Nöronal izleme - Neuronal tracing

Nöronal izleme veya nöron yeniden kullanılan bir tekniktir nörobilim belirlemek için yolu arasında neurites veya nöronal süreçler, aksonların ve dendritler a, nöron . Örnek hazırlama açısından, diğer genetik nöron etiketleme tekniklerinin yanı sıra aşağıdakilerden bazılarına atıfta bulunabilir:

Geniş anlamda, nöron izleme, bir nöronun morfolojisinin yukarıdaki örneklerin görüntüleme verilerinden dijital olarak yeniden yapılandırılmasıyla daha sık ilişkilidir.

Dijital nöronal rekonstrüksiyon ve nöronal izleme

Nöron morfolojisinin dijital olarak yeniden yapılandırılması veya izlenmesi, hesaplamalı sinirbilimde temel bir görevdir. Ayrıca, genellikle ışık mikroskobuna (örneğin lazer tarama mikroskobu, parlak alan görüntüleme) veya elektron mikroskobuna veya diğer yöntemlere dayanan gelişmiş mikroskop görüntülerine dayalı nöronal devrelerin haritalanması için de kritiktir. Nöron morfolojisinin yüksek karmaşıklığı ve bu tür görüntülerde sıklıkla görülen ağır gürültü ve ayrıca tipik olarak karşılaşılan büyük miktarda görüntü verisi nedeniyle, yaygın olarak hesaplamalı sinirbilim için en zorlu hesaplama görevlerinden biri olarak görülmüştür. Nöron morfolojisini genellikle 3 boyutlu, manuel, yarı otomatik veya tamamen otomatik olarak izlemek için birçok görüntü analizi tabanlı yöntem önerilmiştir. Normalde iki işlem adımı vardır: bir yeniden yapılandırmanın oluşturulması ve prova düzenlemesi.

Tarih

Bir nöronun morfolojisini tanımlama veya yeniden yapılandırma ihtiyacı, muhtemelen nöronların Golgi'nin yöntemleri kullanılarak etiketlendiği veya görselleştirildiği nörobilimin ilk günlerinde başlamıştır . Piramidal nöronlar ve Avize hücreleri gibi bilinen nöron tiplerinin çoğu, morfolojik karakterizasyonlarına göre tanımlanmıştır.

1960'larda Dr. Edmund Glaser ve Dr. Hendrik Van der Loos tarafından oluşturulan nöronal morfolojiyi analiz etmek için ilk bilgisayarlı mikroskop

Şimdi Neurolucida olarak bilinen ilk bilgisayar destekli nöron rekonstrüksiyon sistemi, 1960'larda Dr. Edmund Glaser ve Dr. Hendrik Van der Loos tarafından geliştirildi.

Bir nöronu izlemeye yönelik modern yaklaşımlar, mikroskoplar kullanılarak nöronların sayısallaştırılmış resimlerinin elde edilmesiyle başladı. Başlangıçta bu 2D olarak yapıldı. Gelişmiş 3D görüntülemeden, özellikle floresan görüntülemeden ve elektron mikroskobik görüntülemeden hemen sonra, bu görüntüleme verilerinden nöron morfolojisinin izlenmesi için büyük bir talep vardı.

yöntemler

Bir nöronun morfolojisinin dijital olarak izlenmesinin şematik gösterimi

Nöronlar genellikle 2B veya 3B olarak manuel olarak izlenebilir. Bunu yapmak için, bir 3B görüntü hacminin ayrı 2B bölümlerinde nöronal süreçlerin yörüngesini doğrudan boyayabilir ve bunları birbirine bağlamayı başarabilir veya bir projeksiyon görüntüsündeki herhangi bir 2B boyalı yörüngeyi doğrudan gerçek 3B'ye dönüştüren 3B Sanal Parmak resmini kullanabilir. nöron süreçleri. Nöronların manuel olarak izlenmesinin en büyük sınırlaması, işteki büyük emek miktarıdır.

Nöronların otomatik yeniden yapılandırılması, model (örneğin küreler veya tüpler) yerleştirme ve yürüme, aşırı yeniden yapılandırmanın budanması, kilit noktaların minimum maliyetli bağlantısı, ışın patlaması ve diğerleri kullanılarak yapılabilir. İskeletleştirme, otomatik nöron rekonstrüksiyonunda kritik bir adımdır, ancak tüm yol budama ve varyantları durumunda, model parametrelerinin (örneğin tüp çapları) tahmini ile birleştirilir. Otomatik izlemenin en büyük sınırlaması, özellikle nöron morfolojisi karmaşık olduğunda veya görüntünün önemli miktarda gürültüye sahip olduğu durumlarda kesinlik eksikliğidir.

