Method Article
Wir beschreiben eine Methode zur qualitativen und quantitativen Analyse der Stressgranulatbildung in Säugetierzellen, nachdem die Zellen mit Bakterien und einer Anzahl unterschiedlicher Belastungen herausgefordert wurden. Dieses Protokoll kann angewendet werden, um die zelluläre Stressgranulat-Antwort in einem breiten Bereich von Wirts-bakteriellen Wechselwirkungen zu untersuchen.
Die Fluoreszenz-Bildgebung von zellulären Komponenten ist ein wirksames Instrument zur Untersuchung von Wirts-Pathogen-Wechselwirkungen. Pathogene können viele verschiedene Merkmale infizierter Zellen beeinflussen, darunter Organellen-Ultrastruktur, zytoskeletale Netzwerkorganisation sowie zelluläre Prozesse wie Stressgranulat (SG). Die Charakterisierung, wie Pathogene Host-Prozesse untergraben, ist ein wichtiger und integraler Bestandteil des Feldes der Pathogenese. Während variable Phänotypen leicht sichtbar sind, ist die genaue Analyse der qualitativen und quantitativen Unterschiede in den zellulären Strukturen, die durch die pathogene Herausforderung induziert werden, für die Festlegung statistisch signifikanter Unterschiede zwischen experimentellen und Kontrollproben unerlässlich. SG-Bildung ist eine evolutionär konservierte Stressreaktion, die zu antiviralen Reaktionen führt und seit langem mit viralen Infektionen untersucht wird 1 . SG-Bildung wirkt sich auch auf Signalkaskaden aus und kann noch andere noch unbekannte Konsequenzen habenUnces 2 Die Charakterisierung dieser Stressreaktion auf andere Pathogene als Viren, wie bakterielle Pathogene, ist derzeit ein aufstrebendes Forschungsgebiet 3 . Dennoch ist die quantitative und qualitative Analyse der SG-Bildung noch nicht routinemäßig, auch in den viralen Systemen. Hier beschreiben wir ein einfaches Verfahren zur Induktion und Charakterisierung der SG-Bildung in nicht infizierten Zellen und in mit einem zytosolischen Bakterienpathogen infizierten Zellen, die die Bildung von SGs als Reaktion auf verschiedene exogene Spannungen beeinflussen. Die Analyse der SG-Bildung und -Anlage wird durch die Verwendung einer Anzahl von verschiedenen SG-Markern und des Spotdetektor-Plugins von ICY, einem Open-Source-Bildanalyse-Tool, erreicht.
Die Visualisierung von Host-Pathogen-Interaktionen auf zellulärer Ebene ist eine leistungsstarke Methode, um Einblicke in pathogene Strategien zu gewinnen und wichtige Zellwege zu identifizieren. In der Tat können Pathogene als Werkzeuge verwendet werden, um wichtige zelluläre Ziele oder Strukturen zu lokalisieren, da sich Pathogene entwickelt haben, um zentrale zelluläre Prozesse als Strategie für ihr eigenes Überleben oder ihre Ausbreitung zu untergraben. Die Visualisierung von zellulären Komponenten kann durch rekombinante Expression von fluoreszenzmarkierten Wirtsproteinen erreicht werden. Während dies eine Echtzeitanalyse ermöglicht, ist die Erzeugung von Zelllinien mit speziell markierten Wirtsproteinen sehr aufwendig und kann zu unerwünschten Nebenwirkungen führen. Zweckmäßiger ist der Nachweis von zellulären Faktoren, die spezifische Antikörper verwenden, da mehrere Wirtsfaktoren gleichzeitig analysiert werden können und einer nicht auf einen bestimmten Zelltyp beschränkt ist. Ein Nachteil ist, dass nur eine statische Ansicht erfasst werden kann, da die Immunfluoreszenzanalyse die Wirtszell-Fixierung erfordertIon. Ein wichtiger Vorteil der Immunfluoreszenz-Bildgebung ist jedoch, dass sie sich sowohl qualitative als auch quantitative Analysen eignet. Dies wiederum kann verwendet werden, um statistisch signifikante Unterschiede zu erhalten, um neue Einblicke in Host-Pathogen-Wechselwirkungen zu liefern.
