CN105705933A - 为了培养细胞中包含的至少一种目标组分的周期性结构的存在而检测多个培养细胞的方法 - Google Patents

为了培养细胞中包含的至少一种目标组分的周期性结构的存在而检测多个培养细胞的方法 Download PDF

Info

Publication number
CN105705933A
CN105705933A CN201480061172.8A CN201480061172A CN105705933A CN 105705933 A CN105705933 A CN 105705933A CN 201480061172 A CN201480061172 A CN 201480061172A CN 105705933 A CN105705933 A CN 105705933A
Authority
CN
China
Prior art keywords
image
cell
myocyte
myocardial cell
fourier transform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480061172.8A
Other languages
English (en)
Other versions
CN105705933B (zh
Inventor
迈克尔·普吕默尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN105705933A publication Critical patent/CN105705933A/zh
Application granted granted Critical
Publication of CN105705933B publication Critical patent/CN105705933B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
    • G01N33/502—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects
    • G01N33/5038—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects involving detection of metabolites per se
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
    • G01N33/5044—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics involving specific cell types
    • G01N33/5061—Muscle cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Cell Biology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Microbiology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Toxicology (AREA)
  • Theoretical Computer Science (AREA)
  • Dispersion Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Micro-Organisms Or Cultivation Processes Thereof (AREA)

Abstract

一种为了周期性结构的存在而检测培养细胞的方法，所述方法包括以下步骤：-提供培养细胞，-固定培养细胞，-使用第一染色剂对固定的培养细胞染色，-刺激第一染色剂使其发射光，-拍摄固定的培养细胞的二维图像(2)，-使从固定的培养细胞的图像(2)导出的第一和第二滤波图像互相关以获得相关图像(3)，以及，-通过确定在相关图像(3)中是否存在具有亮度最大值和最小值的周期性结构来确定固定的培养细胞中周期性结构的存在或不存在。

