Все выпуски

Как правило, данные конфокальной и многофотонной лазерной сканирующей микроскопии страдают от низкого уровня полезного сигнала и высокого вклада дробового шума, связанного со стохастическим характером испускания фотонов флуорофором. Это осложняет задачу подавления шума и выделения полезного сигнала в таких данных. В настоящее время популярны нейросетевые алгоритмы улучшения изображений, однако они часто представляют собой «черный ящик» и требуют длительного обучения на конкретных наборах данных. В работе предлагается алгоритм подавления шума для данных динамической флуоресцентной микроскопии, опирающийся на наличие пространственно-временных локальных корреляций в полезном сигнале и на отсутствие пространственных корреляций в шумовой компоненте. Сингулярное разложение матриц (SVD), производящее спектральное разложение матрицы ковариации, — распространенный способ низкоранговой аппроксимации двумерных массивов, концентрирующий скоррелированный сигнал в нескольких первых компонентах разложения. Однако данные динамической микроскопии представляют собой трехмерные массивы или тензоры большей размерности, поэтому использование тензорных разложений потенциально может улучшить результат подавления шума по сравнению с обычным SVD. В основе алгоритма — двухэтапное применение усеченного сингулярного разложения высшего порядка (HOSVD) с введением порога для коэффициентов и последующим обратным преобразованием, сначала для локальных трехмерных окон в пространстве TXY (3D-HOSVD), а затем для пространственно объединенных групп трехмерных окон (4D-HOSVD). Для валидации алгоритма используются синтетические данные кальциевой сигнализации в астроцитах, в которых концентрация кальция транслируется в сигнал флуоресценции, значения которого в каждом кадре и каждом пикселе затем служат математическим ожиданием и дисперсией для сэмплирования случайной величины из непрерывного аналога пуассоновского распределения. Проведен анализ чувствительности алгоритма от параметров понижения ранга вдоль размерности временных компонент и группового ранга, длины локального окна и порога коэффициентов разложения. Несмотря на наличие мультипликативного шума, предлагаемый алгоритм демонстрирует значительное улучшение анализируемого сигнала, увеличивая соотношение «сигнал/шум» (PSNR) более чем на 20 дБ. Данный метод не опирается на предположения относительно разреженности или гладкости сигнала и может быть использован в качестве одного из этапов обработки данных динамической флуоресцентной микроскопии для самых различных типов данных.

Fluorescent imaging data are currently widely used in neuroscience and other fields. Genetically encoded sensors, based on fluorescent proteins, provide a wide inventory enabling scientiests to image virtually any process in a living cell and extracellular environment. However, especially due to the need for fast scanning, miniaturization, etc, the imaging data can be severly corrupred with multiplicative heteroscedactic noise, reflecting stochastic nature of photon emission and photomultiplier detectors. Deep learning architectures demonstrate outstanding performance in image segmentation and denoising, however they can require large clean datasets for training, and the actual data transformation is not evident from the network architecture and weight composition. On the other hand, some classical data transforms can provide for similar performance in combination with more clear insight in why and how it works. Here we propose an algorithm for denoising fluorescent dynamical imaging data, which is based on multilinear higher-order singular value decomposition (HOSVD) with optional truncation in rank along each axis and thresholding of the tensor of decomposition coefficients. In parallel, we propose a convenient paradigm for validation of the algorithm performance, based on simulated flurescent data, resulting from biophysical modeling of calcium dynamics in spatially resolved realistic 3D astrocyte templates. This paradigm is convenient in that it allows to vary noise level and its resemblance of the Gaussian noise and that it provides ground truth fluorescent signal that can be used to validate denoising algorithms. The proposed denoising method employs truncated HOSVD twice: first, narrow 3D patches, spanning the whole recording, are processed (local 3D-HOSVD stage), second, 4D groups of 3D patches are collaboratively processed (non-local, 4D-HOSVD stage). The effect of the first pass is twofold: first, a significant part of noise is removed at this stage, second, noise distribution is transformed to be more Gaussian-like due to linear combination of multiple samples in the singular vectors. The effect of the second stage is to further improve SNR. We perform parameter tuning of the second stage to find optimal parameter combination for denoising.

