Method Article
Ce protocole explique comment collecter des neurones uniques, des microglies et des astrocytes du noyau central de l’amygdale avec une grande précision et une spécificité anatomique à l’aide de la microdissection de capture laser. En outre, nous expliquons notre utilisation de microfluidique RT-qPCR pour mesurer un sous-ensemble du transcriptome de ces cellules.
L’hétérogénéité transcriptionnelle profonde dans les cellules simples anatomiquement adjacentes suggère que la fonctionnalité robuste de tissu puisse être réalisée par la diversité cellulaire de phénotype. Les expériences à cellule unique qui étudient la dynamique du réseau des systèmes biologiques démontrent des réponses cellulaires et tissulaires à diverses conditions à une résolution biologiquement significative. Ici, nous expliquons nos méthodes pour recueillir des cellules uniques à partir d’endroits anatomiquement spécifiques et mesurer avec précision un sous-ensemble de leurs profils d’expression génique. Nous combinons la microdissection de capture laser (LCM) avec des réactions microfluidiques de la chaîne quantitative de polymérase de transcription inverse (RT-qPCR). Nous utilisons également cette plate-forme microfluidique RT-qPCR pour mesurer l’abondance microbienne du contenu intestinal.
La mesure des profils d’expression génique des cellules simples a démontré une hétérogénéité phénotypique étendue dans un tissu. Cette complexité a compliqué notre compréhension des réseaux biologiques qui régissent la fonction tissulaire. Notre groupe et d’autres ont exploré ce phénomène dans de nombreux tissus et conditions1,2,3,4,5,6. Ces expériences suggèrent non seulement que la régulation des réseaux d’expression génique sous-tend une telle hétérogénéité, mais aussi que la résolution à cellule unique révèle une complexité dans la fonction tissulaire que la résolution au niveau tissulaire ne parvient pas à apprécier. En effet, une petite minorité de cellules peut répondre à une condition ou un défi spécifique, mais l’impact de ces cellules sur la physiologie globale peut être considérable. En outre, une approche de biologie du système qui applique des méthodes multivariées à des jeux de données de haute dimension provenant de plusieurs types de cellules et tissus peut élucider les effets de traitement à l’échelle du système.
Nous combinons LCM et microfluidique RT-qPCR pour obtenir de tels ensembles de données. Nous adoptons cette approche ici en contraste avec la collecte de cellules individuelles via le tri cellulaire activé par fluorescence (FACS) et en utilisant le séquençage de l’ARN (ARN-seq) pour mesurer leur transcriptome. L’avantage de LCM par rapport à FACS est que la spécificité anatomique exacte des cellules simples peut être documentée avec LCM, relativement et absolument. En outre, alors que l’ARN-seq peut mesurer plus de fonctionnalités que RT-qPCR, microfluidique RT-qPCR est moins cher et a une sensibilité plus élevée et la spécificité7.
Dans cette expérience représentative, nous avons étudié les effets de la dépendance aux opioïdes et le sevrage opioïde naltrexone-précipité sur le rat neuronal, microglia, et l’expression de gène d’astrocyte dans le noyau central de l’amygdale (CeA) et l’abondance de microflora intestinale4. Quatre groupes de traitement ont été analysés : 1) Placebo, 2) Morphine, 3) Naltrexone, et 4) Retrait(figure 1). Nous avons constaté que la dépendance aux opioïdes n’altait pas considérablement l’expression des gènes, mais que le sevrage des opioïdes incitait l’expression de gènes inflammatoires, Tnf en particulier. Les astrocytes étaient le type de cellule le plus affecté. Le microbiome intestinal a été profondément affecté par le sevrage des opioïdes comme indiqué par une diminution du rapport Firmicutes à Bacteroides, qui est un marqueur établi de dysbiose intestinale8,9.
