在这里, 我们提出了一个组合方法, 使用高分辨率显微镜, 计算工具, 和单细胞标记在活的线虫胚胎, 以了解单个细胞动力学在神经发育过程中。
线虫(线虫) 是唯一能够在体内观察到了解整个神经系统细胞起源的挑战的生物, 只有单细胞分辨率。在这里, 我们提出了一个综合方案, 用于检查线虫胚胎的神经发育。我们的协议结合了成像, 线形和神经解剖追踪单个细胞在发育的胚胎。我们通过使用双视倒置选择性平面照明显微镜 (Ospim) 实现了对具有近各向同性空间分辨率的活的线虫胚胎的长期、四维 (4d) 成像。线虫胚胎中的核和神经元结构被成像并呈向异融合, 在所有三个维度中产生分辨率约为330纳米的图像。然后对这些分钟每分钟的高分辨率4D 数据集进行分析, 以便将确定的细胞谱系与单细胞和亚细胞详细级别的基因表达和形态动力学相关。我们的协议结构使每个描述的步骤都能模块化地实施, 并加强对胚胎发生、基因表达或神经发育的研究。
线虫是胚胎中每一个细胞在整个神经发育过程中唯一可以观察到的生物。随着整个细胞谱系的已知和不变 1,以及新工具的开发, 允许在胚胎中的单个细胞标记和连续成像, 生物学家现在可以开始研究线虫神经发育的不同步骤从各个角度的系统-细胞诞生;迁徙和分化;神经元形成, 靶向生长和聚集;突触形成;和功能电路的调谐。结合稳定表达的记者和荧光显微镜, 捕获线虫胚胎中的神经元生长动力学, 对科学界具有重要意义。
线虫的发育研究通常利用该物种的不变细胞谱系和细胞命运图, 增强完整生物体内单细胞水平的上下文理解。自动线形分析-使用 StarryNite2,3 ,4和 acetree5,6, 7, 8 软件-具有高对比度、高分辨率的优势荧光原子核的图像。为了以最佳方式工作, staryniteectree 还依赖于在发育过程中对成像胚胎的可预测的受限取向。在两个盖板之间压缩的线虫胚胎中进行的共聚焦显微镜, 十多年来一直是标准的自动线形显微镜方法, 因为它提供了高对比度和可预测的受限胚胎的取向7,8。我们之前描述了一种新型的基于光片的双视图选择性平面照明显微镜 (ospim) 的构造和使用, 用于活样本成像, 如线虫胚胎发生9,10,11,12,13. 一般的光片显微镜可提供低光毒性、高速和长期成像的实时3d 样品 14,15.具体而言, Ospim 方法可生成几乎各向同性空间分辨率约为330纳米9的四维 (4d) 图像。
与共聚焦显微镜相比, Ospim 提供了更高的信噪比和速度, 更各向同性的空间分辨率, 更适合长期的体内成像16。因此, 我们努力将 Ospim 数据调整为输入 starryniteacetree, 并调查这是否会增强线形分析。一个主要的障碍是, 定免疫标本不能轻易受到蛋壳压缩的限制, 以采用预期的方向为 Starsynite/acetree。被分析的体积中单元格位置的随机方向降低了自动线型分析的准确性。
因此, 我们使用了 CytoSHOW, 这是一个由观众引导的用户界面, 它允许用户在 Dspim 图像预处理过程中选择精确的胚胎3D 方向, 从而生成质量优化且上下文感知的图像数据, 以便输入 Starlynite。在用户选择的成像胚胎后, CytoSHOW 协调了一个自动化的数据处理管道。裁剪和背景减去的胚胎图像保存在 TIFF 堆栈文件中的每个位置、时间点和视图。然后, cytoshow 迭代调用程序 spimfusion, 以共同注册和联合解压缩两个预处理视图, 使用 richardson-cycy 17,18算法产生各向同性高分辨率体积图像。针对 StarryNite, 对一系列 dispi 特特参数进行了优化, 以控制其在图像分割和原子融合图像核跟踪过程中的行为。然后使用 AceTree 编辑熔融图像和线形结果, 这样用户就可以识别并修复由 Starynite 生成的自动沿袭跟踪中的任何错误。AceTree 还可以呈现胚胎中被跟踪的细胞核的线形树和三维建模渲染。我们发现, 与任何一个 SPIM 相机的原始图像相比, 使用各向融合的图像, 自动线形速度和精度都得到了显著提高。我们的协议虽然针对此处描述的线虫应用进行了优化, 但一般可以适用于为其他物种或标本生成的 ospim 数据的自动线形化。如果这是协议的预期用途, 请注意, 如所述, 新样品可能需要对 starynite 参数进行额外调整, 如所述的 3、4.
