快速可靠的图像分析管道,用于MATLAB中中枢神经系统细胞类型的半自动定量化
Adrian Castellanos-Molina1, Juliette Ferry1, Ana Boisvert1
1Département de médecine moléculaire, Faculté de médecine, Université Laval, Québec, QC G1V 0A6, Canada; Axe neurosciences, Centre de recherche du Centre hospitalier universitaire (CHU) de Québec-Université Laval, Québec, QC G1V 4G2, Canada.
Journal of neuroscience methods
|September 27, 2025
概括
一个新的MATLAB工作流程使用核形态自动化了中枢神经系统 (CNS) 细胞量化,提高了可复制性,减少了疾病研究中的偏见.
科学领域:
- 神经科学是一个神经科学.
- 细胞生物学 细胞生物学
- 生物信息学是一种生物信息学.
背景情况:
- 中枢神经系统 (CNS) 细胞的自动定量对于理解疾病和损伤至关重要.
- 中枢神经系统样本中的组织异质性和复杂的细胞架构挑战了现有的自动化分析方法.
- 手动量化引入了用户偏见,限制了中枢神经系统细胞研究中的可复制性.
研究的目的:
- 开发一个半自动化的MATLAB工作流程,用于可重复量化免疫光染色中枢神经系统细胞.
- 解决处理中枢神经系统组织异质性和细胞架构的现有方法的局限性.
- 为在中枢神经系统研究中分析细胞反应提供一个用户友好的工具.
主要方法:
- 一个基于MATLAB的管道,使用DAPI掩盖和圆检测算法 (imfindcircles) 进行核信号识别.
- 专注于核形态,而不是细胞检测的完整图像细分.
- 需要最小的用户输入,优化中枢神经系统细胞量化.
主要成果:
- 实现了对中枢神经系统居民细胞的可靠和可重复量化.
- 自动化分析与手动量化结果密切匹配,大脑和脊髓部分的误差最小.
- 在检测受伤诱导的变化方面表现出敏感性,例如脊髓损伤后的寡 dendrocyte 损失.
结论:
- 为中枢神经系统细胞量化提供了经典细分模型的可复制替代方案.
- 提供简单性,最小输入,缩短分析时间和CNS特异性.
- 在健康和病态中枢神经系统环境中研究细胞反应的宝贵工具.