Description

为了培养细胞中包含的至少一种目标组分的周期性结构的存在而检测多个培养细胞的方法
技术领域
本发明涉及为了培养细胞中包含的至少一种目标组分(例如一种或多种蛋白)的周期性结构的存在而检测多个培养细胞的方法。
背景技术
心肌(或骨骼肌)的严重疾病的几个表型与心肌细胞(或肌细胞，分别地)中的肌节结构的损伤有关。为简单起见，以下仅提及心肌细胞。在心肌细胞中，肌节是能够收缩和舒张的最小亚单位。
图1(舒张状态)和图2(收缩状态)示意性地示出肌节。肌节1以两个z盘10为界并还包括两个相间错杂的肌丝***。两个相间错杂的肌丝***的第一肌丝***的细肌丝由六聚肌动蛋白链11组成，这两个相间错杂的肌丝***的第二肌丝***的粗肌丝由六聚肌球蛋白链12组成。肌球蛋白链12通过由蛋白质肌联蛋白组成的两个弹性元件13连接于两个z盘10。随着ATP(三磷酸腺苷)的水解，肌球蛋白链12的马达蛋白肌球蛋白经历构象变化，其转换为移动肌动蛋白链11的动力冲程，导致肌节1的收缩(见图2)。大量这种肌节1发生收缩导致心肌收缩，而相反的过程导致心肌舒张。
已经可以在表现出自发和同步搏动的成熟的培养的活的心肌细胞中观察到收缩运动，并且活的心肌细胞的这种自发和同步的搏动可用于表征活的心肌细胞的成熟发展状态。
在固定的心肌细胞中，肌节结构的结构完整性指示了心肌细胞的成熟发展状态。例如通过添加清洁剂到活的心肌细胞由此活的心肌细胞的细胞膜受损(活的心肌细胞被杀死)以及通过添加甲醛由此包含在心肌细胞中的蛋白质交联但心肌细胞中的蛋白质的结构维持并保持固定来实施心肌细胞的固定。
为了鉴别针对与肌节结构的损伤相关的心肌的疾病的潜在药物候选物质，进行体外实验，其中通过加入如葡萄糖和/或内皮素的物质对活心肌细胞进行应激直到心肌细胞失去其搏动能力而不杀死心肌细胞(模拟心肌症)。此后，将候选药物物质添加到所应激的心肌细胞中以检测药物候选物质是否具有对心肌细胞的复苏效应，该复苏效应导致心肌细胞开始再次搏动。对于此检测，关于心肌细胞是否已经开始再次搏动，记录并分析心肌细胞的小影片(只有在分析影片时才可以评估搏动收缩和随后的舒张周期)。然而，如所概述的，必须通过观看影片的人进行影片的分析，这消耗时间和资源。此外，观看和分析影片的人必须具有所需的教育和技能。
可替代地，在已经将药物候选物质添加到活的心肌细胞中之后，以及在这些已被随后固定之后，为肌节的周期性结构的存在检测已固定的心肌。肌节的这种周期性结构指示固定之前心肌细胞已经复苏。这可以通过拍摄必须由人类通过光学检测仔细分析的固定的心肌细胞的图像来实施。这又是很耗费时间和资源的，并且进行光学检测的人员必须具备必要的教育和技能。即使这样，图像非常难以分析。
发明内容
因此，总体来说，本发明的目的是提出为培养细胞中的特定组分的周期性结构的存在而检测培养细胞的方法。更具体地说，本发明的目的是提出用于鉴别潜在药物候选物质的方法，该潜在药物候选物质用于治疗与肌节结构的损伤有关的肌肉疾病或心肌疾病。
根据一个方面，本发明提出为了培养细胞中包含的至少一种目标组分的周期性结构的存在而检测多个培养细胞的方法。该方法包括以下步骤：
-提供待检测的多个培养细胞，
-固定待检测的培养细胞同时保持包含在培养细胞中的至少一种目标组分的任何结构，
–使用与所述至少一种目标组分结合并能够在受刺激时发射具有第一波长的光的第一染色剂，对包含在固定的培养细胞中的所述至少一种目标组分进行染色，
-刺激第一染色剂使其发射具有第一波长的光，
–拍摄带有第一染色剂的固定的培养细胞的二维图像，所述第一染色剂发射具有第一波长的光，
–从固定的培养细胞的该二维图像导出二维的第一滤波图像，所述二维的第一滤波图像只高亮显示这样的部分，这些部分包含已经结合了第一染色剂的至少一种目标组分，
-自相关第一滤波图像，或使第一滤波图像和二维的第二滤波图像互相关以得到二维相关图像，所述二维的第二滤波图像源自固定的培养细胞的二维图像并只高亮显示除了包含已经结合了第一染色剂的至少一种目标组分的部分以外的那些部分，以及
-通过在二维相关图像中确定是否存在亮度最大和亮度最小的周期性结构，来确定在固定的培养细胞中包含的至少一种目标组分的周期性结构的存在或不存在。
虽然总的来说该方法能够为了细胞中的任何周期性结构的存在而体外检测任何类型的细胞，但它特别适用于为了肌节的周期性结构的存在而检测肌肉细胞，尤其是心肌细胞。因此，在下面的实施例中，将其称为为了肌节的周期性结构的存在的心肌细胞的检测。
一般来说，固定待检测的培养的心肌细胞，例如已通过加入葡萄糖和/或内皮素(或合适的任何其他物质)应激以使得心肌细胞失去其搏动的能力(模拟心肌症)和随后被加入药物候选物质的活心肌细胞。虽然固定心肌细胞损害细胞膜，从而“杀死”心肌细胞，然而包含在心肌细胞中的任何周期性肌节结构通过固定步骤保持。虽然要检测的心肌细胞不再存活，然而优选将它们保持在中性液体中以防止它们干燥。
然后染色固定的心肌细胞的肌节的至少一种组分，例如包含在固定的心肌细胞的肌节的z盘中的蛋白辅肌动蛋白。为此目的，可以将合适的染色剂加入到固定的心肌细胞中。此类合适的染色剂的实例可以是具有这样的标签的辅肌动蛋白抗体，所述标签能够在刺激时发射具有预定的波长的光。一旦具有标签的辅肌动蛋白抗体已经结合包含在心肌细胞中的蛋白辅肌动蛋白，染色剂即受刺激，致使标签发射预定波长的光。
在预定波长的光的发射期间，拍摄培养的心肌细胞的二维图像。从固定的培养的心肌细胞的该二维图像导出二维的第一滤波图像。该第一滤波图像只高亮显示固定的培养心肌细胞的图像的这样的部分，这些部分包含已结合带有标签的辅肌动蛋白抗体的蛋白辅肌动蛋白。
因此，一般来说存在两种选择。第一种选择是自相关第一滤波图像以产生二维相关图像。第二种选择是使第一滤波图像和第二滤波图像互相关。第二滤波图像也是从固定的培养心肌细胞的二维图像导出的二维图像。然而，与第一滤波图像相反，第二滤波图像只高亮显示固定的培养的心肌细胞的除了染色的蛋白辅肌动蛋白的部分以外的那些部分。然后，第一和第二滤波图像互相关，以产生二维相关图像。
