Hier presenteren we een protocol om een curvelet transform-gebaseerde, open-source MATLAB-softwaretool te gebruiken voor het kwantificeren van fibrillaire collageenorganisatie in de extracellulaire matrix van zowel normale als zieke weefsels. Deze tool kan worden toegepast op afbeeldingen met collageenvezels of andere soorten lijnachtige structuren.
Fibrillar collageens zijn prominente extracellulaire matrix (ECM) componenten, en hun topologie veranderingen zijn aangetoond te worden geassocieerd met de progressie van een breed scala van ziekten, waaronder borst-, eierstok-, nier- en alvleesklierkanker. Vrij beschikbare softwaretools voor vezelkwantificering zijn voornamelijk gericht op de berekening van vezeluitlijning of -oriëntatie, en ze zijn onderhevig aan beperkingen zoals de vereiste van handmatige stappen, onnauwkeurigheid in de detectie van de vezelrand op een lawaaierige achtergrond of gebrek aan gelokaliseerde functiekarakterisering. De collageenvezelkwantificeringstool die in dit protocol wordt beschreven, wordt gekenmerkt door het gebruik van een optimale afbeeldingsweergave op meerdere schaal die wordt ingeschakeld door curvelettransformatie (CT). Deze algoritmische benadering maakt het mogelijk om ruis uit fibrillaire collageenafbeeldingen te verwijderen en de vezelranden te verbeteren om locatie- en oriëntatie-informatie rechtstreeks van een vezel te bieden, in plaats van de indirecte pixel- of venstergewijze informatie te gebruiken die is verkregen uit andere tools. Dit op CT gebaseerde framework bevat twee afzonderlijke, maar gekoppelde pakketten met de naam “CT-FIRE” en “CurveAlign” die glasvezelorganisatie kunnen kwantificeren op een globale, region of interest (ROI) of individuele vezelbasis. Dit kwantificeringskader is al meer dan tien jaar ontwikkeld en is nu uitgegroeid tot een uitgebreid en gebruikersgedreven collageenkwantificeringsplatform. Met behulp van dit platform kan men tot ongeveer dertig vezelfuncties meten, waaronder individuele vezeleigenschappen zoals lengte, hoek, breedte en rechtheid, evenals bulkmetingen zoals dichtheid en uitlijning. Bovendien kan de gebruiker de vezelhoek meten ten opzichte van handmatig of automatisch gesegmenteerde grenzen. Dit platform biedt ook verschillende extra modules, waaronder modules voor ROI-analyse, automatische grenscreatie en nabewerking. Het gebruik van dit platform vereist geen voorafgaande ervaring met programmeren of beeldverwerking en het kan grote datasets verwerken, waaronder honderden of duizenden afbeeldingen, waardoor een efficiënte kwantificering van de collageenvezelorganisatie voor biologische of biomedische toepassingen mogelijk is.
Fibrillar collageens zijn prominente, structurele ECM componenten. Hun organisatie verandert impact weefselfunctie en zijn waarschijnlijk geassocieerd met de progressie van vele ziekten variërend van osteogenese imperfecta1,hartdisfunctie2, en wondgenezing3 tot verschillende soorten kanker, waaronder borst4,5,6,eierstok7,8,nier9, en alvleesklierkanker10. Veel gevestigde beeldvormingsmodaliteiten kunnen worden gebruikt om fibrillar collageen te visualiseren, zoals microscopie van de tweede harmonische generatie11,vlekken of kleurstoffen in combinatie met heldere veld- of fluorescentiemicroscopie of gepolariseerde lichtmicroscopie12,vloeibare kristalgebaseerde polarisatiemicroscopie (LC-PolScope)13en elektronenmicroscopie14. Naarmate het belang van fibrillaire collageenorganisatie duidelijker is geworden en het gebruik van deze methoden is toegenomen, is de behoefte aan verbeterde collageenvezelanalysebenaderingen ook toegenomen.