В настоящей работе рассматривается феноменологический алгоритм генерации морфологии глиальных клеток мозга — астроцитов, основанный на морфометрических данных протоплазматических астроцитов и общих тенденциях развития данного типа клеток in vivo, описанных в литературе. Мы адаптировали алгоритм пространственной колонизации (Space Colonization Algorithm, SCA) для процедурной генерации полной астроцитарной морфологии. Используемые в генерации аттракторные точки распределялись в пространственном объеме в соответствии с плотностью распределения синапсов в ткани гиппокампа на первой неделе постнатального развития мозга крысы. Нами были проанализированы и сопоставлены данные реконструкций астроцитарных морфологий на разных этапах развития мозга с использованием таких методик и параметров, как анализ Шолля, число точек ветвления, число терминалей, общая длина дерева и максимальный порядок ветвления. Используя данные морфометрического анализа протоплазматических астроцитов животных разных возрастов, были подобраны необходимые параметры генерации для получения наиболее реалистичных трехмерных моделей морфологии клеток. Мы показали, что разработанный нами алгоритм позволяет не только получить геометрию отдельных клеток, например, для задач вычислительной биологии, но и воссоздать феномен доменной организации клеточной популяции. Доменная организация в ходе генерации морфологий возникает из-за конкуренции клеток за территорию и присвоения их отростками уникальных аттракторных точек, которые становятся недоступными для других клеток и их отростков. Кроме того, нами было разработано дополнение оригинального алгоритма, позволяющее производить генерацию морфологии в две фазы, имитируя двухстадийное развитие структуры астроцитов на первой и третьей-четвертой неделях постнатального развития мозга крыс. Для достижения этого результата мы прибегаем к введению двух типов аттракторов, чтобы разделить две различные стратегии роста во времени: быстрое исследование пространства слабоветвящимися отростками и созревание сложной морфологии за счет обильного ветвления. Мы предполагаем, что модификация алгоритма с введением динамической генерации аттракторов может объяснить процесс формирования тонких структур астроцитарной клетки.

We examine a phenomenological algorithm for generating morphology of astrocytes, a major class of glial brain cells, based on morphometric data of rat brain protoplasmic astrocytes and observations of general cell development trends in vivo, based on current literature. We adapted the Space Colonization Algorithm (SCA) for procedural generation of astrocytic morphology from scratch. Attractor points used in generation were spatially distributed in the model volume according to the synapse distribution density in the rat hippocampus tissue during the first week of postnatal brain development. We analyzed and compared astrocytic morphology reconstructions at different brain development stages using morphometry estimation techniques such as Sholl analysis, number of bifurcations, number of terminals, total tree length, and maximum branching order. Using morphometric data from protoplasmic astrocytes of rats at different ages, we selected the necessary generation parameters to obtain the most realistic three-dimensional cell morphology models. We demonstrate that our proposed algorithm allows not only to obtain individual cell geometry but also recreate the phenomenon of tiling domain organization in the cell populations. In our algorithm tiling emerges due to the cell competition for territory and the assignment of unique attractor points to their processes, which then become unavailable to other cells and their processes. We further extend the original algorithm by splitting morphology generation in two phases, thereby simulating astrocyte tree structure development during the first and third-fourth weeks of rat postnatal brain development: rapid space exploration at the first stage and extensive branching at the second stage. To this end, we introduce two attractor types to separate two different growth strategies in time. We hypothesize that the extended algorithm with dynamic attractor generation can explain the formation process of fine astrocyte cell structures and maturation of astrocytic arborizations.