在数学术语中，第一滤波图像的自相关对应于第一滤波图像的各像素的强度与第一滤波图像的各像素的强度的卷积，或换句话说，自相关是第一滤波图像与自身的卷积。第一滤波图像和第二滤波图像的互相关对应于第一和第二滤波图像(其按照定义在零空间位移处是反相关的)的各像素的亮度强度的卷积。然而，使计算机执行各像素的亮度强度的数学卷积会导致非常高的计算工作量。虽然这在原则上是可能的，但是存在比执行数学卷积更有效的办法，而且这些更有效的方式得到相同的结果但是需要少得多的计算工作量。下面更详细地讨论这种更有效的方式的实施例。
如果相关图像显示亮度最大值和亮度最小值的周期性结构，这表示存在在固定的心肌细胞的肌节的z盘中包含的蛋白辅肌动蛋白的周期性结构。取决于相关图像中的周期性结构看起来怎样，可能从心肌细胞中包含的周期性肌节结构的相关图像得出结论，如将在下面通过具体实施例更详细地解释的。
总体而言，根据本发明的方法提供了一种改进的体外方法(例如，其可以在标准的微平板的孔中进行)，所述方法用于为了培养细胞中包含的周期性结构的存在而检测培养的细胞，所述方法不再需要现有技术方法的必要的耗费时间和资源的步骤(如果可能的话，记录影片，光学分析影片并确定心肌细胞是否搏动；固定的培养细胞的复杂的光学分析)。相反，根据本发明的方法提出拍摄固定的培养细胞的上述二维图像，从固定的培养细胞的该二维图像导出滤波图像或多个滤波图像，使这些滤波图像相关以产生相关图像，并通过确定在相关图像中是否存在亮度最大值和亮度最小值的周期性结构，来确定培养细胞的周期性结构的存在或不存在。这些步骤可以以完全自动的方式进行。
在根据本发明的方法的一些实施方案中，导出二维第一和第二滤波图像的步骤包括执行固定的培养细胞的二维图像的脊-谷滤波以生成二维脊图像以及产生谷图像。在脊图像中，已结合第一染色剂的所述至少一种目标组分的条纹状结构的亮度增强并且除了已结合第一染色剂的所述至少一种目标组分的条纹状结构以外的结构的亮度衰减。脊图像形成第一滤波图像。在谷图像中，在已结合第一染色剂的所述至少一种目标组分的条纹状结构之间布置的条纹状结构的亮度增强，而除了在已结合第一染色剂的条纹状结构之间布置的条纹状结构以外的结构的亮度衰减。该谷图像形成第二滤波图像。然后脊图像和谷图像互相关，以形成相关图像。
根据本发明的方法的该实施方案有利于检测条纹状结构，如心肌细胞中的肌节结构，因为脊-谷滤波仅增强条纹状结构，而衰减除了条纹状结构之外的任何结构。因此，抑制了在固定的培养细胞的图像中包含的除了条纹状结构之外的结构。对于与心肌细胞的肌节的z盘中包含的染色的蛋白辅肌动蛋白相关的上述实施例(假设固定的心肌细胞含有完好无损的肌节结构)，这意味着，该脊图像仅增强染色的辅肌动蛋白(z盘)的结构的亮度而培养细胞的图像中包含的任何其他条纹状信息在脊图像中受到抑制(在脊图像中这些像素是暗的)。然而，这些信息包含在谷图像中，其增强染色的辅肌动蛋白的条纹状结构之间的条纹状结构。为了也使用该信息，当产生相关图像时，脊图像与谷图像互相关以产生相关图像。然而，一般来说，也可能想到只自相关脊图像，以生成相关图像。然而，在这种情况下，脊图像中抑制的信息丢失，并且不再包含在相关图像中。因此，脊图像和谷图像的互相关比脊图像的自相关更有优势。
在根据本发明的方法的一些进一步的实施方案中，通过以下产生相关图像：
-执行第一滤波图像的傅立叶变换来获得二维傅立叶变换的第一滤波图像并且使傅立叶变换的图像与自身相乘以获得二维傅立叶变换的相关图像，或
-执行第一滤波图像的傅立叶变换来获得二维傅立叶变换的第一滤波图像并执行第二滤波图像的傅立叶变换来获得二维傅立叶变换的第二滤波图像以及使傅立叶变换的第一滤波图像乘以傅立叶变换的第二滤波图像来获得二维相乘的傅立叶变换的相关图像，
-执行相乘的傅立叶变换的相关图像的傅立叶逆变换以获得二维相关图像。
本实施方案的有利之处在于其极大地减少了获得相关图像的计算工作量，或者通过第一滤波图像的自相关，或通过第一滤波图像和第二滤波图像的互相关。正如上面已经讨论的，数学术语中的自相关或互相关代表待执行的卷积。为了说明在获得相关图像方面的计算工作量的该非常显著的减少，以下将讨论实施例。
假设已经拍摄了培养细胞的二维图像，并且已经从中导出脊图像和谷图像。使和代表差分的脊图像和谷图像，其中
Ir(x，y)坐标x，y处的脊图像的强度
脊图像的平均强度(亮度)
Iv(x，y)坐标x，y处的谷图像的强度
谷图像的平均强度(亮度)。
因此，相关图像由
C C I ( d x , d y ) = 1 N p i x e l s Σ x , y δI r ( x , y ) · δI v ( x + d x , y + d y )
表示。
这意味着，为了对脊图像和谷图像中的一个特定相对位移(dx，dy)获得相关图像的强度值，该特定位移(dx，dy)的强度值(亮度)必须根据上面列出的方程式(卷积)计算。因此，为了对所有相对位移(dx，dy)获得相关图像中的强度值，需要使用脊图像和谷图像完成许多计算工作。然而，在脊图像和谷图像的傅立叶变换之后，这种计算工作非常显著地减少。上面概括的脊图像和谷图像的卷积对应于傅立叶变换的脊和谷图像的一个单一乘法(没有相对位移)以获得傅立叶变换的相关图像，然后只须进行傅立叶变换的相关图像的傅立叶逆变换以获得相关图像。
根据上述方法的一个优选实施方案，执行第一和第二滤波图像(在上述实施例中为脊图像和谷图像)的傅立叶变换的步骤，以及执行傅立叶变换的相关图像的傅立叶逆变换的步骤通过使用快速傅立叶变换算法进行。这些是非常有效地执行傅立叶变换和傅立叶逆变换的公知的数值算法。
在根据本发明的方法的一些实施方案中，在特定半径处的整个圆周内对二维相关图像的亮度平均化，并且在整个圆周内对亮度的平均化是在不同的半径处执行，以获得单变量相关函数。根据该单变量相关函数，通过确定两个相邻的亮度最大值之间的距离或者通过确定单变量相关函数的亮度最大值和相邻的亮度最小值之间的距离，以及通过确定两个相邻的最大值的亮度幅度的比率或单变量相关函数的最大值和相邻的最小值的亮度幅度的比率来获得固定培养细胞的二维图像中的条纹化程度。