Fluoreszierende Bildanalyse-Programme sind leistungsstarke analytische Werkzeuge für die Durchführung von 3D- und 4D-Analysen. Allerdings sind die hohen Kosten der Software und ihre Wartung machen Methoden auf freie Open-Source-Software mehr attraktiv. Eine sorgfältige Bildanalyse mit Bioanalyse-Software ist wertvoll, da sie die visuelle Analyse untermauert und bei der Zuweisung statistischer Signifikanzen das Vertrauen in die Richtigkeit eines gegebenen Phänotyps erhöht. Bisher wurden SGs mit der freien ImageJ Software analysiert, was die manuelle Identifikation einzelner SGs 4 erfordert. Hier stellen wir ein Protokoll für die Induktion und Analyse der zellulären SG-Bildung im Rahmen von bac zur VerfügungTerial-Infektionen mit der freien Open-Source-Bio-Bild-Analyse-Software ICY (http://icy.bioimageanalysis.org). Die Bio-Bildanalyse-Software verfügt über ein eingebautes Spot-Detektor-Programm, das sich hervorragend für die SG-Analyse eignet. Es ermöglicht die Feinabstimmung des automatisierten Erkennungsprozesses in bestimmten Regionen von Interesse (ROIs). Dies überwindet die Notwendigkeit einer manuellen Analyse einzelner SGs und beseitigt die Abtastvorspannung.
Viele Umgebungsbelastungen induzieren die Bildung von SGs, die phasen-dichte zytosolische, nicht-membranöse Strukturen von 0,2 - 5 μm im Durchmesser 5 , 6 sind . Diese zelluläre Antwort ist evolutionär in Hefe, Pflanzen und Säugetieren konserviert und tritt auf, wenn die globale Protein-Translation gehemmt wird. Es handelt sich um die Aggregation von blockierten Translationsinitiationskomplexen in SGs, die als Haltungsplätze für translational-inaktive mRNAs betrachtet werden, was eine selektive Translation einer Untermenge von zellulären mRNAs ermöglicht.Nach der Beseitigung der Belastung, SGs auflösen und globale Preise der Proteinsynthese wieder aufnehmen. SGs bestehen aus Translationsdehnungsinitiationsfaktoren, Proteinen, die an dem RNA-Metabolismus beteiligt sind, RNA-bindende Proteine sowie Gerüstproteine und Faktoren, die an der Wirtszell-Signalisierung 2 beteiligt sind , obwohl die genaue Zusammensetzung in Abhängigkeit von der angewandten Belastung variieren kann. Umwelteinflüsse, die die SG-Bildung induzieren, schließen die Aminosäure-Verhungern, die UV-Bestrahlung, den Hitzeschock, den osmotischen Schock, den endoplasmatischen Retikulumstress, die Hypoxie und die Virusinfektion 2 , 7 , 8 ein . Es wurde viel Fortschritte gemacht, um zu verstehen, wie Viren die SG-Bildung induzieren und auch untergraben, während wenig darüber bekannt ist, wie andere Pathogene wie Bakterien-, Pilz- oder Protozoenpathogene diese zelluläre Stressreaktion 1 , 7 beeinflussen .
ShigeLla flexneri ist ein gram-negatives fakultatives zytosolisches Pathogen des Menschen und der Erreger von schweren Durchfall oder Shigellosis. Shigellosis ist eine große öffentliche Gesundheit Belastung und führt zu 28.000 Todesfälle jährlich bei Kindern unter 5 Jahren im Alter von 9 , 10 . S. flexneri infiziert das Kolon-Epithel und verbreitet Zelle-zu-Zelle durch Entführung der Zytoskelettkomponenten des Wirts 11 , 12 . Die Infektion des Epithels unterstützt die Replikation von S. flexneri innerhalb des Cytosols, aber infizierte Makrophagen sterben durch einen entzündlichen Zelltodprozess namens Pyroptose. Infektion führt zu einer massiven Rekrutierung von Neutrophilen und einer schweren Entzündung, die von Hitze, oxidativem Stress und Gewebezerstörung begleitet wird. Während also infizierte Zellen internen Belastungen durch Infektion induziert werden, wie z. B. Golgi-Störung, genotoxischer Stress und zytoskeletale UmlagerungS, infizierte Zellen sind auch Umweltbelastungen durch den entzündlichen Prozess unterworfen.