Многочисленные современные исследования подтверждают, что нейроны, астроциты и кровеносные сосуды функционируют как единая динамическая система. В связи с этим в последние годы возникла и набирает все большую популярность концепция целостной нейроглиоваскулярной единицы (НГВЕ), включающей в себя данные компоненты. Согласно концепции нормальное функционирование мозга связано с широким комплексом взаимодействий между элементами НГВЕ, нарушение связей между которыми может служить причиной возникновения различных нейропатологий. Понимание процессов, протекающих внутри одной НГВЕ, а также организации связей между различными единицами является необходимым условием для успешной диагностики и терапии нейропатологий.

В работе построена модель НГВЕ, которая впервые объединяет детальное описание функционирования сетей синаптически связанных возбуждающих и тормозных нейронов (с учетом баланса возбуждения/торможения), динамику внеклеточной среды (калий, глутамат, ГАМК) и астроцитарную активность, модулируемую норадреналином, с последующей регуляцией локального кровотока.

Ключевой концептуальной особенностью модели является интеграция разномасштабных процессов — от ионной динамики на уровне отдельного нейрона Ходжкина – Хаксли до диффузии веществ в масштабе сети из 100 НГВЕ — в единую систему связанных нелинейных дифференциальных уравнений. Это позволило исследовать коллективную динамику ансамбля и выявить новые режимы его функционирования.

В результате численных экспериментов установлено, что динамика внеклеточного калия и положительная обратная связь играют определяющую роль в формировании устойчивых пространственных структур возбуждения. Показано, что при локальной стимуляции активность ограничена за счет диффузионного оттока калия, в то время как надкритическое возбуждение инициирует самоподдерживающиеся автоволновые режимы, стабилизация которых приводит к формированию пространственных паттернов, морфологически схожих со структурами Тьюринга. Такие структуры, характеризующиеся чередованием зон высокой и низкой активности, не зависят от конкретных начальных условий, но чувствительны к вариациям параметров, что указывает на функционирование системы в режиме динамической неустойчивости (хаоса), согласующемся с концепцией самоорганизованной критичности мозга в физиологической норме. Модель успешно воспроизводит экспериментально наблюдаемые явления, включая бёрстинг и чувствительность к внеклеточному калию. Полученные результаты открывают новые перспективы для анализа патофизиологических механизмов работы мозга.

Numerous contemporary studies confirm that neurons, astrocytes and blood vessels function as a unified dynamic system. Consequently, the concept of the integrated neurogliovascular unit (NGVU), encompassing these components, has emerged and gained significant traction in recent years. According to this framework, normal brain function relies on a broad complex of interactions between NGVU elements, while the disruption of these links may underlie various neuropathologies. Understanding the processes within a single NGVU, as well as the organization of connections between multiple units, is a prerequisite for successful diagnosis and therapy of neurological disorders.

In this work, we developed an NGVU model that, for the first time, integrates a detailed description of synaptically coupled excitatory and inhibitory neuronal networks (accounting for the E/I balance), extracellular environment dynamics (potassium, glutamate, GABA), and norepinephrine-modulated astrocytic activity, with subsequent regulation of local blood flow.

A key conceptual feature of the model is the integration of multiscale processes — ranging from ion dynamics at the level of individual Hodgkin – Huxley neurons to substance diffusion across a network of 100 NGVUs — into a single system of coupled nonlinear differential equations. This approach enabled the investigation of the ensemble’s collective dynamics and the identification of novel functional regimes.

Numerical experiments established that extracellular potassium dynamics and positive feedback play a decisive role in the formation of stable spatial excitation structures. It is shown that under local stimulation, activity remains confined due to potassium diffusion outflow; however, supercritical excitation initiates self-sustaining autowave regimes. The stabilization of these regimes leads to the formation of spatial patterns morphologically similar to Turing structures. These patterns, characterized by alternating zones of high and low activity, are independent of specific initial conditions but sensitive to parameter variations. This suggests that the system operates in a dynamic instability (chaos) regime, which is consistent with the concept of self-organized criticality of the brain under physiological conditions. The model successfully reproduces experimentally observed phenomena, including bursting and sensitivity to extracellular potassium. The results provide new perspectives for analyzing the pathophysiological mechanisms of brain function.