如果固定的培养细胞的二维图像中的条纹结构的分布是各向同性的(随机地取向)，这个实施方案是有利的，因为在这种情况下，在相关图像中的一个特定半径处，强度在这个特定的半径处的圆周内基本上均匀地分布，因此通过平均化，信息没有消除。单变量相关函数是含有条纹结构的细胞的数目，它们的条纹的调制幅度，和它们的周期性的同质性的卷积。在单变量相关函数中，两个相邻亮度最大值之间的距离或亮度最大值和相邻的亮度最小值之间的距离以及两个相邻的最大值的亮度幅度的比率或最大值和相邻的最小值的亮度幅度的比率是报告固定的培养细胞的二维图像中的条纹化程度的相关特征。
根据本发明的方法的一些实施方案进一步包括执行二维相关图像的傅立叶变换来获得二维傅立叶变换相关图像的步骤。根据该傅立叶变换的相关图像，将两个相邻的亮度最大值之间的距离确定为培养细胞的二维图像中的条纹状结构之间的距离的度量。另外，将相邻的亮度最大值被布置的角度确定为代表周期性条纹状结构在培养细胞的二维图像中被布置的总体取向。
如果条纹结构的分布在固定培养细胞的二维图像中是总体取向的，则该实施方案是有利的。在固定的培养细胞的二维图像中的条纹结构取向分布的情况下，傅立叶变换相关图像相比于前面所讨论的单变量相关函数更指示条纹结构，因为在单变量相关函数中，当在特定的半径处的整个圆周内平均化时消除了取向信息。相关图像的傅立叶变换实际上代表了从相关图像的x,y-坐标***到傅立叶变换相关图像的kx,ky-坐标***(波数)的转换。因此，确定波数允许周期性条纹的波长的确定，据此可以计算固定的培养细胞的二维图像中的周期性条纹之间的距离。可以从傅立叶变换相关图像确定周期性条纹的补丁(patch)所布置的角度为
再次，优选使用已经在上面提及的公知的快速傅立叶变换算法执行对二维互相关图像的傅立叶变换进行实施的步骤。
因为不可能事先预测在固定的培养细胞的二维图像中包含的任何条纹状结构是否是各向同性(随机取向)或(总体)取向的，在优选的实施方案中，对相关图像的单变量相关函数和傅立叶变换的图像都进行分析，并且关于在固定的培养细胞的二维图像中包含的条纹化，确定它们中的哪一个包含了更明显的信息。
如上面已经提及的，虽然根据本发明的方法一般适用于为了细胞中包含的周期性结构的存在而检测任何类型的细胞，其尤其适用于确定肌细胞或心肌细胞是否包含周期性肌节结构。
因此，本发明的另一个方面涉及鉴别潜在药物候选物质的方法，该潜在药物候选物质用于治疗与肌细胞或心肌细胞中的肌节结构的损伤有关的肌肉疾病或心肌疾病。所述方法包括以下步骤：
-提供包括肌节结构的多个活的肌细胞或心肌细胞，
-添加应激物质(astressingsubstance)到多个活的肌细胞或心肌细胞，导致肌节结构破坏或至少大大减少，
–在添加应激物质之后，将候选物质添加到包含破坏的或至少大大减少的肌节结构的多个肌细胞或心肌细胞中，
–培养添加候选物质后的肌细胞或心肌细胞，
-确定添加候选物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中再次发育，
-如果加入候选物质导致肌节结构已经在培养的肌细胞或心肌细胞中再次发育，则所述候选物质适合作为潜在的药物候选物质。
确定添加候选物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中再次发育包括使用根据上述任何实施方案的检测培养细胞的方法。
本发明的另一个方面涉及一种用于鉴别潜在药物候选物质的能力的方法，所述能力是对与肌细胞或心肌细胞中的肌节结构的损伤有关的肌肉疾病或心肌疾病具有保护作用。所述方法包括以下步骤：
-提供包括肌节结构的多个活的肌细胞或心肌细胞，
-添加候选物质到多个活的肌细胞或心肌细胞，
-在添加候选物质之后，将应激物质添加到多个活的肌细胞或心肌细胞中，导致肌节结构破坏或至少大大减少，
-培养添加应激物质后的肌细胞或心肌细胞，
-确定添加应激物质是否已经导致肌节结构已经在培养的肌细胞或心肌细胞中破坏或至少大大减少，
-如果加入应激物质未导致肌节结构已经破坏或大大减少，则所述候选物质适合作为潜在的药物候选物质。
确定添加应激物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中破坏或至少大大减少的步骤包括使用根据上述任何实施方案的检测培养细胞的方法。
所述方法有助于鉴别可能具有保护作用的潜在药物候选物质，所述保护作用在于其在肌细胞或心肌细胞暴露于可能导致肌细胞或心肌细胞的肌节结构部分或全部破坏的物质(例如，葡萄糖和/或内皮素)时防止或至少大大地减少肌细胞或心肌细胞的应激反应。然后可以进一步评价这样的潜在药物候选物质能够开发成可以形成保护或预防性治疗的一部分的药物的潜力。
本发明的进一步的方面涉及一种用于确定从活的诱导的多能干细胞获得的活的肌细胞或心肌细胞中的肌节结构的存在的方法。所述方法包括以下步骤：
-提供多个活的诱导的多能干细胞，
-使活的诱导的多能干细胞分化为活的肌细胞或心肌细胞，
-培养活的肌细胞或心肌细胞，
-确定培养的肌细胞或心肌细胞是否包括肌节结构，
其中，确定培养的活的肌细胞或心肌细胞是否包括肌节结构的步骤包括使用根据任何上述实施方案的检测培养细胞的方法。
此方法允许评估活的诱导的多能干细胞到活的肌细胞或心肌细胞的成功分化。诱导多能干细胞可以例如通过重新编程和分化来从真皮细胞获得。包含在如此得到的肌细胞或心肌细胞中的肌节的结构完整性指示肌细胞或心肌细胞的成熟发育，并且在本情况下，其然后指示该多能干细胞到肌细胞或心肌细胞的成功分化。
该方法的进一步的实施方案包括以下附加步骤：
–在培养活的肌细胞或心肌细胞之前，添加应激物质到活的肌细胞或心肌细胞，导致肌节结构破坏或至少大大减少，以及
–在已经执行根据上述任何实施方案的检测培养细胞的方法之后，确定添加应激物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中已被破坏或至少大大减少。
