Refine
Has Fulltext
- yes (14)
Is part of the Bibliography
- yes (14) (remove)
Year of publication
Document Type
- Journal article (8)
- Doctoral Thesis (6)
Keywords
- reconstruction (14) (remove)
Institute
- Theodor-Boveri-Institut für Biowissenschaften (4)
- Klinik und Poliklinik für Hals-, Nasen- und Ohrenkrankheiten, plastische und ästhetische Operationen (2)
- Physikalisches Institut (2)
- Center for Computational and Theoretical Biology (1)
- Fakultät für Physik und Astronomie (1)
- Graduate School of Life Sciences (1)
- Graduate School of the Humanities (1)
- Klinik und Poliklinik für Mund-, Kiefer- und Plastische Gesichtschirurgie (1)
- Klinik und Poliklinik für Psychiatrie, Psychosomatik und Psychotherapie (1)
- Physiologisches Institut (1)
Sonstige beteiligte Institutionen
Es wurden insgesamt sieben Gallozyanin-gefärbte Schnittserien durch die rechte oder linke Hemisphäre von zwei Kontrollfällen (männlich, 28 Jahre, rechte Hemisphäre, weiblich, 65 Jahre, linke Hemisphäre), einem Fall mit Megalenzephalie (männlich, 48 Jahre, linke Hemisphäre), einem Fall von M. Little (65 Jahre, männlich, linke Hemisphäre), einem Fall von Alzheimerscher Krankheit (85 Jahre, weiblich, linke Hemisphäre) und einem Fall mit Huntingtonscher Krankheit (männlich, 49 Jahre, beide Hemisphären) verwendet. Die zentralen Anteile der Hemisphären mit den kompletten Schnittserien durch Thalami und Corpora striata wurden mit einer digitalen Kamera in Nahaufnahmetechnik aufgenommen, mit einem kommerziellen Bildbearbeitungs-programm (Adobe Photoshop 6.0®) aufbereitet und die derart aufbereiteten Bilder am Computer mit einer Computer gestützten 3D-Rekonstruktionssoftware (Amira®) verar-beitet. Ein wesentlicher Schritt in der Bearbeitung besteht in der Abgrenzung von Thalamus und Striatum von den benachbarten Strukturen. Die hohe Schnittdicke von 440 µm erleichterte dabei die zytoarchitektonische Abgrenzung beider Kerngebiete. Anders als erwartet unterliegen auch Serienschnitte mit einer Dicke von 440 µm Schrumpfungsartefakten, die nicht immer auf den ersten Blick erkennbar sind. Aus diesem Grund beschränken sich die 3D-Rekonstruktionen nicht auf das manuelle Abgrenzen von Strukturen. Vielmehr müssen alle Schnitte sorgfältig den Koordinaten des Raumes angepasst, hintereinander in der z-Achse angeordnet und bei Bedarf gedreht und verschoben werden. Die Rekonstruktionssoftware bietet für diese Prozedur eine halbautomatische Unterstützung. Einzelne stark verformte Schnitte mussten aber dennoch teilweise aufwändig der Serie angepasst werden. Amira® bietet vielseitige Möglichkeiten in der Darstellung der räumlich rekonstruierten Schnitte. Durch Interpolation werden die Rohdaten zum Teil stark verändert und die ursprünglich kantigen und eckigen Formen zunehmend geglättet. Diese Glättung ist der Erfahrung/Willkür des Untersuchers anheim gestellt und folglich werden die Grenzen zwischen einer realistischen 3D-Rekonstruktion und einer Fiktion fließend. Neben 3D-Rekonstruktionen lassen sich mit Amira auch die Volumina von Striatum und Thalamus berechnen. Diese Daten wurden mit den stereologisch bestimmten Kernvolumina und Nervenzellzahlen verglichen. Grundsätzlich liegen die mit Amira erhobenen Volumenwerte zwischen 1,4 und 6,65% unter den stereologisch geschätzten Werten. Diese Diskrepanz ist bei der bekannten biologischen Variabilität des menschlichen ZNS akzeptabel und im Vergleich mit Literaturangaben und -abbildungen dürften Form und Größe der rekonstruierten Thalami und Corpora striata der Wirklichkeit weitgehend entsprechen. Die Nervenzellzahlen schwanken dabei in einem weiten Bereich zwischen rund 71 Millionen im Striatum bei Megalenzephalie und weniger als 7 Millionen bei Chorea Huntington. Im Thalamus liegt die Nervenzellzahl zwischen rund 18 Millionen (Kontrollfall) und etwas mehr als 6 Millionen bei dem untersuchten Fall mit M. Little. Berücksichtigt man die vielfältigen physiologischen Verbindungen zwischen Thalamus und Striatum, so lassen die Schwankungen in den Nervenzellzahlen auf komplexe Interaktionen und Defizite bei den untersuchten Fällen schließen. Im Ergebnis unerwartet ist die weitgehende Konstanz in Form und Aussehen von Thalamus und Striatum im Endstadium von Alzheimerscher Demenz und bei einem Fall von M. Little. Offensichtlich stehen globale Atrophie- bzw. Degenerationsprozesse bei der Alzheimerschen Krankheit im Vordergrund mit der Folge, dass Thalamus und Striatum trotz deutlicher Nervenzellausfälle bei erhöhter Zahl von Gliazellen insgesamt nur wenig kleiner werden. Allerdings tat sich bei dem Fall mit M. Alzheimer an der Ventralseite des Thalamus eine Rinne auf, die bei den anderen untersuchten Fällen nicht gefunden und deren Ursache nicht geklärt werden konnte. Dramatisch erschienen die Größen- und Formveränderung des Striatum beim Chorea-Huntington-Fall. Nervenzell- und Gliazellausfälle im Striatum bei Chorea Huntington dürften die ausgeprägten makroskopischen Veränderungen erklären. Die Kombination von Serienschnitttechnik mit hoher Schnittdicke und einer Computer gestützten 3D-Rekonstruktion bietet bisher nie da gewesene und faszinierende Aspekte vom Bau des menschlichen ZNS. Nach Import in spezielle Computersoftware zur Animation von 3D-Modellen eröffnen die 3D-Rekonstruktionen auch neue Aspekte in der Präsentation der vermuteten Funktionsweise des ZNS. Dabei sollte aber in Anbetracht der komplexen methodischen Faktoren immer eine kritische Distanz zu vielfältigen Darstellungsformen am Bildschirm gewahrt bleiben.