Er zijn veel inspanningen geleverd om computationele methoden te ontwikkelen voor geautomatiseerde meting van fibrillar collageen. Vrij beschikbare softwaretools zijn voornamelijk gericht op de berekening van vezeluitlijning of oriëntatie door ofwel de eerste afgeleide of structuur tensor voor pixels15,16, of Fourier transformatie-gebaseerde spectrumanalyse voor beeldtegels17. Al deze tools zijn onderhevig aan beperkingen, zoals de vereiste van handmatige stappen, onnauwkeurigheid in de detectie van de vezelrand op een lawaaierige achtergrond of gebrek aan gelokaliseerde functiekarakterisering.
In vergelijking met andere vrij beschikbare open-source vrije softwaretools gebruiken de methoden die in dit protocol worden beschreven CT – een optimale, multiscale, directionele beeldweergavemethode – om ruis uit fibrillaire collageenafbeeldingen te verwijderen en vezelranden te verbeteren of bij te houden. Informatie over locatie en oriëntatie kan rechtstreeks vanuit een vezel worden verstrekt in plaats van door de indirecte pixel- of venstergewijze informatie te gebruiken om de statistieken van glasvezelorganisatie af te leiden. Dit op CT gebaseerde framework18,19,20,21 kan glasvezelorganisatie kwantificeren op een wereldwijde, ROI- of vezelbasis, voornamelijk via twee afzonderlijke, maar gekoppelde pakketten met de naam “CT-FIRE”18,21 en “CurveAlign”19,21. Wat de implementatie van de software betreft, kunnen in CT-FIRE CT-coëfficiënten op meerdere schalen worden gebruikt om een afbeelding te reconstrueren die randen verbetert en ruis vermindert. Vervolgens wordt een individueel vezelextractiealgoritme toegepast op de CT-gereconstrueerde afbeelding om vezels te volgen voor het vinden van hun representatieve middelpunten, het uitbreiden van vezeltakken vanaf de middelpunten en het koppelen van vezeltakken om een glasvezelnetwerk te vormen. In CurveAlign kunnen CT-coëfficiënten op een door de gebruiker opgegeven schaal worden gebruikt om de lokale vezeloriëntatie bij te houden, waarbij de oriëntatie en locaties van curvelets worden geëxtraheerd en gegroepeerd om de vezeloriëntatie op de overeenkomstige locaties te schatten. Dit resulterende kwantificeringskader is al meer dan tien jaar ontwikkeld en is sterk geëvolueerd in vele aspecten zoals functionaliteit, gebruikersinterface en modulariteit. Deze tool kan bijvoorbeeld de lokale vezeloriëntatie visualiseren en stelt de gebruiker in staat om tot dertig vezelfuncties te meten, waaronder individuele vezeleigenschappen zoals lengte, hoek, breedte en rechtheid, evenals bulkmetingen zoals dichtheid en uitlijning. Bovendien kan de gebruiker de vezelhoek meten ten opzichte van handmatig of automatisch gesegmenteerde grenzen, wat bijvoorbeeld een belangrijke rol speelt in de ontwikkeling van beeldgebaseerde biomarker in borstkanker22 en alvleesklierkankerstudies10. Dit platform biedt verschillende functiemodules, waaronder modules voor ROI-analyse, automatische grenscreatie en nabewerking. De ROI-module kan worden gebruikt om verschillende vormen van ROI te annoteren en de bijbehorende ROI-analyse uit te voeren. Als toepassingsvoorbeeld kan de automatische module voor het maken van grenzen worden gebruikt om hematoxyline en eosine (H&E) heldere veldafbeeldingen te registreren met SHG-afbeeldingen (Second Harmonic Generation) en het afbeeldingsmasker van tumorgrenzen te genereren uit de geregistreerde H&E-afbeeldingen. De module na verwerking kan helpen bij het vergemakkelijken van de verwerking en integratie van uitvoergegevensbestanden uit afzonderlijke afbeeldingen voor mogelijke statistische analyse.
