从小鼠缩模型中分离出的心肌细胞的独特形态特征: ImageJ 分析与机器学习算法相结合

科学领域:

• 心脏病学 心脏病学
• 生物医学工程 生物医学工程
• 计算生物学 计算生物学

背景情况:

• 心脏缩是心力衰竭的重要危险因素.
• 对心肌细胞进行准确的形态分析对于了解疾病机制至关重要.
• 现有的心肌细胞分析方法往往是劳动密集型的,缺乏标准化.

研究的目的:

• 为分析心肌细胞形态特征建立标准化工作流程.
• 从各种小鼠心脏缩模型中识别心肌细胞中的特定形态变化.
• 开发一种高通量方法,以区分健康的心脏状态和患病的心脏状态.

主要方法:

• 优化了兰登多夫协议,用于隔离小鼠心肌细胞,达到>97%的棒状细胞.
• 开发了一个定制的ImageJ宏,结合机器学习算法进行形态分析.
• 使用高分辨率/高含量光微图进行详细的细胞分析.

主要成果:

• 成功地将分析工作流应用于来自 ангиотензин II,异二醇和年龄诱导的缩模型的心肌细胞.
• 确定了与不同类型的心脏缩相关的独特形态特征.
• 通过冷-解周期验证了工作流的能力,以保持细胞完整性,用于基因表达分析.

结论:

• 这项研究提供了一种有效和标准化的工作流程,用于对孤立心肌细胞的高通量形态和分子表征.
• 这种工作流可以作为一个强大的工具来区分健康与患病的心脏状态.
• 该方法可以评估治疗策略在逆转心脏缩方面的有效性.