利用该方法的这个实施方案，可能获得以上述方式获得的肌细胞或心肌细胞的应激反应的信息。如果肌细胞或心肌细胞的应激反应是可以从正常运行的肌细胞或心肌细胞预期的反应，那么该方法的这个实施方案可以形成诊断方法的一部分。在这个诊断方法中，例如，真皮细胞可以从患者收集，被重新编程和分化成肌细胞或心肌细胞。然后如此得到的肌细胞或心肌细胞用于确定患者是否可能易患与暴露于特定的物质(例如，葡萄糖和/或内皮素)时肌节结构的损伤相关的肌肉或心肌疾病。这些方法对于患者不繁重。
附图说明
另外，在附图的帮助下，根据本发明的实施方案的以下描述，本发明的有利方面将变得明显，其中：
图1示出舒张状态下的肌节的示意图；
图2示出收缩状态下的图1的肌节；
图3示出具有总体取向的肌节结构的固定的心肌细胞的示意性图像；
图4示出通过从图3的固定的心肌细胞的图像导出的脊图像和谷图像的互相关产生的相关图像；
图5示出图4的傅立叶变换的相关图像；
图6示出具有随机取向(各向同性)的肌节结构的固定的心肌细胞的示意性图像；
图7示出通过从图6的固定的心肌细胞的图像导出的脊图像和谷图像的互相关产生的相关图像；
图8示出图7的傅立叶变换的相关图像；
图9示出不具有肌节结构的固定的心肌细胞的示意性图像；
图10示出通过从图9的固定的心肌细胞的图像导出的脊图像和谷图像的互相关产生的相关图像；
图11示出图10的傅立叶变换的相关图像；
图12示出具有总体取向的肌节结构的实际的心肌细胞的辅肌动蛋白染色图像；
图13示出通过从图12的实际的心肌细胞的图像导出的脊图像和谷图像的互相关产生的相关图像；
图14示出图13的傅立叶变换的相关图像；
图15示出从图13的相关图像产生的单变量相关函数；
图16示出不具有肌节结构的实际的心肌细胞的辅肌动蛋白染色图像；
图17示出通过从图16的心肌细胞图像导出的脊图像和谷图像的互相关产生的相关图像；
图18示出图17的傅立叶变换的相关图像；和
图19示出从图17的相关图像产生的单变量相关函数。
具体实施方式
在图1和图2中显示的肌节1和其一般结构已经在上面解释，因此此处不再重述该解释。固定的肌细胞或心肌细胞的图像2示出周期性肌节结构20，其布置成具有总体取向，如图3中所示的心肌细胞的示意性二维图像2所示。心肌细胞的图像2中的周期性肌节结构1的总体取向的方向21由直线指示，所述直线不是心肌细胞的图像2的一部分。
然后图3中示出的心肌细胞的二维图像2进行脊-谷滤波操作。从而生成二维脊图像，其高亮显示在心肌细胞的图像2中包含的任何条纹状肌节结构。除了条纹状肌节结构之外的任何结构通过脊滤波操作而被抑制。另外，生成谷图像，其高亮显示布置在脊图像的条纹状结构之间的任何条纹状结构，而除了这些之外的结构通过谷滤波操作而被抑制。这里未示出脊图像和谷图像，因为它们只是本身不被分析的中间图像(例如，在图12中示出脊图像)。它们根据定义是反相关的，并且它们的目的是为了增强图像中包含的条纹状结构，同时抑制除了条纹状结构之外的结构，从而心肌细胞的图像2中包含的周期性结构导致更显著的特征，其指示这种周期性结构在所得到的相关图像中的存在。
使脊图像和谷图像互相关。如已经提到的，执行脊图像和谷图像的互相关，以确保在生成相关图像的过程中，在脊图像和谷图像之一中包含的条纹状结构的任何信息被考虑。可替代地，例如通常也可能只自相关脊图像。然而，脊图像的自相关仅意味着在产生相关图像时，在谷图像中包含而在脊图像中不包含(因为在那里被抑制)的条纹状结构的任何信息不被考虑。
脊图像和谷图像的互相关意味着必须执行脊图像和谷图像的卷积，如已在上面说明的。这个卷积是涉及大量的计算工作的数学运算，如上面已经说明的。但是，通过执行脊图像和谷图像的傅立叶变换成傅立叶空间，以及通过使傅立叶变换的脊图像乘以傅立叶变换的谷图像(更精确地说：傅立叶变换的脊图像和傅立叶变换的谷图像的像素的亮度值)，可以显著减少这种大量的计算工作，由于脊图像和谷图像的卷积对应于傅立叶空间中的傅立叶变换的脊图像和傅立叶变换的谷图像的乘法运算。傅立叶变换的脊图像与傅立叶变换的谷图像的这种乘法运算导致傅立叶变换的相关图像，其中必须执行傅立叶逆变换以获得图4中所示的相关图像。可替代地，如所提到的，也可以通过脊图像和谷图像的卷积(未经傅立叶变换的)得到这种相关图像。
图4中示出的相关图像3(通过脊图像和谷图像的互相关产生，如上所述)示出亮度最大值30和亮度最小值31的周期性排列。亮度最大值30和亮度最小值31的这种周期性排列一般是在相同的方向32上总体对准的(由图4中的直线表示，其不是相关图像的一部分)，如心肌细胞的图像2中的周期性肌节结构20(参照图3)。亮度的幅度取决于固定的心肌细胞的图像2(图3)中的周期性肌节结构1的连贯性。
图5示出傅立叶变换的相关图像4，其是图4所示的相关图像3的傅立叶变换。该傅立叶变换对应于从相关图像3中的x,y-空间到傅立叶变换的相关图像4中的kx,ky-空间的变换。在该傅立叶变换的相关图像中，调制幅度(两个相邻布置的亮度最大值的比率或者亮度最大值和相邻的最小值的比率)，频率和条纹化程度的直接报告包含在心肌细胞的图像2中。可以看出，心肌细胞的图像2中的平行条纹(肌节结构20)的延伸区域(参见图3)转换成局部最大值40，其位于离原点的距离为处(通过不是傅立叶变换的图像4的一部分的黑线在图5中示出，其中λ是图像2中包含的周期性条纹的“波长”)，并且角度是傅立叶变换的图像4包含明显特征，因此特别适用于对包含总体对准的条纹结构的检测的固定细胞的分析。
图6示出也包含周期性肌节结构20的固定的肌细胞或心肌细胞的图像2，然而，这些周期性肌节结构20未以总体取向布置而是在不同的方向上随机取向(各向同性)。结果，通过脊图像和谷图像的互相关产生的图7中示出的相关图像3显示亮度最大值30和最小值31，然而，由于在图像2中周期性肌节结构在所有方向上随机取向(或各向同性取向)，最大值30和最小值31在亮度幅度减小的相关图像中形成环(这些环指示所述结构在所有方向上的分布)。亮度的幅度取决于周期性肌节结构的“补丁”的数量，并且环的宽度取决于各个周期性肌节结构的宽度和振动(jitter)。因此，图8中显示的傅立叶变换的相关图像4不显示优选的方向，但是最大值40仍然位于kx，ky-空间中的上述距离处。
