背景:体外内皮细胞培养被广泛用于研究血管生成。 细胞网络组织微缩图像通常被手动分析,这一过程耗时且主观。 像ImageJ(NIH)这样的自动化工具可以提供帮助,但通常很慢且不准确。 此外,随着内皮网络变得越来越复杂,传统的架构指标可能无法完全反映网络成熟度。 为了解决这些限制,我们开发了 tubuleTracker,一个快速、客观地量化内皮网络架构和成熟度的软件工具。 方法:人类脐静脉内皮细胞在细胞外基质中培养,54张图像使用相位对比显微镜获得。 每张图片由三位独立审稿人以及ImageJ和tuleTracker手动分析。 关键指标包括小管计数、总长度、节点计数、小管面积和容器循环。 同时,训练有素的科学家对每幅图像的血管生成成熟度进行了1-5级(1=最成熟)的评分。 结果:每张图片的分析时间差异很大:手动(8分钟),ImageJ(58 + / 4 s)和块状Tracker(6 + /-2)(p<0.0001)。 在小管计数(手动 168+/-SD、小管Tracker 92+/-SD、ImageJ 433+/-SD)、长度和节点计数(所有 p<0.0001)中也存在显著差异。 管状跟踪器的指标在血管生成成熟度得分(包括小管计数、长度、节点计数、面积和循环度(所有 p<0.0001)中差异很大。 结论: tuleTracker 比基于手动和 ImageJ 的分析更快、更一致。 事实证明,容器循环性在捕获血管生成成熟方面特别有效。 tubuleTracker作为生物医学研究界的免费共享软件提供。