【原】ImageJ分析细胞线粒体网络形态

线粒体(Mitochondrion)是一种存在于大多数细胞中的由两层膜包被的细胞器 ，是细胞中制造能量的结构，是细胞进行有氧呼吸 的主要场所。在活细胞中，线粒体存在融合和裂变的动态循环以不断动态重建，融合和裂变的平衡直接影响线粒体网络形态并由此影响ATP稳态和细胞功能。线粒体网络指线粒体的分支、网状结构以及真核细胞内单独存在的点状线粒体。

正常的线粒体融合和裂变对线粒体DNA的维持至关重要，在过去数十年中，线粒体网络结构的重要性日益受到重视由此促进了各种分析方法的发展。在此给大家分享一款基于免费开源软件ImageJ开发的分析线粒体网络的宏——MiNA，该工具包含一些可选的预处理步骤将原始线粒体图像转换为二进制图像用于计算线粒体网络参数。

下载

MiNA可免费获取，下载地址为：https://github.com/ScienceToolkit/MiNA 。

打开链接，点击Clone or download下载MiNA。

ImageJ软件FIJI（FIJI is just ImageJ）下载地址 https:/// ，根据电脑系统下载对应版本软件。

安装MiNA宏，打开FIJI，点击Plugins，Macros，Install，选择MiNA-master中src下的MiNA.ijm文件，在Plugins，Macros即可看见已经安装成功的宏。

可选择性了解MiNA工作流程，流程图如下：

MiNA工作流程图对应具体线粒体图片举例：

典型线粒体网络结构特征：

MiNA在线粒体骨架结构中仅识别两种类型的线粒体结构：线粒体网络（Networks）和单独个体（Individuals）。线粒体网络结构典型结构如上图，即有连接点和多个分支。

单独个体线粒体有三种：1、点状（Punctate，骨骼化图像中的单个像素）；2、棒状（Rod，骨骼化图像中具有两个或更多的无分支结构）；3、大或者圆的结构（Large/Round）。

下面以一个典型的不同形态的线粒体形态为例进行分析方法介绍，从左到右简化形态依次是点状、棒状和线粒体网络：

步骤

1、 打开FIJI,依照前述方法在Plugins，Macros中安装NiNA。打开示例图片：

2、 点击Plugins → Macros → MiNA - Analyze Mitochondrial Morphology。将出现以下提示界面：

Processing to Apply下有CLAHE,Median Filter和Unsharp Mask三个可选择的预处理选项，默认情况下不选择任何选项。参考MiNA工作流程可知预处理有助于骨架结构更接近视觉上看见的拓扑结构，同时这也会引入一定的偏差，因此需要谨慎使用，具体根据分析出的实际效果而定。点击OK,开始分析。

得到结果

NiNA Output可以得到诸多结果：

可知单独个体线粒体结构（Individuals）有2个，网络结构（Networks）有1个。平均分支长度（Mean Branch Length）为6.529μm，分支长度的中位数（Median Branch Length）为6.936μm。长度的标准偏差（Length Standard Deviation）为4.557μm。

注：

关于中位数和平均值，中位数是以统计的最大和最小值中间那个值，比如最小1，最大10中间值是5.5.平均值则是所有测量结果全部加起来去平均。比如有5个数，1，3，7，9，10，平均值是6，而中位数是5.5。

还可得到平均网络结构的大小（Mean Network Size），网络结构大小的中位数（Median Network Size），网络结构大小的标准偏差（Network Size Standard Deviation）以及线粒体足（Mitochondrial Footprint）的长度。

对于细胞线粒体图片其分析步骤类似，原始图片进行预处理选项预处理后得到形态学骨骼化图片：

NiNA Output得到数据可以进行统计分析：

NiNA工具不仅可以用于评估线粒体网络的形态学特征，可区分单独线粒体结构和网络结构。除识别网络结构外NiNA还可对各个网络结构内部分支的程度进行评估，从而识别线粒体过度融合的细胞，即具有非常高度分支结果的线粒体网络。由于高度片段化的线粒体与特定细胞周期、高有氧代谢状态等相关，对细胞生物学具有重要意义，准确识别这些状态显得尤为重要，免费开源工具NiNA可以用来分析哺乳动物细胞线粒体融合程度希望对大家有所帮助。

References:

Valente, A.J., et al., A simple ImageJ macro tool for analyzing mitochondrial network morphology in mammalian cell culture. Acta Histochem, 2017. 119(3): p. 315-326.