Miksi alusten halkaisijan mittaaminen liikkuvassa embryossa ei ole triviaalia
Zebrafish-embrystä käytetään mieluisasti sydän- ja verisuonitutkimuksissa, koska sen läpinäkyvyys mahdollistaa verisuonten muodostumisen ja toiminnan tarkastelun reaaliajassa. Tämä optinen ikkuna on suuri etu, mutta sillä on myös haittapuolensa. Saman sydämen, joka tekee mallista hyödyllisen, aiheuttaa myös alusten liikettä. Yksi sydämenlyönti voi siirtää alustan reunaa useita pikseleitä, ja tätä liikettä voidaan helposti erehtyä tulkitsemaan muutokseksi halkaisijassa. Zebrafish-verenvirta-analyysijärjestelmän on erotettava todellinen alustan geometria sydämenliikkeestä, hengitysliikkeestä ja satunnaisista nykäyksistä.
Ongelma ei ole pelkästään liike. Alustan halkaisija larvassa voi olla vain muutama mikrometri. Tällä mittakaavalla optinen erotuskyky, pikselikoko ja tarkennus ovat kaikki ratkaisevia tekijöitä. Järjestelmä, joka näyttää erinomaiselta staattisella kalibrointitavoitteella, saattaa kokea vaikeuksia, kun näyte on elävä ja verkkoon pumpataan.
Kuvantamismenettely määrittää sen, mitä järjestelmä todella pystyy näkemään
Useimmat halkaisijamittaukset aloitetaan mikroskoopilla. Kirkasvalokuvantaminen on yksinkertaista ja ei vaadi merkintää, mutta alustan seinämän ja ympäröivän kudoksen välinen kontrasti voi olla heikko. Fluoresenssikuvantaminen ratkaisee tämän käyttämällä transgeenisia linjoja, jotka ilmaisevat fluoresoivaa proteiinia endoteelisolujen sisällä. Alustan rajapinta muodostuu kirkkaasta viivasta tumman taustan edessä, mikä tekee reunantunnistuksesta paljon luotettavampaa.
Konfokaaliset ja valolevyjärjestelmät lisäävät optista leikkausta. Tämä auttaa, kun verisuonet päällekkäin tai kun tarkasteltava rakenne sijaitsee kudoksen syvällä. Kompromissi on nopeus. Pistekeskittävä konfokaalinen kuvantaminen voi olla liian hidasta nopeiden halkaisijan muutosten tallentamiseen. Pyörivän levyjen tai valolevyjärjestelmien käyttö toimii usein paremmin dynaamisissa mittauksissa.
Resoluutio on ehdoton raja. Tyypillinen korkean numeerisen aukon objektiivi voi erotella yksityiskohtia alle mikrometrin tarkkuudella, mutta detektorin pikselikoko ja optiikka yhdessä määrittävät pienimmän mitattavissa olevan muutoksen. Jos verisuoni on vain muutaman pikselin levyinen, tarvitaan alapikselialgoritmejä saadakseen merkityksellisiä lukuja.
Kalibrointi muuttaa pikselit mikrometreiksi
Halkaisijan arvo pikseleissä on hyödytön ilman mittakaavaa. Kalibrointi on vaihe, jossa pikselit muunnetaan mikrometreiksi. Vaiheen mikrometri tai hemosytometriliuska on klassinen työkalu. Tunnettu etäisyys kuvataan samalla objektiivilla ja kameran asetuksilla kuin kokeessa käytetään. Ohjelmisto laskee sitten mikrometrit pikseliä kohti.
-
Ota kuva kalibrointitavoitteesta samalla suurennuksella.
-
Mitaa tunnettu etäisyys pikseleissä.
-
Jaa tunnettu etäisyys pikselimäärällä saadaksesi mittakaavan.
-
Käytä kyseistä mittakaavaa kaikissa verkkokalvojen mittauksissa.
Kalibrointi kuulostaa triviaalilta, mutta sitä on helppoa tehdä väärin. Objektiivin, kameran binningin tai zoom-asetuksen muuttaminen tekee vanhan mittakaavan voimattomaksi. Järjestelmä, joka tallentaa kalibrointiprofiilit jokaiseen konfiguraatioon, vähentää tätä riskiä. Joissakin edistyneissä alustoissa käytetään myös tunnetun halkaisijan fluoresoivia mikropalloja kolmiulotteisen mittakaavan tarkistamiseen.
Reunan tunnistus ja profiilianalyysi löytävät verkkokalvon seinämän
Kun kuva on kalibroitu, ohjelmiston on paikannettava aluksen reunat. Useita menetelmiä on yleisesti käytössä. Yksinkertaisin on kynnysarvo: kaikki pikselit, joiden kirkkaus ylittää asetetun arvon, katsotaan alukseksi, ja halkaisija on etäisyys kyseisen alueen ulkoisten reunojen välillä. Kynnystäminen on nopeaa, mutta se on herkkä valaistuksen muutoksille ja kohinalle.
Robustimpi lähestymistapa käyttää intensiteettiprofiileja. Alukseen nähden kohtisuora viiva piirretään, ja sen varrella olevien pikselien intensiteetit piirretään kuvaajalle. Aluksen reunat ilmenevät huippuina tai laaksoina riippuen merkinnästä. Täysi leveys puolessa maksimista, usein lyhennetty FWHM:ksi, on standardimenetelmä halkaisijan määrittämiseksi kyseisestä profiilista. FWHM on vähemmän herkkä kokonaiskirkkauden muutoksille kuin kiinteä kynnysarvo, mikä tekee siitä hyödyllisen elävän kuvantamisen tukemiseen.