Die Charakterisierung der Wirkung von S. flexneri- Infektion auf die Fähigkeit von Zellen, auf Umweltbelastungen mit einer Anzahl von SG-Markern zu reagieren, hat gezeigt, dass die Infektion zu qualitativen und quantitativen Unterschieden in der SG-Zusammensetzung führt 3 . Allerdings ist wenig über andere bakterielle Pathogene bekannt. Hier beschreiben wir eine Methodik für die Infektion von Wirtszellen mit dem zytosolischen Pathogen S. flexneri , die Beanspruchung von Zellen mit unterschiedlichen Umweltbelastungen, die Markierung von SG-Komponenten und die qualitative und quantitative Analyse der SG-Bildung und Zusammensetzung im Kontext von infizierten Und nicht infizierten Zellen. Diese Methode ist weithin anwendbar auf andere bakterielle Pathogene. Zusätzlich kann die Bildanalyse der SG-Bildung für Infektionen durch Viren oder andere Pathogene verwendet werden. Es kann verwendet werden, um SG zu analysierenBildung bei Infektion oder die Wirkung einer Infektion auf die SG-Bildung als Reaktion auf exogene Spannungen.
1. Vorbereitung von Bakterien und Wirtszellen
2. Bakterielle Herausforderung der Wirtszellen
3. Induktion der Stressgranulat-Bildung durch die Zugabe von exogenen Stressoren
4. Fixierung und Immunfluoreszenzanalyse der Stressgranulatbildung
HINWEIS: Verarbeiten Sie die Steuerung undExperimentelle Deckgläser gleichzeitig zu vermeiden, um Unterschiede zu vermeiden, die die Bildanalyse in nachfolgenden Schritten beeinflussen können. Die Kontrollproben umfassen keine Infektion mit und ohne SG-induzierende Behandlung und infizierte Proben mit und ohne SG-induzierende Behandlung.
5. Fluoreszenzbildgebung
HINWEIS: Zur Optimierung des Aufbaus siehe Bedienungsanleitung des Mikroskops.
6. Bildanalyse
HINWEIS: Hier wird die SG-Analyse auf zusammengebrochenen Stacks mit Freeware ICY beschrieben. Bildanalyse von 3D-Rekonstruktionen kann auch mit anderen spezialisierten Software erfolgen. Die SG-Erkennung kann über einen vollautomatischen Workflow durchgeführt werden, der für dieses Protokoll eingerichtet wurde (verfügbar unter http://icy.bioimageanalysis.org/protocol/Stress_granule_detection_in_fluorescence_imaging). Um dieses Protokoll zu verwenden, müssen die Kerne mit einem DNA-Fleck für die Software gefärbt werden, um das Zentrum jeder Zelle zu finden, und die Zellkanten müssen entweder durch einen zytoplasmatischen Marker (wie z. B. eIF3b) oder Aktinfleck für die Software markiert werden Um die Zellgrenzen zu identifizieren. Der automatische Workflow kann verwendet werden, um manuell abgeleitete Ergebnisse zu validieren oder direkt für die Analyse, wenn Zellgrenzen mit hoher Zuverlässigkeit erkannt werden, was mo wirdSt hängen von der Dichte der Zellen und dem Marker ab, der verwendet wird, um die Zellgrenzen zu erkennen.
Um das in diesem Manuskript beschriebene Protokoll zu erläutern und zu demonstrieren, charakterisierten wir das Bild von Clotrimazol-induzierten SGs in HeLa-Zellen, die mit dem cytosolischen Pathogen S. flexneri infiziert waren oder nicht. Eine Skizze des Verfahrens ist in Abbildung 1 dargestellt und umfasst virulente und avirulierende S. flexneri, die auf kongo-rote Platten, Bakterienpräparation, Infektion, Zusatz von Umweltbelastung, Probenfixierung und Färbung, Probenbildgebung und Quantifizierung sowie Bildanalyse gestreift wurden . Eine Anzahl unterschiedlicher Spannungen können verwendet werden, um eine SG-Bildung zu induzieren, und eine Vielzahl von SG-Markern stehen zur Vernehmung zur Verfügung. EIF3b ist ein kanonischer SG-Marker, der auch das zytoplasmatische Kompartiment der Zelle deutlich färbt und zur Identifizierung von Zellkanten verwendet werden kann. G3BP1 ist ein weit verbreiteter SG-Marker, der sich ohne jegliche Hintergrundfärbung in SGs zusammensetzt ( Abbildung 2 A, B & D ). Die Zellen werden am besten mit einem konfokalen Mikroskop abgebildet und die Stapel, die die gesamte Zelltiefe abdecken, werden auf die Bildgebungsanalyse Freeware ICY geladen ( Abbildung 2 A - C ). Um infizierte Zellen besser zu identifizieren und Zellen in die infizierte oder nicht infizierte Gruppe für eine spätere Analyse zu bringen, ist es sinnvoll, die Intensität des Nukleinsäurefarbstoffs zu erhöhen ( Abbildung 2 D ). Innerhalb der Imaging-Analysesoftware wird der Spotdetektor dann verwendet, um SGs innerhalb jedes der bezeichneten ROIs zu identifizieren ( Fig. 2E), und es wird ein binäres Bild erzeugt, das alle identifizierten SGs anzeigt ( Fig. 2F ).