该协议的成功实施产生了具有4d 各向同性分辨率的图像, 并使生物学家能够追踪细胞谱系, 同时识别和分析发育中的线虫胚胎中的神经元。此外, 通过合并几种后处理算法–硬件加速是其中最耗时的算法–我们现在可以实时分析精细的亚细胞细节以及活胚胎的细胞谱系和细胞命运。这一新的协议允许在体内分化和形态发生的证明研究中对细胞行为进行精确、知情的操纵和观察。在这篇手稿中, 我们提出了一个详细的解释, 我们已经开发了改进的协议, 为线化和细胞跟踪开发的线虫, 以加强胚胎发生, 基因表达或神经发育的研究。
线虫是唯一具有已知的27个成年神经元的最终位置和连通性的生物.然而, 导致工作电路和网络的组织的发展动态, 构成了线虫的连接体仍然是未知的。基于光显微镜技术的发展所带来的机会, 我们现在可以在整个线虫胚胎发育过程中捕捉和分析细胞位置、形态发生和神经发生。
我们所描述的程序, 我们经常在实验室中使用产生 4-各向同性图像标记神经元和细胞核的细胞线形在c.线虫胚胎。更重要的是, 我们利用 Dospim 和耦合的半自动线形功能和高分辨率图像优化了长期成像条件, 以提高分析线虫胚胎发生的速度和精度。这个集成的协议将使用户能够可视化和识别细胞, 并通过早期抽搐的开始量化三维特征, 如神经元迁移和轴突簇。此过程可以很容易地适应任何设施与 ASI Ospim 系统, 我们建议此系统专门用于此协议。其他商业提供的 SPIM 配方可能不同于样品室中的 ASI 配置和光学特性。但是, 从其他平台导出的数据也可以通过我们的数据管道进行。因此, 评价它们在线形中的价值是可行的, 这是对图像质量和仪器稳定性的严格测试。尽管我们积极使用悬三宝定期对其他标本 (如果蝇和斑马鱼胚胎) 进行成像, 但所描述的全面的胚胎线形分析目前仍仅限于线虫物种。对于较大或较厚的样品, 我们选择使用阶段扫描方法, 通过固定的光片扫描样品。Kumar 等人先前已经演示了这种改进的 Dospim 切片, 以便在不对 Dspim 10 进行其他修改的情况下, 从厚样品中生成高质量的图像。
协议中的关键步骤包括将线虫胚胎安装在多 l-赖氨酸涂层盖板上、数据采集和数据处理。在玻璃盖板上收集和安装线虫胚胎对经验不足的用户来说可能是一个挑战, 但在这里, 我们提供了一个详细的关键步骤协议, 以促进学习。如果需要长期成像, 我们可以从8-10 名年龄的年轻人28中获得最好的结果, 收获四细胞或更早的胚胎。请注意, 老年人不太需要收获早期胚胎, 因为它们往往含有子宫中的较旧胚胎和未受精的卵子。在安装胚胎方面, 组装的吸尘器 (口移液器) 堵塞或微毛细管移液器中的开口太大等问题可能会妨碍胚胎的适当安装和定位。为了提供最佳成像准备, 我们对早期和后期的前抽搐胚胎进行采集前测试, 以检查光板、相机、目标和自动对焦的性能。当所有这些操作都经过测试并在采集前测试期间产生高质量的图像时, 我们会获得最佳结果。这对于生成具有各向同性空间分辨率的图像尤其重要, 因为从这两个视图 (目标) 获得的原始图像必须是高质量的。