LUMIN: автоматизированный графический набор инструментов для высокопроизводительного кальциевого имиджинга нейронных культур in vitro

Почему важно наблюдать за клетками мозга

Наши мозги работают с помощью быстрых электрических сигналов, но напрямую измерить эту активность внутри живых клеток непросто. Популярный обходной путь — наблюдать крошечные вспышки света от специальных красителей, светящихся при повышении уровня кальция в нейронах — косвенная, но мощная шкала активности мозга. По мере того как лаборатории все чаще выращивают человеческие нервные клетки из стволовых клеток для моделирования болезней и тестирования препаратов, они генерируют огромные массивы таких «кальциевых фильмов». Проблема в том, что превращение тысяч мерцающих клеток в четкие и надежные измерения обычно требует сложного, заново написанного кода. В этой статье представлен LUMIN — удобный программный набор инструментов, который позволяет биологам анализировать большие эксперименты по кальциевому имиджингу на обычном ноутбуке, помогая переводить сырые видеозаписи живых клеток мозга в понимание здоровья, заболевания и возможных терапий.

От светящихся клеток к большим данным

Авторы исходят из простого вопроса: как типичная биологическая лаборатория, без штатных программистов, может проанализировать кальциевый имиджинг на больших планшетах с нейронами, полученными из человеческих стволовых клеток? Такие культуры все чаще используются для изучения состояний вроде болезни Паркинсона или эпилепсии и для скрининга кандидатов в препараты, но существующие инструменты анализа в основном ориентированы на записи внутри живых животных. Эти инструменты часто корректируют движение мозга и выполняют другие тяжелые вычисления, которые лишни для плоских клеточных культур, замедляя анализ и усложняя использование. LUMIN разработан специально для клеток, выращенных в чашках. Он объединяет полный рабочий процесс — нахождение отдельных клеток в каждом фильме, измерение их кальциевых сигналов во времени и преобразование этих траекторий в количественные описания активности — в графическом интерфейсе, где пользователи выполняют шаги кликами, а не кодом.

Как набор видит и измеряет каждую клетку

Рабочий процесс LUMIN начинается после того, как на микроскопе получены покадровые изображения. Пайплайн «сегментация и извлечение сигнала» сначала преобразует каждый стек изображений в карту, выделяющую самый яркий сигнал во времени, затем идентифицирует отдельные клетки с помощью современных инструментов распознавания изображений, изначально обученных на биологических снимках. По желанию можно добавить ядерную метку, чтобы софт сопоставлял каждое яркое тело клетки с ядром, повышая точность. После небольшой фильтрации по размеру и яркости клеток программа извлекает среднюю флуоресценцию каждой клетки в каждом кадре, формируя отдельную кальциевую траекторию для тысяч клеток. Этот процесс масштабируется линейно с объемом данных, так что даже десятки тысяч клеток в десятках записей можно обработать примерно за полчаса на обычном ноутбуке.

Два способа прочтения «голосов» нейронов

После извлечения сырых траекторий LUMIN предлагает два основных пути анализа, адаптированных к разным типам экспериментов. В культурах, где возникают быстрые, похожие на пики вспышки активности, модуль «транзиентная активность» сглаживает данные, нормализует базовую линию каждой клетки и затем обнаруживает пики, выделяющиеся на фоне шума. Он измеряет такие свойства, как высота, ширина и частота этих всплесков, и использует стандартные методы кластеризации, чтобы группировать клетки по типам активности. В более тихих культурах, где препараты вызывают медленный, устойчивый рост кальция вместо острых пиков, модуль «смещение базовой линии» применяет другую стратегию. Он сравнивает сигнал каждой клетки после стимуляции с ее предыду­щим предстимульным периодом, суммирует общий прирост (площадь под кривой) и метит клетки как ответчики или неответчики в зависимости от того, насколько они отклоняются от контрольных образцов.

Проверка LUMIN на человеческих нейронах

Чтобы показать работоспособность набора в реалистичных условиях, команда применила LUMIN к человеческим нейронам среднего мозга, выращенным из эмбриональных стволовых клеток. В одном наборе экспериментов они записывали спонтанную активность, а затем добавляли известные препараты, которые либо усиливают, либо подавляют активность нейронов. LUMIN быстро количественно оценил, сколько клеток было активными, как часто они генерировали пики и как изменялась форма пиков под действием каждого препарата, подтверждая ожидаемые эффекты — например, сильное подавление тетродотоксином и увеличение частоты с соединениями, стимулирующими возбуждение. В другом наборе экспериментов они изучали культуры, которые в основном были тихими до стимуляции химическим агентом, имитирующим возбуждающий нейромедиатор глутамат. С помощью модуля смещения базовой линии показали, что этот стимул вызвал широкие, устойчивые повышения кальция у большинства нейронов, и с помощью последующей окраски подтвердили, что реагирующие клетки в основном были нейронами, включая дофамин-продуцирующие клетки, важные при болезни Паркинсона.

Что это значит для будущих исследований мозга

По сути, LUMIN превращает сложные данные кальциевого имиджинга в доступные, стандартизованные измерения поведения нейронов, полученных из человека в чашке. Комбинируя современные методы распознавания изображений, гибкий анализ как для быстрых пиков, так и для медленных сдвигов, и удобный графический интерфейс, он позволяет ученым без продвинутых навыков программирования профилировать тысячи клеток и сравнивать их ответы на разные соединения или изменения, связанные с болезнью. Хотя в нем пока нет более продвинутых функций, таких как карты сетевой связности или полностью готовые к публикации фигуры, этот набор заполняет важную нишу: он делает высокопроизводительные функциональные считывания из моделей на основе человеческих стволовых клеток практичными в повседневной лабораторной работе, что может ускорить открытия в нейронауке и разработке лекарств.

Цитирование: 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

Ключевые слова: кальциевый имиджинг, активность нейронов, модели из стволовых клеток, высокопроизводительный анализ, нейрофармакология