SG-Analysen müssen auf jeden analysierten SG-Marker zugeschnitten werden und die entsprechende Analyseanalyse muss sorgfältig ausgewählt werden. Fokussierung auf die SG maRker G3BP1, die Änderung der Größenanforderung des erkannten Punktes oder die Änderung der Empfindlichkeit der Erkennungsparameter führt zu unterschiedlichen Ergebnissen, wie in Abbildung 3 A - C gezeigt wird . Die Skalenauswahl (1 - 3, obwohl Skalen hinzugefügt werden können) basiert auf Pixelgröße und damit bei höheren Skalen, kleinere SGs werden nicht gezählt und die Anzahl der SGs wird abnehmen ( Abbildung 3 C ). Die Empfindlichkeit wird von 1 - 100 gemessen, wobei 100 die empfindlichste ist. Durch Erhöhung der Empfindlichkeit erhöht sich die Anzahl der erkannten SGs ( Abbildung 3 C ). So müssen die richtigen Einstellungen gefunden werden, um falsche Positive und falsche Negative zu minimieren. Dies geschieht am besten durch sorgfältige Analyse der für jede Einstellung erhaltenen Visuals. Für G3BP1 ergab eine Skala von 2 mit einer Empfindlichkeit von 100 (2 - 100, rot hervorgehoben) das beste Ergebnis. Eine Skala von 2 mit einer niedrigeren Empfindlichkeit (50 oder 25) links kleinSGs unzählbar (siehe orange Pfeile). Ähnlich wurde eine Skala von 3 linken kleinen SG nicht berücksichtigt, während eine Skala von 1 überabgetastet wurde. Wichtig ist, dass zusätzliche Skalen hinzugefügt werden können, um sich nur auf große SGs zu konzentrieren, falls dies gerechtfertigt ist. Für eIF3b gab eine Skala von 2 mit einer Empfindlichkeit von 55 (2 - 55) das beste Ergebnis für eIF3b (rot markiert), obwohl rote Pfeile entweder unter oder überabtasten in einer Skala 2 - 50 & 2 - 55 hervorheben.
Sobald die Parameter für die SG-Analyse richtig eingestellt sind, können die Daten in vielerlei Hinsicht analysiert werden ( Abbildung 4 ). Der Spotdetektor gibt die Anzahl der SGs, die in jedem ROI detektiert werden, so dass die nicht infizierten und infizierten Zellen verglichen werden können ( Abbildung 4 A ). Ähnlich ist die Größe, in diesem Fall die Anzahl der Pixel, gegeben, aus denen die Oberfläche berechnet werden kann ( Abbildung 4 B ). Frequenzverteilung plOts sind auch nützlich, um Verschiebungen in der Größe von SGs hervorzuheben, die in verschiedenen Zellpopulationen gefunden wurden. Hier wird eine vollständige Abwesenheit von großen SGs in S. flexneri infizierten Zellen sowie eine definitive Verschiebung der Verteilung klarer ( Abbildung 4 C ). Darüber hinaus gibt die Intensität (hier gezeigt ist minimale und maximale Intensität) Informationen über die Qualität der analysierten SGs. Für S. flexneri infizierte Zellen sind SGs deutlich weniger intensiv. Diese Analysen liefern statistisch relevante Informationen über die qualitative und quantitative Natur von SGs, die als Reaktion auf exogenen Stress gebildet werden, wenn Zellen mit oder ohne S. flexneri infiziert sind.
Abbildung 1 : Überblick über die experimentelle Prozedur zur Infektion von Zellen mit S. Flexneri undUm die Wirkung der Infektion SG Formation zu analysieren. Eine kongo-rote Kolonie und eine nichtvirulent Kongo-Rot-negative Kolonie werden in der tryptischen Sojabohnenbrühe gezüchtet und gewachsen. Die Übernachtkultur wird in die späte exponentielle Phase subkultiviert, bevor Bakterien mit PLL beschichtet werden, um die Adhärenz zu fördern. Wirtszellen, die auf Glasdeckgläschen in 12-Well-Platten gezüchtet wurden, werden mit Bakterien für 30 min infiziert. Kontrollzellen sind nicht infiziert. Die Zellen werden gewaschen und mit Stress-Induktoren behandelt, um die SG-Bildung zu induzieren, indem entweder das Medium durch spannungshaltiges Medium ersetzt wird oder die Zellen Stressbedingungen wie Wärme ausgesetzt werden. Die Zellen werden dann fixiert, permeabilisiert, mit immunfluoreszierenden SG-spezifischen Markern gefärbt und mit konfokaler Mikroskopie abgebildet. Z-Projektionen werden mit ImageJ durchgeführt und mit dem Spot-Detektor der Bildanalyse-Software analysiert. Die Daten werden dann analysiert. Bitte klicken Sie hier um eine größere Ansicht zu sehenVersion dieser Figur.