图9示出固定的肌细胞或心肌细胞的图像2，其根本不显示任何周期性肌节结构。因此，相关图像3不显示最大值和最小值的任何周期性结构(参见图10)，这也同样适用于傅立叶变换的相关图像4(参见图11)。
图12显示实际的固定的心肌细胞的脊图像5，所述实际的固定的心肌细胞包含在图12中呈现明亮的肌节结构。在图13中，示出了通过心肌细胞的脊图像5(图12)和心肌细胞的谷图像(未示出)的互相关生成的实际的相关图像3，并且图14示出了相应的傅立叶变换的相关图像4，从其可以如箭头所指示的确定值K(该值K代表在心肌细胞的图像中包含的肌节结构的“波长”；在上述实施例中，该值K被命名为k)，和心肌细胞的图像中的肌节结构的取向的总体方向的角度α(该角度α已经在上述实施例中被命名为)。由于辅肌动蛋白染色图像5显示肌节结构，明显的是图14中的取向的方向是正确的(当浏览图13中的相关图像3时也可以辨认取向的该方向)。在图15中，示出了单变量相关函数6，并且该单变量相关函数6已经通过平均化在特定半径处的整个圆周内的相关图像的亮度，然后对不同的半径重复该平均化而获得。由于在一些特定半径处在相关图像3中包含增强的亮度而在其他的特定半径处基本上不存在亮度或仅存在低亮度，该单变量相关函数显示亮度最大值60和最小值61。然而，由于对特定半径处的整个圆周内进行平均化，周期性肌节结构的取向的任何信息均不包含在相关函数6中。单变量相关函数6的两个相邻的亮度最大值60或最小值61之间的距离，两个相邻的最大值60的亮度幅度的比率或者最大值60和相邻的最小值61的幅度的比率以及就条纹化程度报告的最大值60和最小值61的周期性的均匀性包含在心肌细胞的图像中。
如以上已经提及的，如果在固定的心肌细胞的图像中周期性肌节结构随机分布，则相关函数6更具代表性且包含更显著的特征，因为在这种情况下平均化过程不除去许多信息，这是因为实际上不存在周期性结构的优选取向。如果在固定的心肌细胞的图像中周期性肌节结构总体取向，则相关函数的傅立叶变换的图像4更具代表性并且包含更显著的特征，因为执行平均化以获得相关函数6，然后除去关于优选的取向方向的信息。由于不能***哪种分析更有前途，相关函数6的分析和傅立叶变换的相关图像4的分析都实施，然后根据两种分析的结果，可以确定哪种是更有代表性的分析。
图16显示不含周期性结构的实际的固定细胞的辅肌动蛋白染色图像5。因此，图17中显示的相关图像，图18中示出的相应的傅立叶变换的相关图像4，以及图19中示出的单变量相关函数6不显示可以用于分析的任何特定特征，从而结论是在固定细胞的图像中不包含周期性结构。
如已经说明的，检测培养细胞的方法的前述实施方案在检测潜在药物候选物质方面具有特别有利的应用领域，所述潜在药物候选物质用于治疗与肌细胞或心肌细胞中的肌节结构的损伤相关的肌肉疾病或心肌疾病，因为首先可以通过添加一种或多种物质例如葡萄糖或内皮素到活的肌细胞或心肌细胞中对包含肌节结构的活的肌细胞或心肌细胞应激以破坏或至少大大减少肌节结构，然后可以添加潜在的药物候选物质。之后，再次培养肌细胞或心肌细胞，然后根据上述实施方案固定和分析这些培养的细胞。
实施例
在涂有明胶或纤连蛋白的BectonDickinsonFalcon薄底96孔微孔板中以35000/孔接种人类心肌细胞。允许心肌细胞贴壁(attach)2天。除去培养基并添加含10mM的葡萄糖和10nM内皮素的新培养基培养2天。然后用4％多聚甲醛进行固定十五分钟，然后用0.1％吐温20透化15分钟。此后，进行染色。使用以下抗体：1/120稀释的抗人α辅肌动蛋白初级(primary)AB9465克隆EA53-单克隆(购自Abcamplc330，剑桥，英国)，1/120稀释的兔中的抗人肌钙蛋白T初级AB45932多克隆(购自Abcamplc，剑桥，英国)，1/200稀释的二级AB羊抗鼠AlexaFluor488A-11029(购自LifeTechnologies，卡尔斯巴德，加利福尼亚州，美国)，1/200稀释的二级AB驴抗兔AlexaFluor647A-11029(购自LifeTechnologies，卡尔斯巴德，加利福尼亚州，美国)。所有染色步骤均在室温下进行30分钟，随后用磷酸盐缓冲盐水(PBS)洗涤3次。辅肌动蛋白的抗体染色在成熟的肌细胞中产生延伸的周期性条纹图案，但在早熟或受损细胞中不产生染色或产生非结构化染色。
在OperaTMQEHS高含量筛选***(购自PerkinElmerCellularTechnologies)上获取图像。该***包括用于多孔板的多色自动旋转盘共聚焦显微镜。使用20xNA0.7水浸物镜通过640nm，488nm和405nm下的3种激光发生激发。对于每个标记通道，随后记录一个图像，对于肌钙蛋白C标记(红色通道)，辅肌动蛋白标记(绿色通道)和HoechstDNA标记(蓝色通道)，曝光时间分别是2秒，1秒和0.8秒。选择发射滤波器以权衡最大探测效率和最小串扰。
然后使用包括在OperaTMQEHS高含量筛选***中的专用的脚本语言AcapellaTM(PerkinElmerCellularTechnologies)进行图像分析。在调整参数的用户定义设置之后，以相同的方式对所有的图像运行分析，无人为干预。
两个细胞骨架的标记通道辅肌动蛋白和肌钙蛋白C不显示具有相同的程度和对比度的条纹图案。选择更显著的辅肌动蛋白信号用于条纹图案的定量。使用专用脊和谷滤波器从AcapellaTM纹理特征提取库(PerkinElmer)中的“SER()”函数(“斑点，边缘和脊”)滤波辅肌动蛋白图像以提取增强亮线和暗线的脊图像和谷图像。然后，通过使用快速傅立叶变换算法来傅立叶变换脊图像和谷图像来相关这些脊图像和谷图像，使傅立叶变换的脊图像和谷图像相乘以产生傅立叶变换的相关图像，然后实施傅立叶逆变换以产生相关图像。产生相关图像，傅立叶变换的相关图像，以及单量相关函数，并且如以上所已经描述地对它们进行分析。
以上已经在附图的帮助下和在实施例中描述了本发明的实施方案。然而，本发明并不限于这些实施方案，而是可以想象各种修改和改变而不脱离本发明的教导。因此，保护范围不受所述实施方案的限制，而是由所附的权利要求限定。