采集后, 为每个视图获取的卷将被处理以产生各向同性图像。按照本协议中的说明 (见下文), 使用适当的图形处理单元 (gpu) 卡非常重要。这提高了生成各向体融合图像的处理速度, 缩短了数据分析的时间。用户还必须运行最新版本的 CytoSHOW, 并使用我们的下载包提供的参数来进行 Starynite 自动线形。如果用户有兴趣对其他样品 (如斑马鱼、甜心鱼等) 使用自动线形, 则需要对 StarryNite 中使用的参数进行额外优化 (见参考资料 3,4)。
尽管我们的综合协议在抽搐前胚胎中提供图像和线形结果, 但用户应该意识到, 在抽搐后的胚胎中自动线形目前是不可行的: 在抽搐后的胚胎中, 核位置在秒的左右变化。抽搐后的胚胎, 太快, 不允许血统跟踪。然而, dspim 确实已经证明了一个很有希望的能力, 以捕捉神经发育事件, 并跟踪一些细胞的位置, 在抽搐后阶段的胚胎 23,29.如果用户有兴趣检查抽搐后的胚胎, 7日共确实提供了获得体积快照的速度, 并在快速移动的胚胎中跟踪良好的神经发育事件, 如神经元的生长。
该协议将是完成宗教指南地图集30的细胞逐单元的基础, 因为它将提供一种具有高分辨率各向同性图像的集成方法, 以识别和捕获标记神经元的3d 形态。胚胎发生的前43分钟从目前的情况看, 虫指南图集提供了发育中胚胎细胞的核位置, 旨在捕捉胚胎神经元子集的发育动力学。该协议将是将更多发育中的神经元集成到宗教指南地图集 30的关键。
我们的综合协议还将简化在线虫胚胎中探索新的基因表达谱。在转基因线虫中, 许多细胞特异性促进剂在空间和时间上控制转基因表达。虽然大多数基因的表达模式在成年动物中已经有了广泛的特征,但几乎所有的基因都还没有在发育过程中被描述出来 (特别是晚期) 胚胎。线虫促进剂已成为蠕虫群落推动细胞特异性转基因表达的有用资源, 并决定基因功能是细胞自主还是非自主的。捕获基因的各向同性高分辨率和动态表达模式, 并通过线型精确识别表达细胞, 对科学界的许多人来说都是有价值的。
胚胎发生包括两个交织在一起的主要过程, 细胞分化和组织形态发生。在线虫的发育过程中, 定义不同细胞类型的机制和分子有很多是已知的。然而,对线虫胚胎中细胞迁移、细胞粘附和细胞形态的重要机制了解甚少。随着线虫不变细胞谱系的已知, 我们的协议可以让我们很容易地识别分类3d 微解剖的胚胎在形态发生过程中在新的细节水平: 例如, 轴突簇, 突触发生, 和神经元活动。Adier 等人此前已经证明了定钙在线虫胚胎23中单个神经元水平捕获钙瞬变的力量.发展生理学的许多其他方面的研究已经成熟, 用这些方法。
最后, 该协议在很大程度上是自动化的, 并系统地减少了生成反卷积图像和通过 StarryNite 和 Acetree 执行细胞线形所需的时间。本协议中使用的软件策略可以应用于许多生物学问题, 远离我们在这里所演示的非常具体的领域。
有关软件兼容性和下载访问的详细信息