Abbildung 2 : Spot-Detektor-Analyse von HeLa-Zellen infiziert mit S. Flexneri für 1,5 h vor der Zugabe von Clotrimazol für 1 h. A. Immunfluoreszenzbild einer z-Projektion, die Zellen zeigt, die mit den SG-Markern eIF3b und G3BP1, DAPI und Actin gefärbt sind. B. Gleiches Bild wie in (A), aber ohne den Aktin-Fleck, um die Verwendung von eIF3b hervorzuheben, um Zellgrenzen abzugrenzen. C. Screenshot der Bildanalyse-Software mit dem Spot-Detektor-Modul. D. Gating der infizierten und nicht infizierten Zellen, wie sie mit verschiedenen Kanälen zu sehen sind. Um alle Bakterien zu sehen, wird die Intensität erhöht. Zellen mit mehr als 1 Bakterium in der Zelle sind mit einem roten Stern markiert. E Ausgabe des SpotdetektorsDie Analyse der einzelnen ROIs, die den ROI-Namen, die Anzahl der Spots und ihren Standort angeben. F. Bild von Spots in den ROIs erkannt. Maßstab = 30 μm. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Abbildung 3 : Vergleiche von verschiedenen Skalen- und Empfindlichkeitseinstellungen des Spot-Detektors für die Erkennung von SGs durch verschiedene SG-Marker. A. Zoom-in HeLa-Zellen infiziert oder nicht mit S. flexneri und gefärbt mit DAPI und dem SG-Marker G3BP1 und analysiert auf verschiedenen Skalen (Pixelgröße abgeschnitten, 1 - 3) und Empfindlichkeit (1 - 100). Grafische Darstellung von SG-Zahlen in nicht infizierten und infizierten Zellen, die auf verschiedenen Skalen analysiert wurden ( > B) und Empfindlichkeiten ( C ). Visuals ( D ) und grafische Darstellung ( E ) der SG-Nummernerkennung des SG-Markers eIF3b für das gleiche Bild bei Änderung der Empfindlichkeitsgrenze ohne Änderung der Spotgrößenabschaltung. Rotschreiben und rote Symbole zeigen die besten Parameter an. Rote Pfeile zeigen auf falsche Positives und orange Pfeile auf einen Mangel an SG-Erkennung. Werte sind Mittelwert mit Standardabweichung. Die besten Ergebnisse sind rot markiert. Ausgewählte statistische Analysen enthalten zur Klarheit mit dem Wilcoxon Rang Summe Test P-Werte auf der linken Seite und die Varianz F-Test auf der rechten Seite. * = <0,05, ** = <0,01, *** = <0,001, ns = nicht signifikant. Maßstab = 10 μm. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Es / ftp_upload / 55536 / 55536fig4.jpg "/>
Abbildung 4 : Analyse von Spot Detector Generierte SG-Daten aus Clotrimazol-behandelten HeLa-Zellen, die mit S. Flexneri infiziert wurden . A. Anzahl der G3BP1-SGs pro Zelle in infizierten und nicht infizierten HeLa-Zellen. B. Oberfläche von G3BP1-SGs in infizierten und nicht infizierten Zellen und deren prozentuale Verteilungshäufigkeit ( C ). D. Minimaler und maximaler Intensitätswert (beliebig) von G3BP1-SGs. Werte sind Mittelwert mit Standardfehler. Ausgewählte statistische Analysen enthalten zur Klarheit mit dem Wilcoxon Rang Summe Test P-Werte auf der linken Seite und die Varianz F-Test auf der rechten Seite. * = <0,05, ** = <0,01, *** = <0,001, ns = nicht signifikant. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Das hier beschriebene Protokoll beschreibt die Induktion, Lokalisierung und Analyse von SGs in nicht-infizierten Zellen und Zellen, die mit dem cytosolischen Pathogen S. flexneri in Gegenwart oder Abwesenheit von exogenem Stress infiziert sind. Mit Hilfe der kostenlosen Imaging-Software erlauben die Protokolle die präzise qualitative und quantitative Analyse der SG-Bildung, um die Unterschiede in den gegebenen Phänotypen zu identifizieren und statistisch zu adressieren.
