Investigación inmunológica
Acceso abierto

abstracto

Procesamiento automatizado de Raman sin etiquetas imágenes microscópicas de células de macrófagos con regresión estandarizada para alto rendimiento análisis

Robert J Milewski, Yutaro Kumagai, Katsumasa Fujita, Daron M Standley

Antecedentes: Los macrófagos representan la primera línea de nuestro sistema inmunológico; reconocen y engullen patógenos o partículas extrañas iniciando así la respuesta inmune. La obtención de imágenes de macrófagos presenta desafíos únicos, ya que la mayoría de las técnicas ópticas requieren el etiquetado o la tinción de los compartimentos celulares para resolver los orgánulos, y dichas tinciones o etiquetas tienen el potencial de perturbar la célula, particularmente en los casos en que existe información incompleta sobre la reacción celular precisa bajo observación. Las técnicas de imagen sin etiquetas, como la microscopía Raman, son herramientas valiosas para estudiar las transformaciones que ocurren en las células inmunitarias tras la activación, tanto a nivel molecular como de orgánulos. Sin embargo, debido a los niveles de señal extremadamente bajos, la microscopía Raman requiere técnicas sofisticadas de procesamiento de imágenes para la reducción de ruido y la extracción de señales. Hasta la fecha, los algoritmos automatizados eficientes para resolver características subcelulares en conjuntos de imágenes ruidosas y multidimensionales no se han explorado ampliamente. Resultados: mostramos que la normalización híbrida de puntuación z y la regresión estándar (Z-LSR) pueden resaltar las diferencias espectrales dentro de la celda y proporcionar un contraste de imagen que depende del contenido espectral. A diferencia de los métodos típicos de procesamiento de imágenes Raman que utilizan análisis multivariante, como la descomposición de valor único (SVD), nuestra implementación del método Z-LSR puede operar casi en tiempo real. A pesar de su simplicidad computacional, Z-LSR puede eliminar automáticamente el fondo y el sesgo en la señal, mejorar la resolución de las diferencias espectrales distribuidas espacialmente y permitir que las características subcelulares se resuelvan en imágenes de microscopía Raman de células de macrófagos de ratón. Significativamente, las imágenes procesadas Z-LSR exhibieron automáticamente arquitecturas subcelulares mientras que SVD, en general, requiere asistencia humana para seleccionar los componentes de interés. Conclusiones: La eficiencia computacional de Z-LSR permite la resolución automatizada de características subcelulares en grandes conjuntos de datos de microscopía Raman sin comprometer la calidad de la imagen o la pérdida de información en los espectros asociados. Estos resultados motivan un mayor uso de técnicas de microscopía sin etiquetas en la obtención de imágenes en tiempo real de células inmunitarias vivas.