闪光:用于自动化肌肉纤维类型,代谢和形态分析的创新综合酶体光标签
Maxime Di Gallo1, Thomas Guilbert2,3, Doriane Pereira2,4,5
1Institut Cochin, Université Paris Cité, CNRS UMR8104, INSERM U1016, Paris, 75014 , France. maxime.di-gallo@inserm.fr.
Skeletal muscle
|November 22, 2025
概括
一种名为FLASH的新方法通过在单个部分上结合酶和光标签来简化骨肌肉组织学. 这种自动化方法准确地分析肌肉纤维类型和大小,节省时间和减少研究中的偏见.
科学领域:
- 生物化学 生物化学
- 细胞生物学 细胞生物学
- 历史学 历史学 历史学
背景情况:
- 骨肌经历重塑对于理解肌肉病,衰老和受伤恢复至关重要.
- 准确的肌肉纤维特征 (类型,大小,代谢概况) 对这些研究至关重要.
- 传统的组织学方法很费力,需要大量的组织,并可能引入偏差.
研究的目的:
- 为高通量骨肌组织学开发一种高效,强大的方法.
- 为了能够同时评估个体肌肉纤维内的收缩和代谢特性.
- 为了减少肌肉纤维分析中的复杂性和用户偏见.
主要方法:
- 开发了FLASH (基于光的标签,用于评估骨肌肉组织学),在单个部分上结合了酶和四重光标签.
- 使用自定义的Fiji/ImageJ宏与Cellpose进行自动检测,横截面积 (CSA) 的量化,纤维类型和酶强度.
- 实现批量分析用于图像文件的自动处理,并与手动细分进行验证.
主要成果:
- FLASH允许同时评估收缩性和代谢性质,从而消除了对连续段的需求.
- 自动图像分析显示了纤维检测的高精度 (r > 0.95) 和一致的量化.
- 自动化工作流显著减少了分析时间,包括数据出口.
结论:
- FLASH为高通量骨肌组织学提供了一种高效,强大的工具.
- 联合标记和机器学习的结合提高了可重复性,并减少了实验复杂性.
- 这种方法非常适合大规模或纵向研究健康和疾病中的肌肉适应.