有关用于暗旋成像的微管理器和插件的信息可在 http://dispim.org/software/micro-manager 和 https://micro-manager.org/wiki/ASIdiSPIM_Plugin 上找到。
数据处理管道当前需要一个 Windows 操作系统。我们捆绑了一个单一的存档文件, 以简化所有必需的数据处理程序和支持文件的安装。可 http://dispimlineage.wormguides.org 下载。
细胞展示 (http://run.cytoshow.org/) 是基于广泛使用的开源图像分析平台 ImageJ (v1)。必须在计算机上安装 java 并使其成为最新版本, 才能使用 CytoSHOW, 并且对 CytoSHOW 的更新必须通过 Java Web Start 自动部署。细胞图的许多基于图像 j 的函数都是在 https://imagej.nih.gov/ij/docs/examples/index.html 中描述和说明的。CytoSHOW 已被定制为显示来自 ASI Ospim 的多维原始数据, 以及创建 TIFF 输出的其他成像软件。原则上, 其他多视图 SPIM 成像系统可以通过对细胞图进行小的修改来支持, 从而使这一协议能够在不同的显微镜系统上进行。
SpimFusion 是用 cuda 工具包 v7.5 使用 visual Studio 2013 在 cuda c++ 中编写的。运行 SpimFusion 需要特定的计算机硬件: NVIDIA 图形处理单元 (GPU) 卡, 具有 CUDA 计算能力1.0 或更高, 最小为 2 GB 图形卡内存。在我们的协议发布时, SpimFusion 尚未发布 (Min Guo 和 Hari Shroff), 但在上面提到的软件包归档中提供。
专门构建的命令行驱动版本 Starynite 要求安装免费可用的 MATLAB 编译器运行时, 但不需要商业 MATLAB 软件的许可证。MATLAB 编译器运行时包含在上面提到的软件包归档文件中。本协议中使用的 Starynite 代码与共聚焦图像所使用的代码基本相同。然而, 在创建用于 StarryNite 处理的输入图像和处理 StarryNite 结果的过程中, 通过 CytoSHOW 中的方法解决了几个操作问题, 这些方法支持融合各向同性分质的连续数据处理管道卷。这些更改通过 CytoSHOW 代码实现自动化, 代码处理这些预处理和后处理步骤。CytoSHOW 还编辑了一个预先优化的代谢 Imaged 特定模板 StarryNite 参数集, 以自动将分割算法调整为成像数据中原子核的荧光强度。然后, StarryNite 在每个 Ospim 数据集中使用的唯一参数与输出图像和线形数据一起保存在一个文件中。
使用16位图像并保持与 Java3D 呈现兼容性的 acetree 自定义版本最适合此协议。它还包含在上面提到的软件包归档文件中。
The authors have nothing to disclose.