Es gibt mehrere kritische Schritte innerhalb des Protokolls für die Infektion, SG-Induktion und Bildgebung Teile. Für die Infektion ist es wichtig, dass die bakterielle Interaktion mit Wirtszellen, wie zB Invasion als skizziertes Protokoll, so weit wie möglich synchronisiert wird. Dies ist besonders wichtig bei der Untersuchung der Auswirkungen der bakteriellen Herausforderung früh während des Infektionsprozesses. Wir haben zuvor gezeigt, dass einige Phänotypen, wie die eIF3b-Lokalisation nach S. flexneri- Infektion, frühzeitig im Wildtyp gestört werdenS. flexneri- Herausforderung, während andere Phänotypen, wie Aggregation von G3BP1-haltigen SGs, zu späteren Zeitpunkten 3 stärker betroffen sind. Um die zeitliche Wirkung der bakteriellen Herausforderung genau zu beschreiben, ist die Synchronisation der Infektion ratsam. Um die SG-Bildung zu analysieren, sollten die Zellen in der exponentiellen Phase des Wachstums liegen, und daher ist die Zelldichte zum Zeitpunkt der Stressaddition ebenfalls ein wichtiger Parameter. Es beschränkt auch die SG-Analyse auf nicht konfluierende Zellinfektionsmodelle. Ein weiterer kritischer Aspekt ist die Co-Verarbeitung von Kontroll- und Versuchsmustern sowohl bei der Verarbeitung der Proben für die Bildgebung als auch bei der Bildaufnahme. Für die Immunfluoreszenzverarbeitung sollten alle Proben mit den gleichen Antikörper-Herstellungsverdünnungen für die gleiche Zeitspanne und unter den gleichen Bedingungen ( dh RT Vs. 4 ° C) gefärbt werden, während auch darauf geachtet wird, jedes Deckglas ähnlich während der Waschstufen zu behandeln Montage oDie Deckgläser. Damit werden vergleichbare immunfluoreszierende Färbungen sichergestellt, die sowohl qualitativ als auch quantitativ analysiert werden können. Unterschiede im Montagemedium können bei der Bildaufnahme erhebliche Auswirkungen auf das Bleichen der Proben haben und sollten daher konstant gehalten werden. Ebenso sollte die Bildaufnahme für alle zu analysierenden Proben in einer Sitzung durchgeführt werden und mit den gleichen Einstellungen, um Unterschiede, die sich aus der Laserfestigkeit oder dem Probenaufbau ergeben, zu minimieren.
Bei der Verwendung von exogenen Belastungen ist es wichtig, das Reagenz ordnungsgemäß zu lagern und häufig neue Arbeitsbestände zu machen. Verlängerte Perioden (> 4 Monate für Clotrimazol zum Beispiel) führen zu einer verminderten Potenz des Medikaments und beeinflussen die SG-Bildung. Reagenzien sollten dem Kulturmedium unmittelbar vor der Zugabe zu den Zellen hinzugefügt werden; Wenn eine Verringerung der SG-Bildung in Kontrollzellen beobachtet wird oder die Aggregation von SGs als fehlerhaft erscheint, sollten Reagenzien auf ihre ac getestet werdenUnd neue Bestände sollten gemacht werden.