Астроциты, ключевой тип клеток глии центральной нервной системы, характеризуются сложной трехмерной морфологией, которая тесно связана с их многочисленными функциями и меняется при развитии, адаптационной пластичности и патологии. Автоматизированная реконструкция этой морфологии из конфокальных микроскопических изображений остается методической проблемой из-за высокого пространственного разнообразия отростков, зашумленности данных и отсутствия специализированных открытых инструментов. Представлен новый алгоритм для автоматической реконструкции морфологии астроцитов, основанный на комбинации многомасштабного анализа анизотропности и метода быстрого марша. Основное нововведение заключается в построении профиля скорости для уравнения эйконала через нормировку отклика фильтра Сато на величину проекции градиента яркости на направление, перпендикулярное центральной линии отростков, позволяя эффективно выделять осевые линии отростков разного калибра. Для параметризации получаемых деревьев использовались топологические морфологические дескрипторы и анализ степенного распределения узлов графа. Алгоритм был валидирован на открытом наборе данных изображений астроцитов разных стадиях созревания морфологии в ходе развития. Показано, что распределение весов узлов реконструкции подчиняется степенному закону, показатель которого монотонно уменьшается с возрастом, отражая увеличение иерархической упорядоченности морфологии. Низкоразмерное UMAP-представление портретов персистентности, построенных на основе реконструкций, выявило четкую «ось созревания», вдоль которой кластеризуются клетки в соответствии с возрастом животного. Предложенный метод предоставляет эффективный инструмент для количественного анализа трехмерной архитектуры астроцитов, что может найти применение в исследованиях роли астроцитов в работе центральной нервной системы.

Astrocytes, a key type of macroglial cell in the central nervous system, are characterized by a complex three-dimensional morphology that is closely linked to their function and undergoes changes during development, plasticity, and pathology. Automated quantitative reconstruction of this morphology from confocal microscopy images remains a methodological challenge due to the high spatial diversity of processes, data noise, and the lack of specialized open-source tools. This paper presents a novel algorithm for the automatic reconstruction of astrocyte morphology, based on a combination of multi-scale anisotropy analysis and the fast marching method. The core innovation lies in constructing a speed profile for the eikonal equation by normalizing the response of the Sato filter with the magnitude of the brightness gradient projection onto the direction perpendicular to the branch centerline. This approach effectively highlights the medial axes of processes of varying calibers. The reconstruction is achieved by building a graph from the trajectories of gradient descent on a time-of-arrival map initiated from the cell soma. For parameterizing the resulting trees, topological morphological descriptors and an analysis of the power-law distribution of the leaf count of the graph nodes were used. The algorithm was validated on an open dataset of hippocampal astrocyte images from rats at different postnatal developmental stages. It is shown that the distribution of node weights in the reconstructions follows a power law, whose exponent monotonically decreases with age, reflecting an increase in the hierarchical order of the morphology. A low-dimensional UMAP representation of persistence images, constructed from the reconstructions, revealed a clear “maturation axis” along which cells cluster according to the animal’s age. The proposed method provides a reliable open-source tool for the objective quantitative analysis of complex three-dimensional astrocyte architecture, which is essential for research in developmental neurobiology, astroglial physiology.

