Summary

Microscopia de imagem hiperespectral de detecção de excitação para discriminar sinais de fluorescência de forma eficiente

Published: August 22, 2019
doi:

Summary

A imagem latente espectral transformou-se uma solução de confiança para a identificação e a separação de sinais múltiplos da fluorescência em uma única amostra e pode prontamente distinguir sinais do interesse do fundo ou do autofluorescence. A excitação-a imagem latente hiperespectrais da exploração melhora nesta técnica diminuindo o tempo necessário da aquisição da imagem ao simultaneamente aumentar a relação do sinal-à-ruído.

Abstract

Várias técnicas dependem da detecção de sinais de fluorescência para identificar ou estudar fenômenos ou para elucidar funções. A separação destes sinais da fluorescência foi provada complicada até o advento da imagem latente hiperespectrais, em que as fontes da fluorescência podem ser separadas de se e de sinais do fundo e do autofluorescence (dado o conhecimento de seu espectral assinaturas). Entretanto, a imagem latente hiperespectrais tradicional, da emissão-exploração sofre dos tempos lentos da aquisição e das baixas relações do sinal-à-ruído devido à filtração necessária da excitação e da luz da emissão. Foi mostrado previamente que a imagem latente hiperespectrais da excitação-exploração reduz o tempo necessário da aquisição ao simultaneamente aumentar a relação sinal-à-ruído de dados adquiridos. Usando equipamentos comercialmente disponíveis, este protocolo descreve como montar, calibrar e usar um sistema de microscopia de imagem hiperespectral de varredura de excitação para a separação de sinais de várias fontes de fluorescência em uma única amostra. Quando altamente aplicável à imagem latente microscópica das pilhas e dos tecidos, esta técnica pode igualmente ser útil para qualquer tipo de experiência que utiliza a fluorescência em que é possível variar comprimentos de onda da excitação, incluindo mas não limitado a: imagem latente química, aplicações ambientais, cuidados com os olhos, ciência dos alimentos, ciência forense, ciência médica e mineralogia.

Introduction

A imagem latente espectral pode ser executada em uma variedade de maneiras e é referida por diversos termos1,2,3,4. Em geral, a imagem espectral refere-se aos dados adquiridos em pelo menos duas dimensões espaciais e uma dimensão espectral. A imagem latente Multispectral e hiperespectrais é distinguida o mais frequentemente pelo número de faixas do comprimento de onda ou se as faixas espectrais são contíguas1. Para esta aplicação, os dados hiperespectrais são definidos como os dados espectrais adquiridos com as faixas contíguas do comprimento de onda conseguidas pelo afastamento de comprimentos de onda Center não menos do que a metade da largura cheia no meio máximo (FWHM) de cada filtro do bandpass usado para a excitação (isto é, 5 nanômetro espaçamento de comprimento de onda Center para filtros de banda com larguras de banda 14-20 nm). A natureza contígua das bandas de dados permite um excesso de amostragem do conjunto, assegurando que os critérios de Nyquist são satisfeitos ao amostrando o domínio espectral.

A imagem latente Hyperspectral foi desenvolvida por NASA nos 1970s e nos 1980s conjuntamente com o primeiro satélite Landsat5,6. A coleta de dados de várias bandas espectrais contíguas permitiu a geração de um espectro de radiância de cada pixel. Identificar e definir o espectro de radiância de componentes individuais permitiu não só detectar materiais de superfície por seus espectros característicos, mas também permitiu a remoção de sinais intervenientes, como variações no sinal devido à condições atmosféricas. O conceito de detecção de materiais utilizando seus espectros característicos foi aplicado em sistemas biológicos em 1996 quando Schröck et al. utilizaram combinações de cinco diferentes fluoróforos e seus espectros conhecidos para distinguir os cromossomas rotulados em um processo denominado Karyotyping espectral7. Esta técnica foi elaborada em 2000 por Tsurui et al. para a imagem latente da fluorescência de amostras do tecido, usando sete tinturas fluorescentes e a decomposição singular do valor para conseguir a separação espectral de cada pixel em combinações lineares dos espectros na referência na biblioteca8. Semelhante a seus homólogos de sensoriamento remoto, a contribuição de cada fluoróforo conhecido pode ser calculada a partir da imagem hiperespectral, dada a priori informações do espectro de cada fluoróforo.

