神経突起分析器：2次元画像での神経誘発を定量化するための元のフィジープラグイン

背景：ライフサイエンスでは、ハイスループットイメージングシステムから得られた大量の画像を分析するために、自動化されたソリューションを提供するように設計された新しい情報学ツールの必要性が高まっています。神経毒性、内分泌学、脳疾患で最も広く使用されているアッセイの中で、神経突起の伸長アッセイが一般的です。 新しい方法：神経突起伸長アッセイの主な形態学的特徴の細胞間定量化は非常に困難なままです。ここでは、一連の2次元画像を分析するために、フィジーソフトウェアで開発された新しいパイプラインを提供します。これらの機能のほとんどの自動分析を可能にします。 結果：手動分析方法で異なる著者によって以前に発行されていたin vitroニューロン分化に対するエストラジオールと低酸素症の影響を確認することにより、ソフトウェアの精度と有用性をテストしました。この新しい方法で、元の興味深いデータを強調しました。 既存の方法との比較：このプラグインによってもたらされる革新は、核の数、神経突起の数、神経突起の長さ、核の数、神経突起の長さ、複数の画像を同時に処理できるという事実にあります。神経突起の接合の数、神経突起枝の数、各枝の長さ、画像内の枝の位置、各枝の角度だけでなく、各細胞の面積と細胞あたりの神経突起の数もあります。 結論：このプラグインは使いやすく、非常に敏感で、実験者は膨大な量の画像からすぐに使用できるデータを取得できます。

BACKGROUND: In life sciences, there is a growing need for new informatics tools designed to provide automated solutions in order to analyze big amounts of images obtained from high-throughput imaging systems. Among the most widely used assays in neurotoxicity, endocrinology and brain diseases, the neurite outgrowth assay is popular. NEW METHOD: Cell-to-cell quantification of the main morphological features of neurite outgrowth assays remains very challenging. Here, we provide a new pipeline developed on Fiji software for analysis of series of two-dimensional images. It allows the automated analysis of most of these features. RESULTS: We tested the accuracy and usefulness of the software by confirming the effects of estradiol and hypoxia on in vitro neuronal differentiation, previously published by different authors with manual analysis methods. With this new method, we highlighted original interesting data. COMPARISON WITH EXISTING METHOD(S): The innovation brought by this plugin lies in the fact that it can process multiple images at the same time, in order to obtain: the number of nuclei, the number of neurites, the length of neurites, the number of neurites junctions, the number of neurites branches, the length of each branch, the position of the branch in the image, the angle of each branch, but also the area of each cell and the number of neurites per cell. CONCLUSIONS: This plugin is easy to use, highly sensitive, and allows the experimenter to acquire ready-to-use data coming from a vast amount of images.