Yarı otomatik nöron izleme genellikle iki stratejiye bağlıdır. Biri, tamamen otomatik nöron izlemeyi çalıştırmak ve ardından bu tür rekonstrüksiyonların manuel küratörlüğünü yapmaktır. Alternatif yol, bir nöronun otomatik olarak daha kolay izlenebileceği bir nöronun son konumları gibi bazı ön bilgileri üretmektir. Yarı otomatik izlemenin genellikle kabul edilebilir zaman maliyeti ve makul derecede iyi yeniden yapılandırma doğruluğu olan dengeli bir çözüm olduğu düşünülür. Açık kaynaklı yazılım Vaa3D -Neuron , Neurolucida 360 , Imaris Filament Tracer ve Aivia, her iki yöntem kategorisini de sağlar.

Elektron mikroskobu görüntüsünün izlenmesinin, ışık mikroskobu görüntülerini izlemekten daha zor olduğu düşünülürken, DIADEM yarışmasına göre ikincisi hala oldukça zor . Elektron mikroskobu verilerini izlemek için, manuel izleme, alternatif otomatik veya yarı otomatik yöntemlerden daha sık kullanılır. Işık mikroskobu verilerini izlemek için, otomatik veya yarı otomatik yöntemler daha fazla kullanılır.

Elektron mikroskobu görüntülerini izlemek önemli miktarda zaman aldığından, işbirliğine dayalı manuel izleme yazılımı yararlıdır. Kitle kaynak kullanımı, bu tür görüntü veri kümeleri için işbirlikçi manuel yeniden yapılandırma sonuçlarını etkili bir şekilde toplamanın alternatif bir yoludur.

Araçlar ve yazılım

Bir dizi nöron izleme aracı, özellikle yazılım paketleri mevcuttur. Farklı araştırma gruplarında geliştirilen bir dizi nöron izleme yönteminin uygulanmasını ve nicel ölçüm, ayrıştırma, karşılaştırma gibi birçok nöron yardımcı programı içeren kapsamlı bir Açık Kaynak yazılım paketi, Vaa3D ve onun Vaa3D-Neuron modülleridir . NeuronStudio gibi bazı diğer ücretsiz araçlar da belirli yöntemlere dayalı izleme işlevi sağlar. Nörobilimciler ayrıca nöronları izlemek ve analiz etmek için Neurolucida , Neurolucida 360 , Aivia , Amira vb. gibi ticari araçlar kullanırlar . Son araştırmalar, Neurolucida'nın diğer tüm mevcut nöron izleme programlarının toplamından 7 kat daha fazla alıntı yapıldığını ve aynı zamanda nöronal rekonstrüksiyon üretmek için en yaygın kullanılan ve çok yönlü sistem olduğunu göstermektedir. BigNeuron projesi (https://alleninstitute.org/bigneuron/about/) Açık Kaynak, tek birinde çeşitli araçların kolay erişimin kolaylaştırılması için ortak bir platform üzerine araçlarını izleme bilinen nöronun çoğunluğunu entegre etmek son önemli uluslararası işbirliği çaba yer. Bu çabayla, isteğe bağlı olarak büyük görüntü hacmini izleyebilen UltraTracer gibi güçlü yeni araçlar üretildi.

Nöron formatları ve veritabanları

Tek nöronların rekonstrüksiyonları çeşitli formatlarda saklanabilir. Bu, büyük ölçüde bu tür nöronları izlemek için kullanılan yazılıma bağlıdır. Bir dizi topolojik olarak bağlı yapısal bölmeden (örneğin tek bir tüp veya küre) oluşan SWC formatı, özellikle morfolojide ayrı bölmeler için ayrıntılı 3D şekil modellerinden yoksun olduğunda veya buna ihtiyaç duymadığında, dijital izlenen nöronları depolamak için sıklıkla kullanılır. Diğer daha karmaşık nöron formatları, diğerleri arasında Neurolucida kullanan nöron hücre gövdesi ve nöron işlemlerinin ayrı geometrik modellemesine sahiptir.

Birkaç yaygın tek nöron rekonstrüksiyon veri tabanı vardır. Yaygın olarak kullanılan bir veritabanı http://NeuroMorpho.Org'dur ve bir dizi araştırma laboratuvarı tarafından dünya çapında katkıda bulunan 40'tan fazla türün 86.000'den fazla nöron morfolojisini içerir. Allen Beyin Bilimi Enstitüsü , HHMI'nin Janelia Araştırma Kampüsü ve diğer enstitüler de büyük ölçekli tek nöron veritabanları üretiyor. Farklı ölçeklerde ilgili nöron veri veritabanlarının birçoğu da mevcuttur.

Referanslar