HE
Helge Ewers
Author with expertise in Fluorescence Microscopy Techniques
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
31
(61% Open Access)
Cited by:
1,630
h-index:
35
/
i10-index:
54
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Activity-Dependent Gating of Parvalbumin Interneuron Function by the Perineuronal Net Protein Brevican

Emilia Favuzzi et al.Jul 14, 2017
Highlights•PNN proteins gate classes of neurons to support experience-dependent plasticity•The PNN protein Brevican modulates cellular and synaptic plasticity in PV+ cells•Brevican levels are dynamically regulated by network activity•Brevican is required for normal cognitive functionSummaryActivity-dependent neuronal plasticity is a fundamental mechanism through which the nervous system adapts to sensory experience. Several lines of evidence suggest that parvalbumin (PV+) interneurons are essential in this process, but the molecular mechanisms underlying the influence of experience on interneuron plasticity remain poorly understood. Perineuronal nets (PNNs) enwrapping PV+ cells are long-standing candidates for playing such a role, yet their precise contribution has remained elusive. We show that the PNN protein Brevican is a critical regulator of interneuron plasticity. We find that Brevican simultaneously controls cellular and synaptic forms of plasticity in PV+ cells by regulating the localization of potassium channels and AMPA receptors, respectively. By modulating Brevican levels, experience introduces precise molecular and cellular modifications in PV+ cells that are required for learning and memory. These findings uncover a molecular program through which a PNN protein facilitates appropriate behavioral responses to experience by dynamically gating PV+ interneuron function.
0
Citation314
0
Save
1

Cholesterol promotes both head group visibility and clustering of PI(4,5)P2driving unconventional secretion of Fibroblast Growth Factor 2

Fabio Lolicato et al.Apr 16, 2021
Summary Fibroblast Growth Factor 2 (FGF2) is a cell survival factor involved in tumor-induced angiogenesis. FGF2 is secreted through an unconventional secretory pathway based upon direct protein translocation across the plasma membrane. Here we demonstrate that both PI(4,5)P 2 -dependent FGF2 recruitment at the inner plasma membrane leaflet and FGF2 membrane translocation into the extracellular space are positively modulated by cholesterol in living cells. We further reveal cholesterol to enhance FGF2 binding to PI(4,5)P 2 -containing lipid bilayers in a fully reconstituted system. Based on extensive atomistic molecular dynamics simulations and membrane tension experiments, we propose cholesterol to modulate FGF2 binding to PI(4,5)P 2 by (i) increasing head group visibility of PI(4,5)P 2 on the membrane surface, (ii) increasing avidity by cholesterol-induced clustering of PI(4,5)P 2 molecules triggering FGF2 oligomerization and (iii) increasing membrane tension facilitating the formation of lipidic membrane pores. Our findings have general implications for phosphoinositide-dependent protein recruitment to membranes and explain the highly selective targeting of FGF2 towards the plasma membrane, the subcellular site of FGF2 membrane translocation during unconventional secretion of FGF2.
1
Citation4
0
Save
18

3D-surface reconstruction of cellular cryo-soft X-ray microscopy tomograms using semi-supervised deep learning

Michael Dyhr et al.May 16, 2022
Abstract Cryo-soft X-ray tomography (cryo-SXT) is a powerful method to investigate the ultrastructure of cells, offering resolution in the tens of nm range and strong contrast for membranous structures without requirement for labeling or chemical fixation. The short acquisition time and the relatively large volumes acquired allow for fast acquisition of large amounts of tomographic image data. Segmentation of these data into accessible features is a necessary step in gaining biologically relevant information from cryo-soft X-ray tomograms. However, manual image segmentation still requires several orders of magnitude more time than data acquisition. To address this challenge, we have here developed an end-to-end automated 3D-segmentation pipeline based on semi-supervised deep learning. Our approach is suitable for high-throughput analysis of large amounts of tomographic data, while being robust when faced with limited manual annotations and variations in the tomographic conditions. We validate our approach by extracting three-dimensional information on cellular ultrastructure and by quantifying nanoscopic morphological parameters of filopodia in mammalian cells.
1

Automated Analysis of Neuronal Morphology through an Unsupervised Classification Model of Neurites

Amin Zehtabian et al.Mar 1, 2022
Abstract Brain function emerges from a highly complex network of specialized cells that are interlinked by billions of synapses. The synaptic connectivity between neurons is established between the elongated processes of their axons and dendrites or, together, neurites. To establish these billions of often far-reaching connections, cellular neurites have to grow in highly specialized, cell-type dependent patterns covering often mm distances and connecting with thousands of other neurons. The outgrowth and branching of neurites are tightly controlled during development and are a commonly used functional readout of imaging in the neurosciences. Manual analysis of neuronal morphology from microscopy images, however, is very time intensive and error prone. Especially fully automated segmentation and classification of all neurites remain unavailable in open-source software. Here we present a standalone, GUI-based software for batch-quantification of neuronal morphology in fluorescence micrographs with minimal requirements for user interaction. Neurons are segmented using a Hessian-based algorithm to detect thin neurite structures combined with intensity- and shape-based detection of the cell body. To measure the number of branches in a neuron accurately, rather than just determining branch points, neurites are classified into axon, dendrites and their branches of increasing order by their length using a geodesic distance transform of the cell skeleton. The software was benchmarked against a large, published dataset and reproduced the phenotype observed after manual annotation before. Our tool promises greatly accelerated and improved morphometric studies of neuronal morphology by allowing for consistent and automated analysis of large datasets.
45

Adhesion energy controls lipid binding-mediated endocytosis

Raluca Groza et al.Jun 25, 2023
Abstract Several bacterial toxins and viruses can deform membranes through multivalent binding to lipids for clathrin-independent endocytosis. However, it remains unclear, how membrane deformation and endocytic internalization are mechanistically linked. Here we show that many lipid-binding virions induce membrane deformation and clathrin-independent endocytosis, suggesting a common mechanism based on multivalent lipid binding by globular particles. We create a synthetic cellular system consisting of a lipid-anchored receptor in the form of GPI-anchored anti-GFP nanobodies and a multivalent globular binder exposing 180 regularly-spaced GFP molecules on its surface. We show that these globular, 40 nm diameter, particles bind to cells expressing the receptor, deform the plasma membrane upon adhesion and become endocytosed in a clathrin-independent manner. We explore the role of the membrane adhesion energy in endocytosis by using receptors with affinities varying over 7 orders of magnitude. Using this system, we find that once a threshold in adhesion energy is overcome to allow for membrane deformation, endocytosis occurs reliably. Multivalent, binding-induced membrane deformation by globular binders is thus sufficient for internalization to occur and we suggest it is the common, purely biophysical mechanism for lipid-binding mediated endocytosis of toxins and pathogens.
45
Citation1
0
Save
Load More