LUMIN: een geautomatiseerde grafische analysetoolbox voor grootschalige calciumbeeldvorming van in vitro neuronale culturen

Waarom het belangrijk is hersencellen te observeren

Onze hersenen werken via snelle elektrische signalen, maar deze activiteit rechtstreeks meten in levende cellen is lastig. Een veelgebruikte oplossing is het volgen van kleine lichtflitsen van speciale kleurstoffen die gaan gloeien wanneer het calciumgehalte in neuronen stijgt—een indirecte maar krachtige maat voor hersenactiviteit. Naarmate laboratoria in toenemende mate menselijke zenuwcellen uit stamcellen kweken om ziekten te modelleren en medicijnen te testen, verzamelen ze enorme hoeveelheden van deze “calciumfilms”. Het probleem is dat het omzetten van duizenden flikkerende cellen in heldere, betrouwbare metingen meestal complex, op maat gemaakt codewerk vereist. Dit artikel introduceert LUMIN, een gebruiksvriendelijke softwaretoolbox waarmee biologen grootschalige calciumbeeldvormingsexperimenten op een gewone laptop kunnen analyseren, en zo rauwe films van levende hersencellen vertalen naar inzicht in gezondheid, ziekte en mogelijke behandelingen.

Van gloeiende cellen naar big data

De auteurs vertrekken vanuit een eenvoudige vraag: hoe kan een typisch biologielaboratorium, zonder gespecialiseerde programmeurs, zinvolle informatie halen uit calciumbeeldvorming van grote schalen menselijke stamcelafgeleide neuronen? Deze culturen worden steeds vaker gebruikt om aandoeningen zoals de ziekte van Parkinson of epilepsie te bestuderen en om kandidaat-medicijnen te screenen, maar bestaande analysetools zijn grotendeels gebouwd voor opnames in levende dieren. Die tools corrigeren vaak voor hersenbeweging en voeren andere zware berekeningen uit die onnodig zijn voor platte celculturen, wat de analyse vertraagt en het gebruik bemoeilijkt. LUMIN is specifiek ontworpen voor cellen gekweekt in schalen. Het omvat de volledige workflow—het vinden van individuele cellen in elke film, het meten van hun calciumsignalen in de tijd, en het omzetten van die traces in kwantitatieve beschrijvingen van activiteit—binnen een grafische interface, zodat gebruikers door stappen klikken in plaats van code te schrijven.

Hoe de toolbox elke cel ziet en meet

De workflow van LUMIN begint zodra timelapse-beeldstapels met een microscoop zijn verkregen. Een “segmentatie- en signaalextractie”-pipeline zet eerst elke beeldstapel om in een enkele kaart die het helderste signaal over de tijd benadrukt, en identificeert vervolgens individuele cellen met moderne beeldherkenningstools die oorspronkelijk getraind zijn op biologische beelden. Optioneel kan een nucleaire kleuring worden toegevoegd zodat de software iedere felgekleurde cellichaam aan een kern kan koppelen, wat de nauwkeurigheid verbetert. Na enige lichte filtering op basis van celformaat en helderheid extraheert het programma de gemiddelde fluorescentie van elke cel in elk frame, wat resulteert in een afzonderlijke calciumtrace voor duizenden cellen. Dit proces schaalt lineair met de hoeveelheid data, zodat zelfs tienduizenden cellen over tientallen opnames binnen ongeveer een half uur op een standaard laptop verwerkt kunnen worden.

Twee manieren om neuronale "stemmen" te lezen

Nadat de ruwe traces zijn geëxtraheerd, biedt LUMIN twee hoofdanalyses, toegespitst op verschillende soorten experimenten. In culturen die snelle, piekachtige vuren van activiteit vertonen, gladstrijkt de module voor “transiënte activiteit” de data, normaliseert de basislijn van elke cel en detecteert vervolgens pieken die opvallen boven de ruis. Hij meet eigenschappen zoals hoogte, breedte en frequentie van deze pieken en gebruikt standaard clusteringsmethoden om cellen in verschillende activiteitsprofielen te groeperen. In rustigere culturen waar medicijnen een langzame, aanhoudende stijging van calcium veroorzaken in plaats van scherpe pieken, gebruikt de module “basislijnverschuiving” een andere strategie. Die vergelijkt het signaal van elke cel na stimulatie met de eigen pre-stimulusperiode, sommeert de totale toename (oppervlakte onder de kromme) en labelt cellen als responders of niet-responders op basis van hoe ver ze afwijken van controlevorbeelden.

LUMIN getest op menselijke neuronen

Om aan te tonen dat de toolbox werkt in realistische omstandigheden, paste het team LUMIN toe op menselijke midbrain-neuronen gekweekt uit embryonale stamcellen. In een reeks experimenten registreerden ze spontane vuren en voegden daarna bekende middelen toe die ofwel neuronale activiteit versterken of juist onderdrukken. LUMIN kwantificeerde snel hoeveel cellen actief waren, hoe vaak ze piekten en hoe de piekvormen veranderden onder elk middel, en bevestigde verwachte effecten zoals sterke stillegging door tetrodotoxine en verhoogde activiteit met verbindingen die excitatie bevorderen. In een tweede reeks experimenten onderzochten ze culturen die grotendeels stil waren totdat ze werden gestimuleerd met een chemische stof die de excitatoire boodschapper glutamaat nabootst. Met de module voor basislijnverschuiving toonden ze aan dat deze stimulus brede, aanhoudende calciumstijgingen in de meeste neuronen veroorzaakte en bevestigden vervolgkleuringen dat de reagerende cellen voornamelijk neuronen waren, inclusief dopamine-producerende cellen die belangrijk zijn bij de ziekte van Parkinson.

Wat dit betekent voor toekomstig hersenonderzoek

In wezen zet LUMIN complexe calciumbeeldvormingsdata om in toegankelijke, gestandaardiseerde metingen van hoe menselijk-afgeleide neuronen zich in een schaal gedragen. Door moderne beeldherkenning te combineren met flexibele analyse voor zowel snelle pieken als langzame verschuivingen en een gebruiksvriendelijke grafische interface, stelt het wetenschappers zonder geavanceerde codeervaardigheden in staat duizenden cellen te profileren en te vergelijken hoe ze reageren op verschillende verbindingen of ziekte-gerelateerde veranderingen. Hoewel het nog niet uitgebreide functies bevat zoals netwerkniveau-connectiviteitskaarten of volledig publicatieklare figuren, vult de toolbox een belangrijke leemte: het maakt hoogdoorvoerende functionele afleeswaarden uit op stamcel gebaseerde menselijke modellen praktisch bruikbaar in alledaagse labomgevingen, wat mogelijk ontdekkingen in de neurowetenschappen en geneesmiddelenontwikkeling kan versnellen.

Bronvermelding: Hänninen, E., Mueller, A.K., Bagge, J.V. et al. LUMIN: an automated graphical analysis toolbox for high-throughput calcium imaging of in vitro neuronal cultures. Sci Rep 16, 9496 (2026). https://doi.org/10.1038/s41598-026-40269-0

Trefwoorden: calciumbeeldvorming, neurale activiteit, stamcelmodellen, hoogdoorvoeranalyse, neurofarmacologie