Cette étude a été réalisée conformément aux recommandations du Comité de soins et d’utilisation des animaux (IACUC) de l’Université Thomas Jefferson et du Drexel University College of Medicine. Le protocole a été approuvé par l’Université Thomas Jefferson et le Drexel University College of Medicine IACUC.
1. Modèle animal
2. Récolte d’échantillons
3. Trancher
4. Coloration d’immunofluorescence
5. Série de déshydratation de l’éthanol et du xylène
6. Microdissection de capture au laser
7. Microfluidique à cellule unique RT-qPCR
8. Mesurer l’abondance bactérienne avec le RT-qPCR microfluidique
La sélection des cellules simples a été validée visuellement et moléculairement. Visuellement, la morphologie cellulaire a été vue avant la collecte de cellules. Les cellules recueillies ont ensuite été vues à la station DE QC et la tache cellulaire des noyaux (DAPI) chevauchait la fluorescence du marqueur de sélection de cellules uniques. La figure 2A montre des images représentatives d’une diapositive avec le cerveau pré-cerveau hémisé contenant le CeA. Les images ultérieures(figure 2B-D) montrent la sélection des cellules individuelles et leur élimination du tissu pour l’analyse transcriptomique. Moléculairement, les marqueurs spécifiques au type cellulaire ont démontré une expression accrue dans ce type de cellule(figure 1C). Nous avons examiné les neurones, les microglies et les astrocytes et mesuré l’expression de NeuN, Maf, et Gfap, respectivement. Les chiffres ont été publiés à l’origine dans O’Sullivan et al.4.
En outre, les contrôles peuvent également être exécutés dans la plate-forme microfluidique pour valider les résultats d’expression (par exemple, l’analyse d’autres secteurs du même tissu pour démontrer la spécificité de noyau). Un tissu séparé pourrait également être comparé à l’échantillon désiré pour démontrer la spécificité d’apprêt dans le tissu d’intérêt. Des gènes de contrôle positifs et négatifs peuvent également être inclus (p. ex., les gènes connus pour être absents du tissu sélectionné ou exprimés haut et fort). Trois ou quatre gènes d’entretien ménager devraient également être inclus non seulement à des fins de normalisation des données, mais aussi comme une mesure de la qualité expérimentale. Ces gènes devraient démontrer la plus faible variance d’expression dans tous les échantillons et traitements. Dans cette expérience représentative, aucune région autre de cerveau n’a été analysée, mais les gènes d’entretien ménager Ldha et Actb ont été employés pour la normalisation. Gapdh a été utilisé comme un contrôle interne.
La figure 3 affiche certaines des méthodes multivariate utilisées par notre groupe pour analyser nos données. Nous avons constaté que les astrocytes dans le groupe de retrait étaient le type de cellule le plus affecté. Sur la base de ces données dans le cadre d’autres études, nous spéculons que les astrocytes jouent un rôle clé dans l’inflammation dans le CeA pendant le sevrage des opioïdes et que cela contribue aux symptômes physiques et émotionnels qui conduisent la recherche de drogues par le renforcement négatif. Nous montrons également les données de microflore intestinale(figure 4).