我们感谢约翰穆雷的综合应变, ujIs113, 产生线化应变 BV514;Brandon Harvey (NIBIB) 寻求测试协议的帮助;乔恩·丹尼尔斯和加里·隆多 (应用科学仪器) 为微管理器和 Ospim 仪器提供帮助;安德鲁·约克和汉克·伊登对定发系统的批评反馈我们还感谢少数群体机构研究中心方案和波多黎各大学神经生物学研究所提供了一个会议和集思广益平台。这项工作的大部分是通过惠特曼计划在伍兹霍尔的海洋生物实验室进行的。这项工作得到了国家卫生研究院国家生物医学成像和生物工程研究所的内部研究方案和国家卫生研究院第1号赠款的支持。U01-hd075602 和 No。R24-OD016474。Mark W. Moyle 得到 F32-NS098616 的支持, Leigton H. duncan 得到 R24-od2016474 多样性补编的支持。
Steps 1-4 | |||
Concavity slides | ThermoFisher Scientific | 1519006 | 5-18mm diameter, 0.6-0.8mm deep, 1.2-1.5mm |
Dissecting microscope with 10×–50× zoom range | Motic | SMZ-171 | |
E. coli (OP50) | Caenorhabditis Genetics Center (CGC) | OP50 | |
Glass coverslips, no. 1.5, 24 × 50 mm | VWR International | 48393-241 | |
M9 Buffer | Stiernagle, T. Maintenance of C. elegans. WormBook. 1-11, doi:10.1895/wormbook.1.101.1, (2006). | ||
Methyl cellulose | Sigma-Aldrich | H7509-25G | |
Microcapillary pipette aspirator tube | Sigma-Aldrich | A5177 | |
Microcapillary pipettes, 0.4-mm i.d | Drummond Scientific | 1-000-800 | |
Needle, no. 18G x 1 ½ (1.2mm x 40mm) | BD Precision Glide | 305196 | |
NGM plates | prepared as described by Brenner (1974) | ||
O-ring for imaging chamber | O-Rings West | M1.5X40 | |
Pasteur pipette | Corning/Sigma-Aldrich | CLS7095D5X | |
Platinum wire, 0.5-mm diameter | Sigma-Aldrich | 267201 | |
Poly-L-lysine | Sigma-Aldrich | P1524 | |
Stainless steel rectangular chamber (76.0 mm x 50.5 mm) | Applied Scientifics Instrumentations (ASI) | I2450 | |
Worm Eyelash Pick | Hart, A. C. Behavior. WormBook. (2006). | ||
Worm Pick | Stiernagle, T. Maintenance of C. elegans. WormBook. 1-11, doi:10.1895/wormbook.1.101.1, (2006). | ||
Name | Company | Catalog Number | Comments |
Steps 5-6 | |||
488 nm long-pass filter | Semrock | LP02-488 RU-2 | |
561-nm notch filter | Semrock | NF03-561E-25 | |
BLP02-561R-25, quantity 2 | Semrock | 561 nm EdgeBasic best-value long-pass edge filter | |
Control software for bottom camera | Jenoptik | ProgRes CapturePro | |
diSIPM assembly video | Applied Scientifics Instrumentations (ASI) | https://youtu.be/TAgbr6IrTqw ; http://www.asiimaging.com | |
diSPIM alignment video | Applied Scientifics Instrumentations (ASI) | https://youtu.be/qnOrg30NNuE | |
diSPIM imaging PC | Intel | Intel Xeon CPU E5-2630 2.6GHz, 12 cores in total, 64 GB memory, Windows 7 | |
FF01-525/45-25, quantity 2 | Semrock | 525/45 nm BrightLine single-band bandpass filter | |
FF555-DI03-25X36, quantity 2 | Semrock | 555 nm edge BrightLine single-edge dichroic beamsplitter | |
Imaging PC Graphics Card | NVIDIDA | NVIDIA GeForce GTX 1080 Ti graphics cards | |
Kumar et al diSPIM Setup | Applied Scientifics Instrumentations (ASI) | Instrument setup for this protocol is identical to Kumar et al 10,11 diSPIM, which makes use of 40x 0.8NA water immersion lenses for imaging. (See steps 5.1 and note) | |
Micro Manager | Micro-Manager | https://micro-manager.org/ | |
Modifications to Kumar et al diSPIM Setup (see below) | |||
Optical table with isolators, 4 feet × 6 feet × 12 inches | TMC | 784-651-02DR and 14-416-34 | |
Name | Company | Catalog Number | Comments |
Steps 7-10 | |||
Analysis PC | Intel | Intel Core i7-8700K CPU 3.70GHz, 6 cores in total, 64 GB memory, Windows 10 | |
Analysis PC Graphics Card | NVIDIDA | NVIDIA GeForce GTX 1080 Ti graphics cards | |
Installation instructions | Software bundle | http://dispimlineage.wormguides.org/diSPIMlineaging_InstallationInstructions.htm | |
Software bundle | Software bundle | http://dispimlineage.wormguides.org |