Claims (11)

1.一种为了培养细胞中包含的至少一种目标组分的周期性结构的存在而检测多个培养细胞的方法，所述方法包括以下步骤：
-提供待检测的多个培养细胞，
-固定待检测的培养细胞同时保持包含在培养细胞中的至少一种目标组分的任何结构，
-使用与所述至少一种目标组分结合并能够在受刺激时发射具有第一波长的光的第一染色剂，对包含在固定的培养细胞中的所述至少一种目标组分染色，
-刺激第一染色剂使其发射具有第一波长的光，
-拍摄带有第一染色剂的固定的培养细胞的二维图像(2)，所述第一染色剂发射具有第一波长的光，
-从固定的培养细胞的该二维图像导出二维第一滤波图像(5)，所述二维第一滤波图像(5)只高亮显示包含已经结合了第一染色剂的至少一种目标组分的那些部分，
-自相关第一滤波图像(5)或使第一滤波图像和二维第二滤波图像互相关以得到二维相关图像(3)，所述二维第二滤波图像源自固定的培养细胞的二维图像并只高亮显示除了包含已经结合了第一染色剂的至少一种目标组分的部分以外的那些部分，以及
-通过确定在相关图像(3)中是否存在具有亮度最大值(30)和最小值(31)的周期性结构来确定在固定的培养细胞中包含的至少一种目标组分的周期性结构的存在或不存在。
2.根据权利要求1所述的方法，其中，导出二维第一和第二滤波图像的步骤包括执行固定的培养细胞的二维图像的脊-谷滤波，以生成二维脊图像(5)以及生成二维谷图像；在所述脊图像(5)中，已结合第一染色剂的所述至少一种目标组分的条纹状结构的亮度增强并且其中，除了已结合第一染色剂的所述至少一种目标组分的条纹状结构以外的任何结构的亮度衰减，所述脊图像形成第一滤波图像；在所述谷图像中，在已结合第一染色剂的所述目标组分的条纹状结构之间布置的条纹状结构的亮度增强，且其中，除了在已结合第一染色剂的条纹状结构之间布置的条纹状结构以外的结构的亮度衰减，所述谷图像形成第二滤波图像；以及其中所述脊图像(5)和所述谷图像互相关，以形成相关图像(3)。
3.根据前述权利要求中的任一项所述的方法，其中，通过以下产生相关图像(3)：
-执行第一滤波图像的傅立叶变换来获得二维傅立叶变换的第一滤波图像并且将傅立叶变换的第一滤波图像与自身相乘以获得二维傅立叶变换的相关图像，或
-执行第一滤波图像的傅立叶变换并执行第二滤波图像的傅立叶变换来获得二维傅立叶变换的第二滤波图像以及使傅立叶变换的第一滤波图像乘以傅立叶变换的第二滤波图像来获得二维傅立叶变换的相关图像，
-执行傅立叶变换的相关图像的傅立叶逆变换以获得二维相关图像(3)。
4.根据权利要求3所述的方法，其中，执行第一和第二滤波图像的傅立叶变换的步骤，以及执行傅立叶变换的相关图像的傅立叶逆变换的步骤通过使用快速傅立叶变换算法进行。
5.根据前述权利要求中的任一项所述的方法，其中，在特定半径处的整个圆周内对二维相关图像(3)的亮度进行平均化，并且其中，在不同的半径处执行这种在整个圆周内对亮度的平均化，以获得单变量相关函数(6)，以及其中，根据所述单变量相关函数(6)，通过确定两个相邻的亮度最大值(60)之间的距离或者通过确定单变量相关函数的亮度最大值(60)和相邻的亮度最小值(61)之间的距离，以及通过确定两个相邻的最大值(60)的亮度幅度的比率或单变量相关函数(6)的最大值(60)和相邻的最小值(61)的亮度幅度的比率来获得固定培养细胞的二维图像(2)中的条纹化程度。
6.根据前述权利要求中的任一项所述的方法，其进一步包括执行二维相关图像的傅立叶变换来获得二维傅立叶变换的相关图像(4)的步骤，其中，根据该傅立叶变换的相关图像(4)，将两个相邻的亮度最大值(40)之间的距离(k,K)确定为培养细胞的二维图像(2)中的条纹状结构之间的距离的度量，以及其中将相邻的亮度最大值被布置的角度确定为代表周期性条纹状结构(20)在培养细胞的二维图像(2)中被布置的总体取向(21)。
7.根据权利要求6所述的方法，其中，使用快速傅立叶变换算法执行对二维相关图像(3)的傅立叶变换进行实施的步骤。
8.一种用于鉴别潜在药物候选物质的方法，所述潜在药物候选物质用于治疗与肌细胞或心肌细胞中的肌节结构的损伤有关的肌肉疾病或心肌疾病，所述方法包括以下步骤：
-提供包括肌节结构的多个活的肌细胞或心肌细胞，
-添加应激物质到多个活的肌细胞或心肌细胞，导致肌节结构破坏或至少大大减少，
-在添加应激物质之后，将候选物质添加到包含破坏的或至少大大减少的肌节结构的多个肌细胞或心肌细胞中，
-培养已添加候选物质后的肌细胞或心肌细胞，
-确定添加候选物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中再次发育，
-如果加入候选物质导致肌节结构已经在培养的肌细胞或心肌细胞中再次发育，则所述候选物质适合作为潜在的药物候选物质，
其中，确定添加候选物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中再次发育的步骤包括使用根据权利要求1至7中的任一项所述的方法。
9.一种用于鉴别潜在药物候选物质的能力的方法，所述能力是对与肌细胞或心肌细胞中的肌节结构的损伤有关的肌肉疾病或心肌疾病具有保护作用，所述方法包括以下步骤：
-提供包括肌节结构的多个活的肌细胞或心肌细胞，
-添加候选物质到多个活的肌细胞或心肌细胞，
-在添加候选物质之后，将应激物质添加到多个活的肌细胞或心肌细胞中，导致肌节结构破坏或至少大大减少，
-培养已添加应激物质后的肌细胞或心肌细胞，
-确定添加应激物质是否已经导致肌节结构已经在培养的肌细胞或心肌细胞中破坏或至少大大减少，
-如果加入应激物质未导致肌节结构已经破坏或大大减少，则所述候选物质适合作为潜在的药物候选物质，
其中，确定添加物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中破坏或至少大大减少的步骤包括使用根据权利要求1至7中的任一项所述的方法。
10.一种用于确定从活的诱导的多能干细胞获得的活的肌细胞或心肌细胞中的肌节结构的存在的方法，所述方法包括以下步骤：
-提供多个活的诱导的多能干细胞，
-使活的诱导的多能干细胞分化为活的肌细胞或心肌细胞，
-培养活的肌细胞或心肌细胞，
-确定培养的肌细胞或心肌细胞是否包括肌节结构，
其中，确定培养的活的肌细胞或心肌细胞是否包括肌节结构的步骤包括使用根据权利要求1至7中的任一项所述的方法。
11.根据权利要求10所述的方法，其还包括以下步骤：
-在培养活的肌细胞或心肌细胞之前，添加应激物质到活的肌细胞或心肌细胞，导致肌节结构破坏或至少大大减少，以及
-在已经执行根据权利要求1至7中的任一项所述的方法之后，确定添加应激物质是否已经导致肌节结构在培养的肌细胞或心肌细胞中已被破坏或至少大大减少。
CN201480061172.8A 2013-11-06 2014-11-05 检测培养细胞中是否存在目标组分的周期性结构的方法 Expired - Fee Related CN105705933B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13191778.3 2013-11-06
EP20130191778 EP2871461A1 (en) 2013-11-06 2013-11-06 Method for examining a plurality of cultured cells for the presence of periodic structures of at least one target component contained in the cultured cells
PCT/EP2014/073757 WO2015067628A1 (en) 2013-11-06 2014-11-05 Method for examining a plurality of cultured cells for the presence of periodic structures of at least one target component contained in the cultured cells