Figure 1 : Flux de travail à cellule unique RT-qPCR et hétérogénéité transcriptionnelle. (A) Protocole expérimental (n 4 pour chaque condition) (B) Mesure de transcriptome d’échantillon de dix cellules. (C) L’intrigue de barre affiche les valeurs médianes d’expression de -'' Neurones et violet; microglies et jaune; astrocytes et vert. Les barres d’erreur montrent une erreur standard. 0,05, 0,05, 0,0003; Le test de signification honnête de Tukey. (D) La carte thermique montre l’expression de tous les échantillons sur 40 gènes analysés. Les rangées sont des échantillons mis en commun à 10 cellules (930 échantillons neuronaux, 950 échantillons microgliaux, 840 échantillons d’astrocytes tels qu’ils sont dénotés); les nombres indiquent les amas d’échantillons et les colonnes sont les gènes. Le chiffre est modifié à partir d’O’Sullivan et al.4. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 2 : Capture laser des images de microdissection. (A) Quatre tranches de pré-cerveau de rat hémisected déshydraté contenant le CeA sur une glissière. Des tranches ont été placées sur la glissière exactement à 10 m de la tranche précédente. La gauche est antérieure et la droite est postérieure. La distance de la bregma peut être estimée à l’aide d’un atlas du cerveau de rat et des repères, y compris le tractus optique et la stria terminalis. (B-D) Séquence d’images montrant la sélection de cellules individuelles dans le CeA (C) et leur élimination du tissu (D). Plusieurs bouchons LCM ont été utilisés pour sélectionner ces cellules. Un bouchon est utilisé pour choisir 10 cellules d’un type cellulaire. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 3 : Résultats représentatifs 1. (A) Un schéma de dessin animé d’une cellule affichant les gènes analysés et leur emplacement. Les symboles génétiques étiquetés ici sont une référence pour le panneau B. (B) Les carrés colorés représentent l’expression relative de gène (médiane ----- Valeur de cœurs) pour les gènes représentés dans le panneau A. L’emplacement des carrés représente la localisation cellulaire ou la fonction de la protéine correspondante. Les panneaux affichent l’expression relative du gène représentée par la couleur entre les traitements et les types de cellules. Jaune et expression élevée; bleu et faible expression; blanc - expression neutre. Le chiffre est modifié à partir d’O’Sullivan et al.4. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 4 : Résultats représentatifs 2. (A) Réseaux de corrélation des gènes. La corrélation Pearson a été effectuée sur les valeurs de -Ct dans un type de traitement et de cellule. Les nœuds dénotent les gènes et leur couleur signifie les niveaux d’expression relatifs (la valeur médiane de -Ct pour chaque gène). Les bords dénotent les corrélations d’expression et l’épaisseur signifie la force de la corrélation d’expression . Des corrélations avec une valeur q et 0,001 sont affichées. Bords noirs et corrélations positives; bords verts et corrélations négatives. (B) Parcelles à barres de gènes sélectionnés démontrant l’expression différentielle significative des gènes. Les statistiques ont été calculées à l’aide d’ANOVA imbriqués #p de lt; 0,1, p 'lt; 0,05, 'p 'lt; 0,01, 'p 'lt; 0.0001 (n '4 animaux pour tous les traitements). Le chiffre est modifié à partir d’O’Sullivan et al.4. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 5 : Abondance relative de microflore intestinale. Les barplots affichent l’abondance relative des espèces bactériennes (valeurs de la maladie). #p’a lt; 0,1, p 'lt; 0.05, 'p 'lt; 0.008, 'p '0.0009; ANOVA bidirectionnel; n 4 animaux pour chaque traitement. Le chiffre est modifié à partir d’O’Sullivan et al.4. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
La biologie unicellulaire a démontré l’hétérogénéité des phénotypes cellulaires et la robustesse de la fonction tissulaire. Ces résultats ont permis de mieux comprendre l’organisation des systèmes biologiques à la fois à des échelles macro et micro. Ici, nous décrivons la combinaison de deux méthodes, LCM et qPCR microfluidique, pour obtenir des mesures de transcriptome à cellule unique qui fournissent la spécificité anatomique et l’exactitude transcriptionnelle à un coût relativement faible(figure 1). Notre groupe adopte une approche de biologie des systèmes et mesure souvent plusieurs tissus chez le même animal. Nous trouvons ces méthodes à la fois flexibles et fructueuses pour déterminer comment les systèmes biologiques répondent à divers défis au niveau transcriptionnel. En outre, nous utilisons ces méthodes dans la cartographie anatomique des phénotypes cellulaires dans des conditions de base.
