).
  3. Varol, C., Sagi, I. Phagocyte-extracellular matrix crosstalk empowers tumor development and dissemination. The FEBS Journal. 285 (4), 734-751 (2018).
  4. Winkler, J., Abisoye-Ogunniyan, A., Metcalf, K. J., Werb, Z. Concepts of extracellular matrix remodelling in tumour progression and metastasis. Nature Communications. 11 (1), 5120 (2020).
  5. Han, W., et al. Oriented collagen fibers direct tumor cell intravasation. Proceedings of the National Academy of Sciences of the United States of America. 113 (40), 11208-11213 (2016).
  6. Malandrino, A., Mak, M., Kamm, R. D., Moeendarbary, E. Complex mechanics of the heterogeneous extracellular matrix in cancer. Extreme Mechanics Letters. 21, 25-34 (2018).
  7. Lugo-Cintrón, K. M., et al. Breast Fibroblasts and ECM Components Modulate Breast Cancer Cell Migration Through the Secretion of MMPs in a 3D Microfluidic Co-Culture Model. Cancers. 12 (5), 1173 (2020).
  8. Wozniak, M. A., Desai, R., Solski, P. A., Der, C. J., Keely, P. J. ROCK-generated contractility regulates breast epithelial cell differentiation in response to the physical properties of a three-dimensional collagen matrix. The Journal of Cell Biology. 163 (3), 583-595 (2003).
  9. Zhang, K., et al. The collagen receptor discoidin domain receptor 2 stabilizes SNAIL1 to facilitate breast cancer metastasis. Nature Cell Biology. 15 (6), 677-687 (2013).
  10. Malik, G., et al. Plasma fibronectin promotes lung metastasis by contributions to fibrin clots and tumor cell invasion. Cancer Research. 70 (11), 4327-4334 (2010).
  11. Bae, Y. K., Choi, J. E., Kang, S. H., Lee, S. J. Epithelial-mesenchymal transition phenotype is associated with clinicopathological factors that indicate aggressive biological behavior and poor clinical outcomes in invasive breast cancer. Journal of Breast Cancer. 18 (3), 256-263 (2015).
  12. Wei, S. C., et al. Matrix stiffness drives epithelial-mesenchymal transition and tumour metastasis through a TWIST1-G3BP2 mechanotransduction pathway. Nature Cell Biology. 17 (5), 678-688 (2015).
  13. Riching, K. M., et al. 3D collagen alignment limits protrusions to enhance breast cancer cell persistence. Biophysical Journal. 107 (11), 2546-2558 (2014).
  14. Carey, S. P., et al. Local extracellular matrix alignment directs cellular protrusion dynamics and migration through Rac1 and FAK. Integrative Biology: Quantitative Biosciences from Nano to Macro. 8 (8), 821-835 (2016).
  15. Ray, A., Morford, R. K., Ghaderi, N., Odde, D. J., Provenzano, P. P. Dynamics of 3D carcinoma cell invasion into aligned collagen. Integrative Biology: Quantitative Biosciences from Nano to Macro. 10 (2), 100-112 (2018).
  16. Szulczewski, J. M., et al. Directional cues in the tumor microenvironment due to cell contraction against aligned collagen fibers. Acta Biomaterialia. 129, 96-109 (2021).
  17. Esbona, K., et al. The Presence of Cyclooxygenase 2, Tumor-Associated Macrophages, and Collagen Alignment as Prognostic Markers for Invasive Breast Carcinoma Patients. The American Journal of Pathology. 188 (3), 559-573 (2018).
  18. Entenberg, D., et al. A permanent window for the murine lung enables high-resolution imaging of cancer metastasis. Nature Methods. 15 (1), 73-80 (2018).
  19. Kedrin, D., et al. Intravital imaging of metastatic behavior through a mammary imaging window. Nature Methods. 5 (12), 1019-1021 (2008).
  20. Jacquemin, G., et al. Longitudinal high-resolution imaging through a flexible intravital imaging window. Science Advances. 7 (25), (2021).
  21. Boone, P. G., et al. A cancer rainbow mouse for visualizing the functional genomics of oncogenic clonal expansion. Nature Communications. 10 (1), 5490 (2019).
  22. Dawson, C. A., Mueller, S. N., Lindeman, G. J., Rios, A. C., Visvader, J. E. Intravital microscopy of dynamic single-cell behavior in mouse mammary tissue. Nature Protocols. 16 (4), 1907-1935 (2021).
  23. Leung, E., et al. Blood vessel endothelium-directed tumor cell streaming in breast tumors requires the HGF/C-Met signaling pathway. Oncogene. 36 (19), 2680-2692 (2017).
  24. Jain, R. K. Normalizing tumor microenvironment to treat cancer: Bench to bedside to biomarkers. Journal of Clinical Oncology: Official Journal of The American Society of Clinical Oncology. 31 (17), 2205-2218 (2013).
  25. Wyckoff, J. B., et al. Direct visualization of macrophage-assisted tumor cell intravasation in mammary tumors. Cancer Research. 67 (6), 2649-2656 (2007).