Publications (2)

Publication Number Publication Date
CN105705933A true CN105705933A (zh) 2016-06-22
CN105705933B CN105705933B (zh) 2019-05-10

Family

ID=49517435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480061172.8A Expired - Fee Related CN105705933B (zh) 2013-11-06 2014-11-05 检测培养细胞中是否存在目标组分的周期性结构的方法

Country Status (11)

Country Link
US (1) US9945834B2 (zh)
EP (2) EP2871461A1 (zh)
JP (1) JP6524598B2 (zh)
KR (1) KR20160083920A (zh)
CN (1) CN105705933B (zh)
BR (1) BR112016009253B1 (zh)
CA (1) CA2929101A1 (zh)
HK (1) HK1225793A1 (zh)
MX (1) MX370660B (zh)
RU (1) RU2660389C2 (zh)
WO (1) WO2015067628A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694712A (zh) * 2017-04-03 2018-10-23 通用电气公司 设备损坏预测***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000066985A1 (en) * 1999-04-29 2000-11-09 Evotec Biosystems Ag A method of characterizing fluorescent molecules or other particles using generating functions
US20020022716A1 (en) * 2000-03-29 2002-02-21 Hartman James J. High throughput sarcomeric assay
JP2006296282A (ja) * 2005-04-20 2006-11-02 Tohoku Univ 高代謝能を有する培養筋細胞の作製方法
CN101002093A (zh) * 2004-01-15 2007-07-18 凯玫肯国际有限公司 图像分析和试验***
CN101176116A (zh) * 2005-05-13 2008-05-07 三路影像公司 基于色原分离的图像分析方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1451164A1 (ru) * 1986-08-18 1989-01-15 Сибирский Филиал Всесоюзного Научного Центра Психического Здоровья Амн Ссср Способ оценки кинетики клеточных попул ций IN VIтRо
JP3007377B2 (ja) * 1990-05-09 2000-02-07 株式会社日立製作所 カラーブラウン管のモアレ検査方法およびその装置
JP4241038B2 (ja) * 2000-10-30 2009-03-18 ザ ジェネラル ホスピタル コーポレーション 組織分析のための光学的な方法及びシステム
US20070135365A1 (en) * 2003-08-21 2007-06-14 Katsuyuki Tanizawa Pharmaceutical composition for preventing or remedying cardiac hypertrophy and cardiovascular disease caused thereby
JP2005321300A (ja) * 2004-05-10 2005-11-17 Denso Corp 外観検査手法及び外観検査装置
DE602005010515D1 (de) * 2004-08-06 2008-12-04 Fuji Electric Holdings Nachweisverfahren für lebenfähige Zellen
SE532499C2 (sv) * 2008-01-18 2010-02-09 Hemocue Ab Metod och apparat för analys av partiklar i ett vätskeformigt prov
JP5250342B2 (ja) * 2008-08-26 2013-07-31 富士フイルム株式会社 画像処理装置およびプログラム
JP5434385B2 (ja) * 2009-09-01 2014-03-05 大日本印刷株式会社 メッシュ検査装置、メッシュ検査方法、プログラム、および記録媒体
JP2013094064A (ja) * 2011-10-27 2013-05-20 Satake Corp 微生物の検査方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000066985A1 (en) * 1999-04-29 2000-11-09 Evotec Biosystems Ag A method of characterizing fluorescent molecules or other particles using generating functions
US20020022716A1 (en) * 2000-03-29 2002-02-21 Hartman James J. High throughput sarcomeric assay
CN101002093A (zh) * 2004-01-15 2007-07-18 凯玫肯国际有限公司 图像分析和试验***
JP2006296282A (ja) * 2005-04-20 2006-11-02 Tohoku Univ 高代謝能を有する培養筋細胞の作製方法
CN101176116A (zh) * 2005-05-13 2008-05-07 三路影像公司 基于色原分离的图像分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JOHN P. WIKSWO 等: "《http://www.vanderbilt.edu/viibre/automated_biosystems-core.html》", 2 April 2012 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694712A (zh) * 2017-04-03 2018-10-23 通用电气公司 设备损坏预测***
CN108694712B (zh) * 2017-04-03 2022-12-13 通用电气公司 设备损坏预测***

Also Published As

Publication number Publication date
MX370660B (es) 2019-12-19
BR112016009253B1 (pt) 2020-11-24
KR20160083920A (ko) 2016-07-12
RU2660389C2 (ru) 2018-07-06
RU2016122148A (ru) 2017-12-11
JP6524598B2 (ja) 2019-06-05
WO2015067628A1 (en) 2015-05-14
CN105705933B (zh) 2019-05-10
EP2871461A1 (en) 2015-05-13
MX2016005702A (es) 2016-07-14
HK1225793A1 (zh) 2017-09-15
CA2929101A1 (en) 2015-05-14
JP2016536621A (ja) 2016-11-24
US20160282324A1 (en) 2016-09-29
EP3066451A1 (en) 2016-09-14
EP3066451B1 (en) 2020-06-17
US9945834B2 (en) 2018-04-17
RU2016122148A3 (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
Chitiboi et al. Magnetic resonance imaging of myocardial strain: a review of current approaches
JP6078943B2 (ja) 画像処理装置および方法、並びに、プログラム
Liebling et al. Four-dimensional cardiac imaging in living embryos<? xpp qa?> via postacquisition synchronization of nongated<? xpp qa?> slice sequences
JP4679729B2 (ja) Ｃｉｎｅ高調波位相（ｈａｒｐ）磁気共鳴画像法を用いた心臓動きのトラッキング
CN102906789A (zh) 数据处理装置、数据处理方法、图像处理装置和方法以及程序
Li et al. Functional architecture of motion direction in the mouse superior colliculus
Shaked et al. Quantitative analysis of biological cells using digital holographic microscopy
Boquet-Pujadas et al. Bioimage analysis and cell motility
Mairhofer et al. On the evaluation of methods for the recovery of plant root systems from X-ray computed tomography images
Zhao et al. Sarc-Graph: Automated segmentation, tracking, and analysis of sarcomeres in hiPSC-derived cardiomyocytes
Carranza-Herrezuelo et al. Motion estimation of tagged cardiac magnetic resonance images using variational techniques
Ruan et al. Integration of clustering and multidimensional scaling to determine phylogenetic trees as spherical phylograms visualized in 3 dimensions
CN105705933A (zh) 为了培养细胞中包含的至少一种目标组分的周期性结构的存在而检测多个培养细胞的方法
Goldstein et al. Quantitative phase microscopy: automated background leveling techniques and smart temporal phase unwrapping
Good et al. Estimation and validation of cardiac conduction velocity and wavefront reconstruction using epicardial and volumetric data
Chen et al. Odor coding by modules of coherent mitral/tufted cells in the vertebrate olfactory bulb
WO2017169397A1 (ja) 画像処理装置、画像処理方法、及び画像処理システム
Hessburg et al. Chapter 13. Using a Decision Support System to Estimate Departures of Present Forest Landscape Patterns from Historical Reference Conditions: An Example from the Inland Northwest Region of the United States
Fertin et al. Displacement fields using correlation methods as a tool to investigate cell migration in 3D collagen gels
Garcia‐Fernandez et al. New techniques for the assessment of regional left ventricular wall motion
JP6436142B2 (ja) 画像処理装置および方法、並びに、プログラム
Manwell et al. Evaluation of the clinical efficacy of the PeTrack motion tracking system for respiratory gating in cardiac PET imaging
Zhou Quantification of cardiac motion and deformation from 3D tagged MRI acquired by Philips imaging devices
Preetha et al. Cuckoo search based color image segmentation using seeded region growing
Madhu Quantification of Dynamic Epithelial Sheet Architecture in Botryllus schlosseri Using 2-D & 3-D Image Analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1225793

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190510

Termination date: 20201105

CF01 Termination of patent right due to non-payment of annual fee