Alipikselisen reunan tunnistuksen menetelmä menee yhden askeleen pidemmälle. Sen sijaan, että pikseli käsittelisi pienimpänä yksikkönä, algoritmi sovittaa käyrän intensiteettiprofiiliin ja löytää reunan sijainnin alipikselitarkkuudella. Tämä voi parantaa toistettavuutta, kun verisuoni on vain muutaman pikselin levyinen.
Halkaisijan seuranta sydämen kiertoprosessin aikana
Levossa oleva verisuoni liikkuu silti. Sydämen lyönti työntää verta aorttaan ja muihin tärkeimpiin verisuoniin, mikä saa ne laajenemaan ja kutistumaan jokaisen pulssin mukana. Yhden kuvakehyksen mittaaminen antaa vain hetkellisen kuvan, ei todellista halkaisijaa. Järjestelmän, joka väittää mittaavansa verisuonen halkaisijaa, on otettava huomioon sydämen kiertoprosessi.
Korkean nopeuden kamerat auttavat. Kuvataajuudet yli 100 kuvaa sekunnissa voivat tallentaa useita pisteitä yhden sydämenlyönnin aikana. Jotkut järjestelmät käyttävät takautuvaa portausmenetelmää, jossa ohjelmisto järjestää kuvat niiden vaihetta sydämen syklin aikana mittaen. Toiset käyttävät eteenpäin suunnattua laukaisua, jossa kuvien ottaminen synkronoidaan sydämenlyöntiin. Molemmat menetelmät vähentävät liikehämärtymistä ja mahdollistavat systolisen ja diastolisen halkaisijan erillisen raportoinnin.
| Menetelmä | Tyypillinen tarkkuus | Liikkeen herkkyys | Parhaiten sopii |
|---|---|---|---|
| Manuaalinen reunan seuranta | Kohtalainen | Korkea | Staattiset tai kiinteät näytteet |
| Kynnysarvomenetelmä | Kohtalainen | Kohtalainen | Korkeakontrastinen fluoresenssi |
| FWHM-profiili | Hyvä | Matalasta kohtalaiseen | Live-kuvantaminen intensiteettigradientein |
| Alapikselitason reunasovitus | Korkea | Alhainen | Pienet alukset, dynaamiset tutkimukset |
Kenttäesimerkki, jossa liikehäiriö lähes torpedoi tutkimuksen
Yliopiston kardiovaskulaarisen tutkimuksen ryhmä eteläisessä Kiinassa käytti automatisoitua verenvirtauksen analyysijärjestelmää zebrafish-siittiöiden selkäartarian halkaisijan mittaamiseen. Ensimmäiset aineistot osoittivat suuria vaihteluita, jotka eivät vastanneet odotettua farmakologista vastausta. Ryhmä epäili biologista vaikutusta, mutta malli oli liian epäsäännöllinen.
Tarkempi tarkastelu raakavideota paljasti ongelman. Aluksen reuna liikkui jokaisen sydämenlyönnin mukana, ja seurantalgoritmi kiinnittyi eri pisteisiin reunalla kuvasta toiseen. Mitattu halkaisija hyppi yli todellisen muutoksen. Korjaus sisälsi kuvataajuuden lisäämisen, retrospektiivisen gatting-askeleen lisäämisen ja siirtymisen yksinkertaisesta kynnysarvosta intensiteettiprofiilimenetelmään. Seuraavan aineiston tulokset olivat selkeitä ja tulkittavissa. Biologia oli ollut koko ajan kunnossa. Mittaus ei ollut.
Tällaista ongelmaa ei tavata harvoin. Liikehäiriö on yksi yleisimmistä syistä, miksi halkaisijamittaus näyttää kohinaiselta. Hyvät järjestelmät tarjoavat työkaluja sen käsittelyyn, mutta käyttäjän on silti tunnistettava ongelma.
Mitä järjestelmä voi ja ei voi lupata
Mikään kuvantamisjärjestelmä ei voi mitata verisuonen halkaisijaa täydellisesti. Optinen resoluutio asettaa alarajan. Anestesia voi vaikuttaa verisuonen sävyyn. Syvällä sijaitsevat verisuonet hajottavat valoa ja hämärtävät reunat. Erittäin pienet kapillaarit voivat olla annetun objektiivin käytännöllisen rajan alapuolella. Järjestelmä, joka ilmoittaa luvun ilman epävarmuusarviota, piilottaa jotain.
Käytännön tavoitteena on toistettavuus. Jos sama verisuoni mitattuna kahdesti antaa saman arvon tiedetyllä toleranssilla, järjestelmä on hyödyllinen. Jos arvo muuttuu, kun kuvataajuus muuttuu, mittaus ei ole luotettava.
Hunter Lab (Hunter) valmistaa zebrafish-laboratoriolaitteita kiinnittäen huomiota optisiin ja mekaanisiin yksityiskohtiin, jotka vaikuttavat halkaisijamittauksiin. Valmistus- ja laadunvalvontapuoli tukee sitä vakautta, jota korkean nopeuden kuvantaminen ja alapikselianalyysi vaativat. Laboratorioille, jotka tarvitsevat vertailua verkkohalkaisijoista eri käsittelyjen tai ajan mittaan, tämä vakaus tekee tiedoista analysoitavia.