Nous fournissons des données et des chiffres modifiés d’une publication récente explorant comment le CeA réagit à la dépendance et au retrait des opioïdes4. Dans cet exemple, nous avons utilisé la même plate-forme microfluidique qPCR pour mesurer l’abondance relative de la microflore intestinale. Les méthodes et le flux de travail sont résumés à la figure 1 et ont été initialement publiés dans O’Sullivan et coll.4. Les principaux résultats de RT-qPCR microfluidique à haut débit peuvent être validés par la suite par des mesures protéiques telles que la tache occidentale ou l’immunofluorescence4.
L’un des principaux défis de cette approche de biologie des systèmes est de déterminer des mécanismes biologiques causals spécifiques. La logique floue est une solution validée que nous avons employée avec succès pour déduire des agents dans le comportement de réseau de régulation desgènes 2. La manipulation des modèles animaux peut également être utilisée pour donner un aperçu des mécanismes systémiques. Par exemple, le même protocole fourni dans les présentes avec l’ajout d’une cohorte de rats avec une vagotomie gastrique donnera des données qui fournissent un aperçu de la circulation de l’information via le nerf vague.
Les auteurs déclarent qu’ils n’ont pas d’intérêts financiers concurrents.
Les travaux présentés ici ont été financés par NIH HLB U01 HL133360 attribué à JS et RV, NIDA R21 DA036372 décerné à JS et EVB, et T32 AA-007463 attribué à Jan Hoek à l’appui de SJO’S.
Name | Company | Catalog Number | Comments |
20X DNA Binding Dye | Fluidigm | 100-7609 | NA |
2x GE Assay Loading Reagent | Fluidigm | 85000802-R | NA |
48.48 Dynamic Array IFC for Gene Expression | Fluidigm | BMK-M-48.48 | NA |
96.96 Dynamic Array IFC for Gene Expression | Fluidigm | BMK-M-96.96 | NA |
Anti-Cd11β Antibody | Genway Biotech | CCEC48 | Microglia Stain |
Anti-NeuN Antibody, clone A60 | EMD Millipore | MAB377 | Neuronal Stain |
ArcturusXT Laser Capture Microdissection System | Arcturus | NA | NA |
Biomark HD | Fluidigm | NA | RT-qPCR platform |
Bovine Serum Antigen | Sigma-Aldrich | B4287 | |
CapSure Macro LCM Caps | ThermoFisher Scientific | LCM0211 | NA |
CellDirect One-Step qRT-PCR Kit | ThermoFisher Scientific | 11753500 | Lysis buffer solution components |
DAPI | ThermoFisher Scientific | 62248 | Nucleus Stain |
DNA Suspension Buffer | TEKnova | T0221 | |
Exonuclease I | New Englnad BioLabs, Inc. | M0293S | NA |
ExtracSure Sample Extraction Device | ThermoFisher Scientific | LCM0208 | NA |
Fisherbrand Superfrost Plus Microscope Slides | ThermoFisher Scientific | 22-037-246 | Plain glass slides |
GeneAmp Thin-Walled Reaction Tube | ThermoFisher Scientific | N8010611 | |
GFAP Monoclonal Antibody | ThermoFisher Scientific | A-21294 | Astrocyte Stain |
Goat anti-Mouse IgG (H+L), Superclonal™ Recombinant Secondary Antibody, Alexa Fluor 488 | ThermoFisher Scientific | A28175 | Seconadry Antibody |
IFC Controller | Fluidigm | NA | NA |
RNaseOut | ThermoFisher Scientific | 10777019 | |
SsoFast EvaGreen Supermix with Low Rox | Bio-Rad | PN 172-5211 | Rox master mix |
SuperScript VILO cDNA Synthesis Kit | ThermoFisher Scientific | 11754250 | Contains VILO and SuperScript |
T4 Gene 32 Protein | New Englnad BioLabs, Inc. | M0300S | NA |
TaqMan PreAmp Master Mix | ThermoFisher Scientific | 4391128 | NA |
TE Buffer | TEKnova | T0225 | NA |
Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE
Demande d’autorisationThis article has been published
Video Coming Soon