ImageJ实用技巧 您所在的位置:网站首页 hopefulness 翻译 ImageJ实用技巧

ImageJ实用技巧

2024-03-27 22:19| 来源: 网络整理| 查看: 265

Sholl技术,早在1953年就由伦敦大学学院的Donald Sholl所提出,之后就以他的名字命名。他提出了一套完整的,定量分析神经元轴突和树突的方法[1]。

sholl在所用到的分析方法示意图

Sholl Analysis的原理其实并不复杂:将一组同心圆叠加到神经元上(通常在胞体),通过计算与每个圆相交的分支数,得出对不同区域的神经元树突和轴突的分支模式,从而定量表征被成像神经元形态特征。

Sholl Analysis这个插件2014年发表在Nature Methods,是一个独立的插件,同时也能在Simple Neurite Tracer中打开。能够对2D/3D的未追踪神经元和已有路径进行快速的Sholl分析。下面是官网的插件说明:

下图是2016年发表在Nature Communications上的一篇文章,其中就用到了Sholl Analysis,用ImageJ软件对神经元复杂性(分支数)进行了定量分析[2]

插件篇的第二篇,就为大家介绍这一插件。但这个插件的使用比较复杂,一次讲完篇幅太长,所以分为两次讲解,第一次介绍:

Sholl Analysis分析已追踪的神经元(已经在Simple Neurite Tracer中生成了.traces文件)

以3D的神经元图片为例:

1、打开图片后,打开Simple Neurite Tracer插件,载入已有路径(File-Load Traces)

载入已经追踪好的路径

怎么使用Simple Neurite Tracer插件已经在上一篇中讲过,可以查看下面的链接。

2、点击All Paths界面选择主干的路径(呈绿色)

选中胞体所在的主干

因为Sholl Analysis是从胞体开始画同心圆,所以需要选中胞体所在的轴突。

3、选中胞体进行Sholl Analysis

按住Ctrl+Shift,红色十字会在主干上移动,移动到胞体上,然后按Ctrl+Shift+A。

之后会弹出下面的界面。

Sholl Analysis初始化界面

红框中是我们最需要关注的地方:

(1)是只对选中的一条路径进行Sholl Analysis,还是对所有路径?(选择对所有的路径)

(2)Radius step size:步长半径。因为Sholl Analysis本质是画许多同心圆,同心圆的半径逐渐扩大。改变这个参数,可以调节同心圆之间的步长。

(3)Sholl Image:点击Sholl Image会出现同心圆图片,不同颜色代表交点数的多少。

不同颜色代表交点数的多少

(4)Preview Plot:点击Preview Plot,可得出下面的柱状图,横坐标是距离圆心的距离,纵坐标是交点数。

4、点击Analyze Profile,出现下面的初始化界面。

一般选择默认值,点击OK,即可得到许多图表。其中最重要的结果是下面两幅图:

左图为不同半径同心圆的交点数据,右图为根据左侧数据拟合出的曲线

左图的表格可以导出生成.csv文件,进行后续的作图,右图表现出主干的分支状况(横坐标是距离圆心的距离,纵坐标是交点数)。

5、生成Sholl Image Neuron

这一步其实是将Sholl Image中的颜色,覆盖到3D的神经元上,从而更加直观地看出神经元的分支情况。

保持Sholl Image打开,在Tracing界面选择3D Viewer:Use colors/labels from:Sholl analysis of all paths for……

即可在3D Viewer中得到Sholl Image Neuron,如下图:

不同颜色代表分支数的不同

但这一方法必须是建立在已经有追踪好的路径的情况下,如果遇到过于繁杂的神经元,工作量会相当大,且追踪的质量直接关系到Sholl Analysis的质量。

下一篇会接着讲解,如果没有提前追踪路径,应该怎么做Sholl Analysis,敬请期待。

如果想更深入了解这一插件,强烈建议阅读参考文献1和2,以及官网的介绍。

参考文献:

[1]Sholl D A . Dendritic organization in the neurons of the visual and motor cortices of the cat.[J]. Journal of Anatomy, 1953, 87(4):387-406.

[2]Ferreira T A , Blackman A V , Oyrer J , et al. Neuronal morphometry directly from bitmap images[J]. Nature Methods.

[3]Yang Y , Wang Z H , Jin S , et al. Opposite monosynaptic scaling of BLP–vCA1 inputs governs hopefulness- and helplessness-modulated spatial learning and memory[J]. Nature Communications, 2016, 7:11935.

如果对于ImageJ使用有什么问题可以私信我,或者给我发邮件:[email protected]

更多教程可以关注我的专栏:

希望对大家有帮助~



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有