Eine Einschränkung ist, dass die SG-Identifikation unter Verwendung des Spotdetektors weniger zuverlässig wird, wenn zu viel Hintergrundfluoreszenz vorhanden ist. Während dies für viele SG-Marker kein Problem darstellt, sind einige, wie z. B. eIF3b, die ein klarer zytosolischer Marker unter SG-induzierenden und nicht-induzierenden Zuständen sind, schwieriger zu analysieren, wie in Abbildung 3 gezeigt . Darüber hinaus müssen Skalen und Empfindlichkeiten empirisch für jeden SG-Marker bestimmt werden. Eine weitere Einschränkung ist, dass die Analyse durch die Bildanalyse-Software am besten mit 2D-Bildern ist und daher gut auf optischen Scheiben oder zusammengebrochenen Stapeln funktioniert, was jedoch zu einem Verlust von 3D-Informationen führt. Die Analyse auf z-Projektionen neigt daher dazu, die Größe von SGs zu übertreiben und die Anzahl der SGs zu unterschätzen. Die 3D-Analyse von SGs kann mit Imaris durchgeführt werden, um eine noch genauere räumliche Charakterisierung zu ermöglichen, wenn dies für einen bestimmten Phänotyp notwendig ist. Die SG-Charakterisierung kann schnell und standardisiert mit dem automatisierten Spotdetektor der Bildanalyse-Software durchgeführt werden. Im Gegensatz dazu, manuelle Methoden zur Identifizierung und Abgrenzung von SGs wie zuvor durchgeführt 4 , lassen Sie die Analyse offen für mehr Bias und ist erheblich zeitaufwendiger. SG-Analyse mit Spot-Detektor kann auch maßgeschneidert werden, um kleine SG-Aggregate einzuschließen oder auszuschließen, indem sie unterschiedliche Empfindlichkeits- und Größenschwellen auswählen und dadurch Flexibilität bei der Bewertung verschiedener Aspekte der SG-Bildung ermöglichen. Die SG-Analyse kann auch vollständig automatisiert mit einem etablierten automatisierten Workflow durchgeführt werden 3 . Innerhalb dieses Workflows wird das Zentrum der Zelle durch einen DAPI-Fleck identifiziert, und das Programm lässt dann eine verformbare Sphäre nach außen wachsen, um die Zellgrenzen auf der Basis eines zytoplasmatischen Flecks (wie z. B. eIF3b) oder Aktin abzugrenzen. Zur gleichen Zeit, mit einer halbautomatischen Analyse vonManuelles Abgrenzen einzelner Zellen für die Analyse, kann vorteilhaft sein, wenn Zellen in Clustern wachsen und Zellgrenzen sind schwierig für das automatisierte Programm klar abgrenzen. Unter diesen Umständen kann die Definition von Zellgrenzen manuell falsch positive oder negative Werte beseitigen.
Das Protokoll kann an andere SG-induzierende Zustände und an andere Pathogene einschließlich Viren, Bakterien, Hefe und Protozoen angepasst werden. Von besonderem Interesse können andere zytosolische Pathogene wie Rickettsia spp., Francisella tularensis , Burkholdieria pseudomallei und Listeria spp. 14 Für jedes infektiöse Agens und ggf. auch verschiedene Zelllinien muss das Infektionsprotokoll angepasst und die Probenzeiten exogener Spannungen empirisch bestimmt werden. Darüber hinaus kann die SG-Charakterisierung mit Bildanalyse-Software auch zukünftig auf die Live-Zell-Bildgebung erweitert werden. Echtzeit-SG-Analyse wäre notwendigDie Expression eines oder mehrerer fluoreszenzmarkierter SG-Marker in den Wirtszellen zu vermitteln, aber damit die Frage nach der zeitlichen und speziellen Dynamik der SG-Bildung unter verschiedenen experimentellen Bedingungen adressieren zu können. Fluoreszenzmarkierte Bakterien würden dann benötigt, um die Echtzeit-SG-Analyse in infizierten und nicht infizierten Zellen zu ergänzen.
Die Autoren haben nichts zu offenbaren.
PS ist ein Empfänger der Bill und Melinda Gates Grand Challenge Grant OPP1141322. PV wurde von einem Schweizerischen National Science Foundation Early Postdoc Mobility Stipendium und einem Roux-Cantarini Postdoktorandenstipendium unterstützt. PJS wird von einem HHMI-Stipendium und ERC-2013-ADG 339579-Entschlüsselung unterstützt.