Correlating molecular labeling at the ultrastructural level with high confidence remains challenging. Array tomography (AT) allows for a combination of fluorescence and electron microscopy (EM) to visualize subcellular protein localization on serial EM sections. Here, we describe an application for AT that combines near-native tissue preservation via high-pressure freezing and freeze substitution with super-resolution light microscopy and high-resolution scanning electron microscopy (SEM) analysis on the same section. We established protocols that combine SEM with structured illumination microscopy (SIM) and direct stochastic optical reconstruction microscopy (dSTORM). We devised a method for easy, precise, and unbiased correlation of EM images and super-resolution imaging data using endogenous cellular landmarks and freely available image processing software. We demonstrate that these methods allow us to identify and label gap junctions in Caenorhabditis elegans with precision and confidence, and imaging of even smaller structures is feasible. With the emergence of connectomics, these methods will allow us to fill in the gap-acquiring the correlated ultrastructural and molecular identity of electrical synapses.
The internal transcribed spacer (ITS) is a popular barcode marker for fungi and in particular the ITS1 has been widely used for the anaerobic fungi (phylum Neocallimastigomycota). A good number of validated reference sequences of isolates as well as a large number of environmental sequences are available in public databases. Its highly variable nature predisposes the ITS1 for low level phylogenetics; however, it complicates the establishment of reproducible alignments and the reconstruction of stable phylogenetic trees at higher taxonomic levels (genus and above). Here, we overcame these problems by proposing a common core secondary structure of the ITS1 of the anaerobic fungi employing a Hidden Markov Model-based ITS1 sequence annotation and a helix-wise folding approach. We integrated the additional structural information into phylogenetic analyses and present for the first time an automated sequence-structure-based taxonomy of the ITS1 of the anaerobic fungi. The methodology developed is transferable to the ITS1 of other fungal groups, and the robust taxonomy will facilitate and improve high-throughput anaerobic fungal community structure analysis of samples from various environments.
Abstract
Cell lineage decisions occur in three-dimensional spatial patterns that are difficult to identify by eye. There is an ongoing effort to replicate such patterns using mathematical modeling. One approach uses long ranging cell-cell communication to replicate common spatial arrangements like checkerboard and engulfing patterns. In this model, the cell-cell communication has been implemented as a signal that disperses throughout the tissue. On the other hand, machine learning models have been developed for pattern recognition and pattern reconstruction tasks. We combined synthetic data generated by the mathematical model with spatial summary statistics and deep learning algorithms to recognize and reconstruct cell fate patterns in organoids of mouse embryonic stem cells. Application of Moran’s index and pair correlation functions for in vitro and synthetic data from the model showed local clustering and radial segregation. To assess the patterns as a whole, a graph neural network was developed and trained on synthetic data from the model. Application to in vitro data predicted a low signal dispersion value. To test this result, we implemented a multilayer perceptron for the prediction of a given cell fate based on the fates of the neighboring cells. The results show a 70% accuracy of cell fate imputation based on the nine nearest neighbors of a cell. Overall, our approach combines deep learning with mathematical modeling to link cell fate patterns with potential underlying mechanisms.
Author summary
Mammalian embryo development relies on organized differentiation of stem cells into different lineages. Particularly at the early stages of embryogenesis, cells of different fates form three-dimensional spatial patterns that are difficult to identify by eye. Pattern quantification and mathematical modeling have produced first insights into potential mechanisms for the cell fate arrangements. However, these approaches have relied on classifications of the patterns such as inside-out or random, or used summary statistics such as pair correlation functions or cluster radii. Deep neural networks allow characterizing patterns directly. Since the tissue context can be readily reproduced by a graph, we implemented a graph neural network to characterize the patterns of embryonic stem cell organoids as a whole. In addition, we implemented a multilayer perceptron model to reconstruct the fate of a given cell based on its neighbors. To train and test the models, we used synthetic data generated by our mathematical model for cell-cell communication. This interplay of deep learning and mathematical modeling in combination with summary statistics allowed us to identify a potential mechanism for cell fate determination in mouse embryonic stem cells. Our results agree with a mechanism with a dispersion of the intercellular signal that links a cell’s fate to those of the local neighborhood.