A imagem latente de Hyperspectral foi usada igualmente nas áreas daagricultura 9,astronomia 10, biomedicina11, imagem latente química12, aplicações ambientais13, cuidado14do olho, ciência de alimento15, ciência forense16,17, ciência médica18, mineralogia19e vigilância20. Uma limitação chave de sistemas de imagem latente hiperespectrais do microscópio de fluorescência atual é que a tecnologia de imagem latente hiperespectrais padrão isola sinais da fluorescência em bandas estreitas por 1) primeiramente filtrando a luz da excitação para controlar a excitação da amostra, a seguir 2) mais adicional que filtra a luz emitida para separar a emissão da fluorescência em faixas estreitas que podem mais tarde ser separadas matematicamente21. Filtrar a iluminação da excitação e a fluorescência emitida reduzem a quantidade de sinal disponível, que abaixa a relação sinal-à-ruído e necessita tempos de aquisição longos. O sinal baixo e os tempos longos da aquisição limitam a aplicabilidade da imagem latente hiperespectrais como uma ferramenta diagnóstica.

Uma modalidade da imagem latente foi desenvolvida que empreuse da imagem latente hiperespectrais mas impulsiona o sinal disponível, reduzindo desse modo o tempo necessário da aquisição21,22. Esta modalidade nova, chamada imagem latente hiperespectrais da excitação-exploração, adquire dados espectrais da imagem variando o comprimento de onda da excitação e coletando uma escala larga da luz emitida. Tem sido demonstrado anteriormente que esta técnica produz aumentos de ordem de magnitude na relação sinal/ruído em comparação com as técnicas de digitalização de emissões21,22. O aumento na relação sinal-ruído é em grande parte devido ao bandpass largo (~ 600 nanômetro) da luz de emissão detectada, quando a especificidade for fornecida filtrando somente a luz da excitação em vez da emissão da fluorescência. Isto permite que toda a luz emitida (para cada comprimento de onda da excitação) alcangue o detetor21. Adicionalmente, esta técnica pode ser usada para discriminar a autofluorescência de rótulos exógenos. Além disso, a capacidade de reduzir o tempo de aquisição devido ao aumento do sinal detectável reduz o perigo de fotobranqueamento, bem como permite varreduras espectrais a uma taxa de aquisição que é aceitável para imagens de vídeo espectral.

O objetivo deste protocolo é servir como um guia de aquisição de dados para a microscopia de imagem hiperespectral de varredura de excitação. Além disso, as descrições são incluídas que ajudam a entender o caminho de luz e hardware. Também é descrita a implementação de software de código aberto para um microscópio de imagem hiperespectral de varredura de excitação. Por fim, são fornecidas descrições sobre como calibrar o sistema para um padrão rastreável pelo NIST, ajustar as configurações de software e hardware para obter resultados precisos e desmisturar o sinal detectado em contribuições de componentes individuais.

Protocol

1. dispositivo de set-up Fonte luminosa: selecione uma fonte luminosa espectral da largo-faixa com saída de poder superior e colimação elevada (uma lâmpada de arco de 300 W xe foi usada para estes estudos). Obturador (opcional): Adicione um obturador ao caminho óptico para reduzir o fotobranqueamento para imagens de lapso de tempo. Sistema ajustável do filtro: incorpore um conjunto de ajustamento mecânico e um filtro sintonizável da fino-película (TFTF) ajustado para permitir a esca…

Representative Results

Várias etapas importantes deste protocolo são necessárias para garantir a coleta de dados que são precisos e desprovidos de imagens e artefatos espectrais. Pular essas etapas pode resultar em dados que parecem significativos, mas não podem ser verificados ou reproduzidos com qualquer outro sistema de imagens espectrais, anulando assim efetivamente quaisquer conclusões feitas com esses dados. O chefe entre estas etapas importantes é a correção de saída espectral adequada (seção…

Discussion

O uso ideal de uma configuração de imagem hiperespectral de excitação-digitalização começa com a construção do caminho de luz. Em particular, a escolha da fonte luminosa, dos filtros (ajustáveis e dichroic), do método do interruptor do filtro, e da câmera determina a escala espectral disponível, a velocidade possível da varredura, a sensibilidade do detector, e a amostragem espacial. As lâmpadas de arco de mercúrio oferecem muitos picos de comprimento de onda de excitação, mas não fornecem uma saída e…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Os autores gostariam de reconhecer o apoio da NSF 1725937, NIH P01HL066299, NIH R01HL058506, NIH S10OD020149, NIH UL1 TR001417, NIH R01HL137030, AHA 18PRE34060163, e o fundo de pesquisa de câncer de Abraham Mitchell.

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

References

  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. Biochemistry. 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/59448?article_type=t

Play Video

Cite This Article
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