Name | Company | Catalog Number | Comments |
Primary Antibodies | |||
eIF3b (N20), origin goat | Santa Cruz | sc-16377 | Robust and widely used SG marker. Cytosolic staining allows cell delineation. Dilution 1:300 |
eIF3b (A20), origin goat | Santa Cruz | sc-16378 | Same target as eIF3b (N20) and in our hands was identical to eIF3b (N20). Dilution 1:300 |
eIF3A (D51F4), origin rabbit (MC: monoclonal) | Cell Signaling | 3411 | Part of multiprotein eIF3 complex with eIF3b . Dilution 1:800 |
eIF4AI, origin goat | Santa Cruz | sc-14211 | Recommended by (Ref # 13). Dilution 1:200 |
eIF4B, origin rabbit | Abcam | ab186856 | Good stress granule marker in our hands. Dilution 1:300 |
eIF4B, origin rabbit | Cell Signaling | 3592 | Recommended by Ref # 13. Dilution 1:100 |
eIF4G, origin rabbit | Santa Cruz | sc-11373 | Widely used SG marker. (Ref # 13): may not work well in mouse cell lines. Dilution 1:300 |
G3BP1, origin rabbit (MC: monoclonal) | BD Biosciences | 611126 | Widely used SG marker. Dilution 1:300 |
Tia-1, origin goat | Santa Cruz | sc-1751 | Widely used SG marker. Can also be found in P bodies when SG are present (Ref # 13). Dilution 1:300 |
Alexa-conjugated Secondary Antibodies | |||
A488 anti-goat , origin donkey | Thermo Fisher | A-11055 | Cross absorbed. Dilution 1:500 |
A568 anti-goat, origin donkey | Thermo Fisher | A-11057 | Cross absorbed. Dilution 1:500 |
A488 anti-mouse, origin donkey | Thermo Fisher | A-21202 | Dilution 1:500 |
A568 anti-mouse, origin donkey | Thermo Fisher | A10037 | Dilution 1:500 |
A647 anti-mouse, origin donkey | Thermo Fisher | A31571 | Dilution 1:500 |
A488 anti-rabbit, origin donkey | Thermo Fisher | A-21206 | Dilution 1:500 |
A568 anti-rabbit, origin donkey | Thermo Fisher | A10042 | Dilution 1:500 |
Other Reagents | |||
Shigella flexneri | Available from various laboratories by request | ||
Tryptone Casein Soya (TCS) broth | BD Biosciences | 211825 | Standard growth medium for Shigella, application - bacterial growth |
TCS agar | BD Biosciences | 236950 | Standard growth agar for Shigella, application - bacterial growth |
Congo red | SERVA Electrophoresis GmbH | 27215.01 | Distrimination tool for Shigell that have lost the virulence plasmid, application - bacterial growth |
Poly-L-Lysine (PLL) | Sigma-Aldrich | P1274 | Useful to coating bacteria to increase infection, application - infection |
Gentamicin | Sigma-Aldrich | G1397 | Selective killing of extracellular but not cytosolic bacteria, application - infection |
HEPES | Life Technologies | 15630-056 | PH buffer useful when cells are incubated at RT, application - cell culture |
Dulbecco's Modified Eagle Medium (DMEM) | Life Technologies | 31885 | Standard culture medium for HeLa cells, application - cell culture |
Fetal Calf Serum (FCS) | Biowest | S1810-100 | 5% supplementation used for HeLa cell culture medium, application - cell culture |
Non-Essential Amino Acids (NEAA) | Life Technologies | 11140 | 1:100 dilution used for HeLa cell culture medium, application - cell culture |
DMSO | Sigma-Aldrich | D2650 | Reagent diluent, application - cell culture |
Sodium arsenite | Sigma-Aldrich | S7400 | Potent stress granule inducer (Note: highly toxic, special handling and disposal required), application - stress inducer |
Clotrimazole | Sigma-Aldrich | C6019 | Potent stress granule inducer (Note:health hazard, special handling and disposal required), application - stress inducer |
Paraformaldehyde (PFA | Electron Microscopy Scences | 15714 | 4% PFA is used for standard fixation of cells, application - fixation |
Triton X-100 | Sigma-Aldrich | T8787 | Used at 0.03% for permeabilizationof host cells before immunofluorescent staining, application - permeabilization |
A647-phalloidin | Thermo Fisher | A22287 | Dilution is at 1:40, best added during secondary antibody staining, application - staining |
DAPI | Sigma-Aldrich | D9542 | Nucleid acid stain used to visualize both the host nucleus and bacteria, application - staining |
Parafilm | Sigma-Aldrich | BR701501 | Paraffin film useful for immunofluorescent staining of coverslips, application - staining |
Prolong Gold | Thermo Fisher | 36930 | Robust mounting medium that works well for most fluorophores , application - mounting |
Mowiol | Sigma-Aldrich | 81381 | Cheap and robust mounting medium that works well for most fluorophores, application - mounting |
24-well cell culture plate | Sigma-Aldrich | CLS3527 | Standard tissue culture plates, application - cell culture |
12 mm glass coverslips | NeuVitro | 1001/12 | Cell culture support for immunofluorescent applications, application - cell support |
forceps | Sigma-Aldrich | 81381 | Cheap and robust mounting medium that works well for most fluorophores, application - mounting |
Programs and Equipment | |||
Prism | GraphPad Software | Data analysisand graphing program with robust statistical test options, application - data analysis | |
Leica SP5 | Leica Microsystems | Confocal microsope, application - image acquisition | |
Imaris | Bitplane | Professional image analysis program, application - data analysis | |
Excel | Microsoft | Data analysis and graphing program, application - data analysis |
Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden
Genehmigung beantragenThis article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten