新型高内容和开源图像分析工具,用于在神经细胞模型中分析线粒体形态

科学领域:

• 细胞生物学 细胞生物学
• 生物物理学的生物物理.
• 计算生物学 计算生物学

背景情况:

• 线粒体表现出由细胞条件,压力,遗传学和疾病影响的动态形态变化.
• 对线粒体形态的准确分析对于理解其在疾病中的作用和开发新疗法至关重要.

研究的目的:

• 引入一个新的图像分析管道,MitoProfiler,用于快速准确地分析线粒体形态.
• 以确定强大的纹理指标来描述线粒体状态,使用无偏的特征聚类和高内容分析.

主要方法:

• 采用高含量分析来测量多个线粒体形态参数.
• 利用无偏的特征集群来识别关键的纹理指标.
• 开发了MitoProfilerHC用于高内容应用程序和使用napari开源版本以实现更广泛的可访问性.

主要成果:

• 确定了一对强大的纹理指标来描述线粒体形态.
• 在各种条件下,哺乳动物细胞和初级神经元的量化线粒体形态变化.
• 验证了开源MitoProfiler管道的性能和适用性.

结论:

• MitoProfiler提供了一种基于高内容和开源的方法,用于准确量化线粒体形态.
• 这种工具有望加速线粒体生物学和疾病研究中的机械学发现.