Immunomforschung
Offener Zugang

Abstrakt

Automatisierte Verarbeitung markierungsfreier Raman-Mikroskopbilder von Makrophagenzellen mit standardisierter Regression für die Hochdurchsatzanalyse

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

Hintergrund: Makrophagen stellen die Frontlinien unseres Immunsystems dar; sie erkennen und verschlingen Krankheitserreger oder Fremdpartikel und initiieren so die Immunreaktion. Die Bildgebung von Makrophagen stellt besondere Herausforderungen dar, da die meisten optischen Techniken eine Markierung oder Färbung der Zellkompartimente erfordern, um Organellen aufzulösen, und solche Färbungen oder Markierungen das Potenzial haben, die Zelle zu stören, insbesondere in Fällen, in denen unvollständige Informationen über die genaue beobachtete zelluläre Reaktion vorliegen. Markierungsfreie Bildgebungstechniken wie die Raman-Mikroskopie sind daher wertvolle Werkzeuge zum Studium der Transformationen, die bei Aktivierung in Immunzellen auftreten, sowohl auf molekularer als auch auf Organellenebene. Aufgrund extrem niedriger Signalpegel erfordert die Raman-Mikroskopie jedoch ausgefeilte Bildverarbeitungstechniken zur Rauschunterdrückung und Signalextraktion. Bislang wurden effiziente, automatisierte Algorithmen zum Auflösen subzellulärer Merkmale in verrauschten, mehrdimensionalen Bildsätzen noch nicht umfassend erforscht. Ergebnisse: Wir zeigen, dass hybride Z-Score-Normalisierung und Standardregression (Z-LSR) die spektralen Unterschiede innerhalb der Zelle hervorheben und einen Bildkontrast abhängig vom Spektralinhalt liefern können. Im Gegensatz zu typischen Raman-Bildverarbeitungsmethoden mit multivariater Analyse, wie z. B. Einzelwertzerlegung (SVD), kann unsere Implementierung der Z-LSR-Methode nahezu in Echtzeit ausgeführt werden. Trotz seiner rechnerischen Einfachheit kann Z-LSR automatisch Hintergrund und Verzerrung im Signal entfernen, die Auflösung räumlich verteilter spektraler Unterschiede verbessern und die Auflösung subzellulärer Merkmale in Raman-Mikroskopiebildern von Mausmakrophagenzellen ermöglichen. Bezeichnenderweise zeigten die mit Z-LSR verarbeiteten Bilder automatisch subzelluläre Architekturen, während SVD im Allgemeinen menschliche Hilfe bei der Auswahl der interessierenden Komponenten erfordert. Schlussfolgerungen: Die Rechenleistung von Z-LSR ermöglicht die automatische Auflösung subzellulärer Merkmale in großen Raman-Mikroskopiedatensätzen ohne Kompromisse bei der Bildqualität oder Informationsverlust in zugehörigen Spektren. Diese Ergebnisse motivieren den weiteren Einsatz von markierungsfreien Mikroskopietechniken bei der Echtzeitbildgebung lebender Immunzellen.