Функциональная магнитно-резонансная томография (фМРТ) на основе сигнала BOLD (blood-oxygen-level-dependent — зависящего от уровня оксигенации крови) является ведущим методом неинвазивного картирования активности головного мозга человека. Количественная интерпретация данных фМРТ требует биофизических моделей, прослеживающих многостадийную сигнальную цепь от электрической активности нейронов до измеряемого гемодинамического отклика. Биофизическая модель нейроглиоваскулярной единицы (НГВЕ), описывающая нейронную динамику на основе формализма Ходжкина – Хаксли, кальциевую сигнализацию в астроците, электрофизиологию гладкомышечной клетки и баллонную модель гемодинамики, является перспективным инструментом для предсказательного моделирования динамики сигнала BOLD при фМРТ. Однако результаты расчета с использованием существующей версии модели НГВЕ показывают ряд расхождений с экспериментальными данными. В настоящей работе идентифицированы причины этого несоответствия, в том числе отсутствие в модели механизма устойчивой вазодилатации через эпоксиэйкозатриеновые кислоты (EET). Для решения этой проблемы модель НГВЕ дополнена описанием EET-пути, связывающего астроцитарный кальций с кальцием гладкомышечной клетки, а также добавлена метаболическая инерция потребления кислорода. Совместно с уточнением значений параметров модели это позволило устранить нефизиологичное снижение сигнала BOLD при длительной стимуляции нейрона и воспроизвести устойчивое плато BOLD +5% с постстимульным снижением порядка −1,5%. Выполнено систематическое вычислительное исследование (30 экспериментов, ∼ 165 расчетных случаев) начального овершута гемодинамического отклика. Установлено, что ускорение динамики поперечных мостиков само по себе обеспечивает каноническое время достижения пика BOLD; усиление вклада калиевых каналов внутреннего выпрямления (KIR) для этого не требуется, но именно оно приводит уровень в конце стимуляции к наблюдаемому значению и тем самым формирует отношение овершута. Проверка на сетке из 16 условий стимуляции (32 расчета для двух конфигураций модели) показала, что форма отклика сохраняется при длительностях 10–30 с и токах I = 0,018–0,022 мА/см², и позволила очертить границы применимости модели. Выявлен вклад исследованных сигнальных путей в характеристики BOLD-сигнала: быстрый K⁺/KIR-путь формирует начальный овершут, тогда как медленный EET-путь поддерживает плато, что согласуется с двухфазной (быстрой и медленной) динамикой функциональной гиперемии.

Functional magnetic resonance imaging (fMRI) based on the blood-oxygen-level-dependent (BOLD) signal is the leading method for non-invasive mapping of human brain activity. Quantitative interpretation of fMRI data requires biophysical models that trace the multi-stage signaling chain from neuronal electrical activity to the measured hemodynamic response. The biophysical model of the neurogliovascular unit (NGVU), which describes neuronal dynamics based on the Hodgkin –Huxley formalism, calcium signaling in astrocytes, smooth muscle electrophysiology, and a balloon model of hemodynamics, is a promising tool for predictive modeling of BOLD signal dynamics in fMRI. However, calculation results using the existing version of the NGVU model show several discrepancies with experimental data. In this study, we identify the reasons for this discrepancy, including the absence of a mechanism for sustained vasodilation via epoxyeicosatrienoic acids (EET) in the model. To address this issue, the NGVU model is supplemented with a description of the EET pathway linking astrocytic calcium to smooth muscle calcium, and metabolic inertia of oxygen consumption is added. Together with refinement of the model parameter values, this made it possible to eliminate the non-physiological decrease in the BOLD signal during long-term neuron stimulation and reproduce a stable BOLD plateau of +5% with a poststimulus decrease of about −1.5%. A systematic computational study (30 experiments, ∼ 165 computational cases) of the initial overshoot of the hemodynamic response was performed. It was found that acceleration of cross-bridge dynamics alone provides canonical BOLD peak timing; strengthening KIR is not required for this, but brings the late-stimulus level to the observed value and thereby determines the overshoot ratio. A sweep over 16 stimulation conditions (32 simulation runs for two model configurations) showed that the response shape is preserved for stimulus durations of 10–30 s at I = 0.018–0.022 mA/cm², and delineated the limits of the model’s applicability. The contribution of the studied signaling pathways to the BOLD signal characteristics was revealed: the fast K⁺/KIR pathway generates the initial overshoot, while the slow EET pathway maintains the plateau, consistent with the biphasic (fast and slow) dynamics of functional hyperemia.