Dit kwantificeringsplatform vereist geen voorafgaande ervaring met programmeren of beeldverwerking en kan grote datasets verwerken, waaronder honderden of duizenden afbeeldingen, waardoor een efficiënte kwantificering van de collageenorganisatie voor biologische of biomedische toepassingen mogelijk is. Het is op grote schaal gebruikt op verschillende onderzoeksgebieden door veel onderzoekers over de hele wereld, waaronder wijzelf. Er zijn vier hoofdpublicaties over CT-FIRE en CurveAlign18,19,20,21, waarvan de eerste drie 272 keer zijn geciteerd (vanaf 2020-05-04 volgens Google Scholar). Een overzicht van de publicaties die dit platform citeerden (CT-FIRE of CurveAlign) geeft aan dat er ongeveer 110 tijdschriftstukken zijn die het direct gebruikten voor hun analyse, waarin ongeveer 35 publicaties samenwerkten met onze groep, en de andere (~ 75) werden geschreven door andere groepen. Bijvoorbeeld: dit platform werd gebruikt voor de volgende studies: borstkanker22,23,24, alvleesklierkanker10,25, nierkanker9,26, wondgenezing3,27,28,29,30, eierstokkanker8,31,7, uterosacrale ligament32, hypofosfaterem dentine33, basaalcelcarcinoom34, hypoxisch sarcoom35, kraakbeenweefsel36, hartdisfunctie37, neuronen38, glioblastoom39, lymfatische contracties40, vezelige cacffolds41, maagkanker42, microtubuli43, en blaasfibrose44. Figuur 1 toont de kankerbeeldvormingstoepassing van CurveAlign om de tumor-geassocieerde collageenhandtekeningen van borstkanker19 uit het SHG-beeld te vinden. Figuur 2 beschrijft een typische schematische workflow van dit platform. Hoewel deze tools technisch zijn herzien18,19,21, en een regelmatig protocol20 voor uitlijningsanalyse met CurveAlign ook beschikbaar is, kan een visueel protocol dat alle essentiële functies demonstreert nuttig zijn. Een gevisualiseerd protocol, zoals hier gepresenteerd, zal het leerproces van het gebruik van dit platform vergemakkelijken en efficiënter omgaan met zorgen en vragen die gebruikers zouden kunnen hebben.
Dit protocol beschrijft het gebruik van CT-FIRE en CurveAlign voor fibrillaire collageenkwantificering en kan worden toegepast op elk beeld met collageenvezels of andere lijnachtige of vezelachtige langwerpige structuren die geschikt zijn voor analyse door CT-FIRE of CurveAlign. Elastine of elastische vezels kunnen bijvoorbeeld op dit platform op een vergelijkbare manier worden verwerkt. We hebben beide tools getest op rekenkundig gegenereerde synthetische vezels21. Afhankelijk van de toepassing m…
The authors have nothing to disclose.
We danken vele bijdragers en gebruikers aan CT-FIRE en CurveAlign door de jaren heen, waaronder Dr. Rob Nowak, Dr. Carolyn Pehlke, Dr. Jeremy Bredfeldt, Guneet Mehta, Andrew Leicht, Dr. Adib Keikhosravi, Dr. Matt Conklin, Dr. Jayne Squirrell, Dr. Paolo Provenzano, Dr. Brenda Ogle, Dr. Patricia Keely, Dr. Joseph Szulczewski, Dr. Suzanne Ponik en aanvullende technische bijdragen van Swati Anand en Curtis Rueden. Dit werk werd ondersteund door financiering van Semiconductor Research Corporation, Morgridge Institute for Research en NIH-subsidies R01CA199996, R01CA181385 en U54CA210190 aan K.W.E.
CT-FIRE | Univerity of Wisconsin-Madison | N/A | open source software available from https://eliceirilab.org/software/ctfire/ |
CurveAlign | University of Wisconsin-Madison | N/A | open source software available from https://eliceirilab.org/software/curvealign/ |