如何對線粒體的心態進行形態學分析？

過去在科學論著中，

最常見、直觀觀察線粒體形態的方法是電鏡法

，我們可以透過電鏡直觀的觀察線粒體的超微結構——雙層單位膜構成的橢圓小體，外膜光滑，內膜向內摺疊成許多脊。

但這種成像模式基於靜態的圖形成像，在對動態分析的過程中有著較大的侷限性

。而共聚焦顯微鏡由於其優秀的動態檢測能力，

越來越多的文章更傾向於使用

共聚焦顯微鏡對線粒體進行觀察及成像

。

那麼，如何對線粒體的心態進行形態學分析呢？

今天為大家分享的是：

以ImageJ軟體

（https：//imagej。nih。gov/ij/）

為基礎，

預搭載了各種生物及醫學相關常用外掛！

網址：

https：//imagej。net/Fiji/Downloads

相信對各位科研僧們的武器庫來說

又是一次絕佳的充實機會

，大家可根據裝置自行下載。

接下來，小編首先將對Mitochondria Analyzer外掛進行著重講解；

該外掛搭載了ImageScience、IJPB-Plugins、3D ImageJ Suite等，透過綜合這些外掛的使用，我們可以實現線粒體網路的2D、3D影象分析，包括多通道的同時分析。

首先如何搭載上述外掛呢？

下載後我們進入ImageJ的主介面 Help Update，在Updater的主介面下，點選Manage Update Sites；

在彈出的列表中勾選ImageScience、IJPB-Plugins、3D ImageJ Suite後

點選下方Add Upadate Site；

在Name列鍵入

Mitochondria Analyze

r；在URL列鍵入網址：

http：//sites。imagej。net/ACMito/

；

最後再點選下方的Close，選擇Apply Changes完成上述設定。

MitoChondria Analyzer如何分析2D、3D的線粒體呢？

其基本流程總的來說相一致，均需經過下圖所述流程；

雖然使用軟體處理圖片的流程很簡單，但高質量的線粒體成像對於Mitochondria Analyzer分析極為重要，尤其在分析線粒體的3D成像時，小編推薦使用最佳奈奎斯特取樣率進行成像，再使用相關軟體去卷積；

這裡推薦Huygens Professional、ImageJ/Fiji外掛DeconvolutionLab2進行去卷積，這樣在成像的3D重建、精確分析都能極大的提高精準度。

在前期獲得了線粒體的成像後，我們還需對圖片進行預處理，透過摸索設定閾值，將成像中的線粒體從背景中完美且精確的識別出來：

在主選單中點選Plugins Mitochondria Analyzer Analyzer manager，進入如下頁面；

由於3D成像較為複雜，我們這裡以2D成像分析進行示例，點選2D Threshold Optimize在彈出頁中我們

可以看到預處理包括：刪減背景、西格瑪濾波器、增強區域性對比度、伽馬校正；後處理包括：去除斑點、刪除離群值。

這裡的閾值，我們一定要透過自己手動反覆除錯，

完整且準確的捕捉成像中的線粒體形態，尤其需要避免將獨立卻緊密相連的線粒體人為錯誤的進行合併，或者將單個線粒體人為分離。

上述Mitochondria Analyzer分析是採用區域性閾值

，通常我們需選用Mean和Weighted Mean來計算以獲得精確的結果；

此外，我們還需要在Threshold Optimize中手動設定下列引數

：Block size與C-Value來與原始影象進行匹配，並得出匹配度最高的引數設定。Block size為分析物件大小與原始影象的匹配程度；而C-value則對閾值進行了些許校正，優化了最小化背景訊號導致的對線粒體的錯誤切割。

反覆調校以獲得最佳引數後，透過2D Threshold自動對影象進行處理，以獲取二值化的成像，供後續進行半定量分析。

選擇初始頁中的2D Analysis進入下述頁面；

在2D的線粒體成像中，我們需要關注如下因素：面積（area）、周長（perimeter）、形態外形因素（Form factor）、縱橫比（aspect ratio）、網路分支數（branches）、分支長度（branch lengths）、分支連線（branch junction）；在3D的成像中，我們則需要透過如體積（volume）、表面積（surface area）、球形率（sphericity）來描述形態。

下圖為引數的詳細計算方式

，大家感興趣的話，可以自行研究：

最後，

我們可以點選OK匯出所得結果，可以直觀的透過資料觀察各項結果；

經過統計分析，可以對各項資料進行彙總及比較，這樣就成功的將原始資料轉化為我們在期刊論文撰寫時的有力武器，

相信審稿人對這種模式的資料呈現也是喜聞樂見，雜誌社接受也自然不在話下。

大家如果對這類外掛感興趣的話，小編後續還將為大家帶來此類優秀的軟體及外掛分享哦，大家趕緊點贊收藏吧！