利用分形分析量化培养神经元中的结构变化

《Neuroinformatics》：Quantifying Structural Changes in Cultured Neurons Using Fractal Analysis

　　

摘要

在密集培养的神经元中对其进行形态学定量分析仍面临技术上的挑战，因为神经突与背景信号之间存在大量重叠，这限制了传统追踪方法的适用性。在此，我们采用了分形维数（FD）和空隙度（LAC）分析作为对神经元突起复杂度具有尺度不变性的全局性指标，并在密集的原代海马体神经元培养物中将其与传统的形态计量学方法进行了系统比较。我们使用Abl酪氨酸激酶抑制剂伊马替尼处理神经元，以诱导细胞骨架的重塑。通过对标准化的二值化共聚焦图像进行处理得到骨架化图像，进而进行分形分析，从而能够准确量化不同空间尺度下神经元突起的填充特性。伊马替尼处理导致分形维数显著下降（DMSO组：约1.56±0.04，IMA组：约1.36±0.05，p＜0.001），同时空隙度上升，这说明多尺度复杂度降低，空间异质性增加。相比之下，传统形态计量学分析则显示出不同的表型，即初级神经突变长，但分支减少。这两种相反的效果在一定程度上相互抵消，使得仅通过单个参数难以判断整体的复杂度变化。为整合多变量特征，我们构建了一个综合的神经元突起复杂度指数（NCI），该指数包含了分支情况、突起长度以及与分布相关的描述指标（R2≈0.98；F(4,106)=89.6，p