  26. Baklaushev, V. P., et al. Modeling and integral X-ray, optical, and MRI visualization of multiorgan metastases of orthotopic 4T1 breast carcinoma in BALB/c Mice. Bulletin of Experimental Biology and Medicine. 158 (4), 581-588 (2015).
  27. Baklaushev, V. P., et al. Luciferase Expression Allows Bioluminescence Imaging But Imposes Limitations on the Orthotopic Mouse (4T1) Model of Breast Cancer. Scientific Reports. 7 (1), 7715 (2017).
  28. Campagnola, P. J., Loew, L. M. Second-harmonic imaging microscopy for visualizing biomolecular arrays in cells, tissues and organisms. Nature Biotechnology. 21 (11), 1356-1360 (2003).
  29. Bredfeldt, J. S., et al. Computational segmentation of collagen fibers from second-harmonic generation images of breast cancer. Journal of Biomedical Optics. 19 (1), 16007 (2014).
  30. Liu, Y., et al. Fibrillar Collagen Quantification With Curvelet Transform Based Computational Methods. Frontiers in Bioengineering and Biotechnology. 8, 198 (2020).
  31. Püspöki, Z., Storath, M., Sage, D., Unser, M. Transforms and Operators for Directional Bioimage Analysis: A Survey. Advances in Anatomy, Embryology, and Cell Biology. 219, 69-93 (2016).
  32. Saytashev, I., et al. Multiphoton excited hemoglobin fluorescence and third harmonic generation for non-invasive microscopy of stored blood. Biomedical Optics Express. 7 (9), 3449-3460 (2016).
  33. Harney, A. S., et al. Real-Time Imaging Reveals Local, Transient Vascular Permeability, and Tumor Cell Intravasation Stimulated by TIE2hi Macrophage-Derived VEGFA. Cancer Discovery. 5 (9), 932-943 (2015).
  34. von Au, A., et al. Circulating fibronectin controls tumor growth. Neoplasia. 15 (8), New York, N.Y. 925-938 (2013).
  35. Murgai, M., et al. KLF4-dependent perivascular cell plasticity mediates pre-metastatic niche formation and metastasis. Nature Medicine. 23 (10), 1176-1190 (2017).
  36. You, S., et al. Intravital imaging by simultaneous label-free autofluorescence-multiharmonic microscopy. Nature Communications. 9 (1), 2125 (2018).
  37. Yakimov, B. P., et al. Label-free characterization of white blood cells using fluorescence lifetime imaging and flow-cytometry: molecular heterogeneity and erythrophagocytosis. Biomedical Optics Express. 10 (8), 4220-4236 (2019).
  38. Arganda-Carreras, I., et al. Trainable Weka Segmentation: a machine learning tool for microscopy pixel classification. Bioinformatics. 33 (15), Oxford, England. 2424-2426 (2017).
  39. Guy, C. T., Cardiff, R. D., Muller, W. J. Induction of mammary tumors by expression of polyomavirus middle T oncogene: a transgenic mouse model for metastatic disease. Molecular and Cellular Biology. 12 (3), 954-961 (1992).
  40. Provenzano, P. P., et al. Collagen reorganization at the tumor-stromal interface facilitates local invasion. BMC Medicine. 4 (1), 38 (2006).
  41. 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).
  42. Szulczewski, J. M., et al. In Vivo Visualization of Stromal Macrophages via label-free FLIM-based metabolite imaging. Scientific Reports. 6, 25086 (2016).
  43. Hoffmann, E. J., Ponik, S. M. Biomechanical Contributions to Macrophage Activation in the Tumor Microenvironment. Frontiers in Oncology. 10, 787 (2020).
  44. Pakshir, P., et al. Dynamic fibroblast contractions attract remote macrophages in fibrillar collagen matrix. Nature Communications. 10 (1), 1850 (2019).
  45. Dobrolecki, L. E., et al. Patient-derived xenograft (PDX) models in basic and translational breast cancer research. Cancer and Metastasis Reviews. 35 (4), 547-573 (2016).
  46. Shirshin, E. A., et al. Two-photon autofluorescence lifetime imaging of human skin papillary dermis in vivo: assessment of blood capillaries and structural proteins localization. Scientific Reports. 7 (1), 1171 (2017).
  47. Weigert, M., et al. Content-aware image restoration: pushing the limits of fluorescence microscopy. Nature Methods. 15 (12), 1090-1097 (2018).

Tags

Recherche sur le cancer numéro 183
Une approche de segmentation sans étiquette pour l’imagerie intravitale du microenvironnement tumoral mammaire
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Burkel, B. M., Inman, D. R.,… More

Burkel, B. M., Inman, D. R., Virumbrales-Muñoz, M., Hoffmann, E. J., Ponik, S. M. A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment. J. Vis. Exp. (183), e63413, doi:10.3791/63413 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter