이 연구는 국립 암 연구소 (NCI) 보조금 U54CA143798 및 U54CA143907에 의해 자금 지원을 받아 Dana-Farber Cancer Institute 및 Southern California 대학에서 물리 과학 종양 센터 (PS-OC)를 설립했습니다. SM Mumenthaler는이 작업 중 일부를 지원하는 PS-OC 트랜스 네트워크 상을 수상했습니다. 우리는 Operetta HCS 플랫폼을 기부 한 박애주 의자, 특히 Stephenson 가족, Emmet, Toni 및 Tessa에게 깊은 감사의 말을 전합니다. J. Foo 교수와 응용 분자 과학 센터 팀 : D. 임상 지침 및 멘토링을위한 Agus, 실험 디자인과의 의미있는 토론을위한 Patsch, R. Rawat, 이미지 분석 프로토콜 지원 , Operetta와의 기술 지원에 대한 J. Katz, 그리고 도움이되는 토론과 피드백을위한 P. Macklin과 D. Ruderman.

1. 세포 배양 참고 : 여기서 폐 섬유 아세포 (CCD - 19Lu GFP)와 공동 배양했을 때 EGFR 표적 제제 인 erlotinib에 대한 NSCLC 세포 (H3255)의 표현형 반응을 조사했습니다. 동일한 데이터 세트의 경우, 두 개의 세포 집단 (H3255 및 CCD-19Lu GFP)의 형광성 및 형태 학적 분류를 통해 일치도를 예시했습니다. 그러나 하나의 분류 방법 만 사용해야하고 응용 프로그램을 기반으로 선택해야합니다. <ol><li> 10 % 열 불 활성화 FBS와 1 % 페니실린 / 스트렙토 마이신이 보충 된 RPMI - 1640 500 ML을 준비합니다. 참고 : 성장 매체와 보충제는 다른 세포 유형에 따라 필요에 따라 교체 할 수 있습니다. </li><li> 37 ℃에서 5 % CO 2의 순수한 개체로 10cm 3 판에 배양 한 다음 3-4 일마다 적절한 비율로 통과시킵니다. </li></ol> 2. 세포의 준비 <ol><li> 세포 현탁액을 준비하려면 c배지를 말리고 5 ML 1X 인산염 완충 식염수 (PBS)로 세포를 씻으십시오. </li><li> PBS에서 대기음을 제거하고 37 ° C로 가온 한 0.05 % 트립신 1 mL를 넣고 37 ° C에서 5 분간 (또는 세포가 더 이상 플레이트에 붙지 않을 때까지) 품어 둔다. </li><li> 트립신을 중화시키기 위해 H3255와 CCD-19Lu GFP 플레이트에 RPMI 4 mL를 넣고 세포 용액을 15 mL 원추형 튜브에 넣으십시오. </li><li> RT에서 5 분 150 XG에서 세포를 원심 분리기. </li><li> 상등액을 대기음으로 옮기고 원추형 튜브에 RPMI 배지 10 mL에 resuspend cell pellets를 뿌려 시딩 준비를하십시오. </li></ol> 3. 셀 도금 <ol><li> 씨 뿌리기를 표준화하기 위해 세포 수를 세십시오. <ol><li> 튜브를 반전시켜 용액에서 세포를 혼합합니다. microcentrifuge 튜브에 각 세포 현탁액 10 μL 피펫과 10 μL trypan 파란색을 추가합니다. </li><li> 이 용액 10 μL를 셀 계수 슬라이드에 넣고 자동 셀 카운터에 넣습니다. 참고 : 세포 계수의 다른 방법 ( 즉. 혈구 계)를 사용할 수있다. </li><li> 적어도 세 번이나 셀 카운트가 일치 할 때까지 셀 카운트를 반복하십시오. </li></ol></li><li> 멀티 웰 판에 씨앗 세포를 뿌린다. 참고 : 시드 할 플레이트 수는 이미지화 할 시점 수에 따라 다릅니다. 또는 세포가 histone-2B-GFP (또는 적절한 핵 분할을 제공하는 기타 안정한 렌티 바이러스 핵 염색제)로 형질 전환되면 한 번에 한 장의 플레이트를 재 이미징 할 수 있습니다. <ol><li> RPMI 100 μL에 총 1,500 세포 / 웰을 씨닝하십시오. H3255, CCD - 19Lu GFP 및 50 % H3255 + 50 % CCD - 19Lu GFP 세 세포 인구를 판금 세 세포 현탁액을 준비합니다. 각 시점마다 동일한 플레이트 셋업을 사용하여 각각을 3 번씩 수행하십시오. 참고 : 초기 시딩 밀도는 각 세포주 및 플레이트 크기에 맞게 최적화해야합니다. </li><li> 멀티 채널 피펫을 사용하여 3 x 96- 웰 플레이트에서 세포를 시드. 37 ° C, 5 % CO 2 에서 세포 O / N을 품어. </li></ol> &lt;/ li&gt; </ol> 4. 약물 투약 <ol><li> erlotinib 분말에 DMSO를 넣어 10mM 농도의 최종 erlotinib 저장 용액을 만듭니다. 참고 : 약물은 원하는대로 대체 할 수 있습니다. </li><li> 세포 배양 배지로 약물을 희석하여 10 μM에서 가장 높은 최종 농도의 최종 농도로 만들고 1:10 비율로 4 회 연속 희석하여 총 5 가지 약물 농도와 약물 관리 없음으로합니다. 참고 : DMSO의 농도가 가장 높은 약물 용량에서 0.1 % v / v와 같거나 초과하는 경우 관찰 된 효과가 DMSO 독성으로 인한 것이 아닌지 확인하기 위해 무 약물 대조군에 DMSO가 동량 포함되어야합니다. </li><li> 약 100 μL의 약물 용액을 적절한 웰에 피펫 팅하여 최종 약물 농도를 1 배로 희석한다. </li></ol> 5. 이미지 수집 참고 : 이미지는 0 일, 2 일 및 3 일에 획득했습니다. 세포 유형과 세포 과정에 따라 연구 할 때,원하는 시점들이 연구 될 수있다. <ol><li> 이미징을 준비하기 위해 세포를 얼룩지게하십시오. <ol><li> 염료 용액을 다음 최종 농도로 보충하십시오. <ol><li> 형광 기반 분류의 경우, 5 μg / ML 핵 얼룩과 PBS에 5 μm의 죽은 세포 얼룩을 준비합니다 ( 재료 표 참조). </li><li> 형태학 기반 분류의 경우, 5 μg / mL의 핵 염색, 5 μM의 죽은 세포 얼룩 및 PBS에서 5 μM의 세포 얼룩을 준비하십시오 ( 재료 표 참조). </li></ol></li><li> 각 우물에 20 μL 염료 솔루션을 추가하십시오. 빛으로부터 보호 된 37 ° C에서 30 분 동안 품어 낸다. </li></ol></li><li> 이미지 최적화 및 획득. <ol><li> 인큐베이터에서 잘 플레이트를 제거하고, 70 % EtOH와 플레이트의 하단을 닦아 및 이미징 챔버에 접시를 놓습니다. </li><li> &#39;설정&#39;탭에서 &#39;채널 선택&#39;아래의 &#39;+&#39;버튼을 클릭하여 채널을 추가하십시오.이미지 ( 즉, brightfield, 핵 얼룩, 죽은 세포 얼룩, GFP 및 RFP 신호). </li><li> &#39;레이아웃 선택&#39;을 클릭하고 초점 평면을 확인하기 위해 0 μm에서 시작하여 20 μm에서 끝나는 2 μm마다 z- 스택 테스트 이미지를 가져옵니다. &#39;높이&#39;아래의 모든 채널에 대해이 거리를 입력하십시오. </li><li> 강도를 평가하고 노출 시간을 최적화하려면 각 채널 아래의 &#39;Snapshot (스냅 샷)&#39;을 클릭하십시오. 필요에 따라 &#39;시간&#39;아래에서 더 높거나 낮은 값을 입력하십시오. </li><li> 화면의 오른쪽에서 플레이트 구조도의 적절한 우물 (이미지 할 수 있음)을 강조 표시합니다. 아래의 우물 도식에서 유사한 방식으로 이미지화 할 25 개의 필드를 강조 표시하십시오. </li><li> &#39;실험 실행&#39;에서 왼쪽 탭의 &#39;플레이트 이름&#39;에있는 플레이트를 식별하고 &#39;시작&#39;버튼 (아래)을 클릭하여 전술 한 채널에서 그레이 스케일 TIFF 이미지를 생성하는 10X 대물 렌즈로 이미지 수집 프로토콜을 실행합니다. 참고 : 단계별 설치이미징 프로토콜의 폐색은 계측기마다 다를 수 있지만 매개 변수 값은 여전히 ​​최적화되어야합니다. </li><li> 2 일과 3 일에 이미징을 반복하십시오. </li></ol></li></ol> 6. 이미지 분석 참고 : 모든 이미지 분석은 독점 소프트웨어를 사용하여 수행되었습니다. 그러나 공개적으로 사용할 수 없기 때문에 CellProfiler 2.2 및 CellProfiler Analyst 2.0에 대한 간략한 프로토콜과 자세한 프로토콜이 보충 자료로 제공됩니다 (테스트 이미지는 이미 워크 플로를 테스트하기 위해 파이프 라인으로로드 됨). 이 실험의 이미지를 각 웰을 개별적으로로드 할 수 있도록 웰 단위로 그룹화했습니다. 아래의 CellProfiler 파이프 라인에는 각 이미지 파일 이름의 메타 데이터 정보를 구문 분석하는 정규 표현식이 포함되어있어 채널별로 이미지를 그룹화 할 수 있습니다. <ol><li> 오픈 소스 소프트웨어 다운로드 및 설치 : &#39;CellProfiler9; 및 &#39;CellProfiler Analyst&#39;. 설치 중에 모든 기본 옵션 및 애드온을 수락하십시오. </li><li> heterocellular 문화를 subpopulations로 분류하십시오. <ol><li> &#39;CellProfiler&#39;소프트웨어를 열고 &#39;파일&#39;| &#39;파이프 라인 가져 오기&#39;| &#39;From File&#39;을 선택하고 적절한 파일 (형광 기반 분류의 경우 &quot;Fluorescence_Classification.cppipe&quot; , 형태 기반 분류의 경우 &quot;Morphology_Classification.cppipe&quot;)을 선택하십시오. 참고 :이 파일에는 기본 이미지 처리 및 핵 / 셀 세분화를위한 프로토콜이 포함되어 있습니다. 이 세포들 사이에 고르지 않은 Hoechst 염색이 있었기 때문에 핵을 분할하고 확대 한 다음 낮은 강도의 핵을 분할 할 수 있도록 이미지를 가면 사용했습니다. <ol><li> 형광 기반 분류 파이프 라인을 선택하여 세포를 eGFP 강도에 따라 H3255 또는 CCD-19Lu로 분류하고 형태 특징을 계산합니다. 참고 : CCD-19Lu 세포는 GFP로 형질 도입되었다. </li><li> 모폴로지 기반 분류 파이프 라인을 선택하여 핵과 셀을 분류하고 모폴로지 기능을 계산합니다. 참고 : 분류를 위해서는 &#39;CellProfiler Analyst&#39;의 추가 다운 스트림 분석이 필요합니다. 죽은 세포는 형광에 기초한 분류를 통해 분류됩니다. </li></ol></li><li> 화면 왼쪽 하단의 &#39;출력 설정보기&#39;를 클릭하십시오. 분석 할 이미지 파일의 위치 ( &#39;기본 입력 폴더&#39;)와 추출 된 데이터의 대상 ( &#39;기본 출력 폴더&#39;)을 선택하십시오. </li><li> &#39;Analyze Images&#39;를 클릭하여 분석을 시작하십시오. 분석이 완료되면 &#39;확인&#39;을 클릭하고 &#39;기본 출력 폴더&#39;로 이동하여 계산 된 데이터를보십시오. 참고 : 예제 매개 변수 값 및 이미지는 Supplemental File 1-CellProfilerProtocol.pdf 에서 볼 수 있습니다. </li><li> 형태학 기반 분류 (only)의 경우 다음을 수행하십시오. <ol><li> &#39;CellProfiler Analyst&#39;소프트웨어를 열고 CellProfiler에서 생성 된 데이터베이스 속성 파일을 선택하고 &#39;열기&#39;를 클릭하십시오. </li><li> 화면 왼쪽 상단의 &#39;분류 자&#39;탭을 클릭하십시오. 실험에서 임의의 셀 이미지를 호출하려면 &#39;가져 오기&#39;를 클릭하십시오. 이미지가 분류되지 않은 창에 나타납니다. </li></ol></li><li> 세포를 적절한 bin으로 선택하고 끌어서 세포를 양성 (H3255) 또는 음성 (CCD-19Lu)으로 수동 분류합니다 ( 보충 파일 2-Pipeline.pdf : 그림 B 참조 ). 하위 집단 당 적어도 50 개의 세포를 분류 한 후 &#39;Train Classifier&#39;를 클릭 한 다음 &#39;Check Progress&#39;를 클릭하십시오. 참고 : 셀은 사용자가 감독하는 무작위 포리스트 시스템 학습 알고리즘 12 를 통해 분류됩니다. 정확도가 승인 된 임계 값 (&gt; 90 %)을 초과하지 않으면 &#39;CellProfiler&#39;에서 셀 세분화를 최적화하거나 셀을 classi에 적합하지 않을 수 있습니다형태학에 의해 fying. </li><li> 각 하위 집단에 대한 세포 계수가있는 표를 생성하려면 &#39;점수 모두&#39;를 클릭하십시오. </li></ol></li></ol>

<ol>
	<li>Kanemura, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+in+vitro+proliferative+activity+of+human+fetal+neural+stem/progenitor+cells+using+indirect+measurements+of+viable+cells+based+on+cellular+metabolic+activity.">Evaluation of in vitro proliferative activity of human fetal neural stem/progenitor cells using indirect measurements of viable cells based on cellular metabolic activity.</a> J Neurosci Res. 69 (6), 869-879 (2002).</li><li>Plumb, J. A., Milroy, R., Kaye, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+the+pH+dependence+of+3-(4,5-dimethylthiazol-2-yl)-2,5-diphenyl-tetrazolium+bromide-formazan+absorption+on+chemosensitivity+determined+by+a+novel+tetrazolium-based+assay.">Effects of the pH dependence of 3-(4,5-dimethylthiazol-2-yl)-2,5-diphenyl-tetrazolium bromide-formazan absorption on chemosensitivity determined by a novel tetrazolium-based assay.</a> Cancer Res. 49 (16), 4435-4440 (1989).</li><li>Hsu, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Green+tea+polyphenols+induce+differentiation+and+proliferation+in+epidermal+keratinocytes.">Green tea polyphenols induce differentiation and proliferation in epidermal keratinocytes.</a> J Pharmacol Exp Ther. 306 (1), 29-34 (2003).</li><li>Caicedo, J. C., Singh, S., Carpenter, A. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applications+in+image-based+profiling+of+perturbations.">Applications in image-based profiling of perturbations.</a> Curr Opin Biotechnol. 39, 134-142 (2016).</li><li>Sero, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cell+shape+and+the+microenvironment+regulate+nuclear+translocation+of+NF-kappaB+in+breast+epithelial+and+tumor+cells.">Cell shape and the microenvironment regulate nuclear translocation of NF-kappaB in breast epithelial and tumor cells.</a> Mol Syst Biol. 11 (3), 790 (2015).</li><li>Chen, J. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Subclassification+of+prostate+cancer+circulating+tumor+cells+by+nuclear+size+reveals+very+small+nuclear+circulating+tumor+cells+in+patients+with+visceral+metastases.">Subclassification of prostate cancer circulating tumor cells by nuclear size reveals very small nuclear circulating tumor cells in patients with visceral metastases.</a> Cancer. 121 (18), 3240-3251 (2015).</li><li>Ohlund, D., Elyada, E., Tuveson, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fibroblast+heterogeneity+in+the+cancer+wound.">Fibroblast heterogeneity in the cancer wound.</a> J Exp Med. 211 (8), 1503-1523 (2014).</li><li>Paraiso, K. H., Smalley, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fibroblast-mediated+drug+resistance+in+cancer.">Fibroblast-mediated drug resistance in cancer.</a> Biochem Pharmacol. 85 (8), 1033-1041 (2013).</li><li>Kalluri, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+biology+and+function+of+fibroblasts+in+cancer.">The biology and function of fibroblasts in cancer.</a> Nat Rev Cancer. 16 (9), 582-598 (2016).</li><li>Carpenter, A. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=CellProfiler:+image+analysis+software+for+identifying+and+quantifying+cell+phenotypes.">CellProfiler: image analysis software for identifying and quantifying cell phenotypes.</a> Genome Biol. 7 (10), R100 (2006).</li><li>Jones, T. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=CellProfiler+Analyst:+data+exploration+and+analysis+software+for+complex+image-based+screens.">CellProfiler Analyst: data exploration and analysis software for complex image-based screens.</a> BMC Bioinformatics. 9, 482 (2008).</li><li>Dao, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=CellProfiler+Analyst:+interactive+data+exploration,+analysis+and+classification+of+large+biological+image+sets.">CellProfiler Analyst: interactive data exploration, analysis and classification of large biological image sets.</a> Bioinformatics. 32 (20), 3210-3212 (2016).</li><li>Garvey, C. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+high-content+image-based+method+for+quantitatively+studying+context-dependent+cell+population+dynamics.">A high-content image-based method for quantitatively studying context-dependent cell population dynamics.</a> Sci Rep. 6, 29752 (2016).</li><li>Juarez, E. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantifying+differences+in+cell+line+population+dynamics+using+CellPD.">Quantifying differences in cell line population dynamics using CellPD.</a> BMC Syst Biol. 10 (1), 92 (2016).</li><li>Mumenthaler, S. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Impact+of+Microenvironmental+Heterogeneity+on+the+Evolution+of+Drug+Resistance+in+Cancer+Cells.">The Impact of Microenvironmental Heterogeneity on the Evolution of Drug Resistance in Cancer Cells.</a> Cancer Inform. 14, 19-31 (2015).</li></ol>

저자는 공개 할 것이 없습니다.

The protocol described above improves upon current cell biology assays by providing more comprehensive insights into phenotypic dynamics of multiple cell types in response to environmental perturbations while using reduced reagents and time. A major advantage of this experimental design is the ability to analyze multiple phenotypes with a single setup and generate quantitative data characterizing these phenotypes on a single cell level. One technical advantage to this platform is the ease of initial troubleshooting compared to other assays. Because this method is image-based, one is able to visualize the wells for apparent over/under seeding. It is advisable to have cells in the exponential growth phase for the duration of the experiment and not be limited by nutrient or spatial constraints or confounded by senescence due to scarce seeding. Otherwise, birth and death rates may not be reproducible between experiments. For reference, CellPD is a publicly available program for computation of birth and death rates14. Additionally, one can visualize whether adequate concentrations of dyes were added to each well. Pipetting issues in an individual well could result in missegmentation and skewed data, but can easily be detected with the aforementioned protocol.
Unfortunately, not all cell types may be amenable to this application. It is important to be able to accurately segment the nuclei and cells, therefore analysis of cells that organize in more sphere-like or clumped structures may not be suitable. For some cells, it also may be advantageous to use a cell strainer prior to seeding to ensure initial seeding of single cells. In addition, the linear classifier technique is only applicable to cell types that can be readily distinguished based on morphology features. 
For the success of the protocol, it is important to first optimize the imaging conditions, as the validity of downstream analyses is dependent on the quality of the images. While here we performed experiments using a high-content screening platform, image acquisition can also be performed using any fluorescent microscope (although an automated imaging platform is ideal for high-throughput approaches). Test images should be taken prior to each imaging time point to ensure that there are no problems with the microscope or protocol. The signal to noise ratio should be high, especially for the channels that will be used for segmentation (i.e. nuclei, cell stains). Additionally, it is important to image in the optimal plane of focus. If the images are out of focus, segmentation becomes much more difficult and the calculated morphological features will likely be inaccurate. Illumination differences between fields can cause problems with image segmentation as well. Large differences in brightness make the automated selection of threshold values difficult. Additionally, if there are heterogeneous fluorescence intensities between cells, a single threshold value may not sufficiently segment all the cells in an image. In this analysis, these problems were overcome by creating masks around brighter and dimmer cell populations and segmenting each population separately. 
While the phenotypes under investigation in this protocol are limited to live, dead, and morphological characterization, they can easily be expanded to investigate other features. For example, functional genetic studies can be added with RNAi, overexpression, or other chemical perturbations. 
In this paper, the capabilities of the protocol to measure the response of non-small cell lung cancer cells to erlotinib in the presence and absence of CAFs was demonstrated. However, this is merely one example of the many cell types and microenvironmental parameters that can be tested. We have extended this protocol to be used with other cell types and drug studies, including primary cells isolated from patient tumors13,15.

세포 기반 분석은 기초 연구 및 약물 개발 환경에서 중요한 역할을했습니다. 그러나 이러한 표준 분석법의 한계는 시험관 내 및 임상 데이터 간의 불일치와 대부분의 약물이 FDA 승인을받지 못함에 따라 점차 명백해졌습니다. 여기에서, 우리는 관련있는 공동 발생 환경 자극에 대한 응답으로 heterocellular phenotypes를 동시에 분석하기 위해 정량 이미징을 이용하는 새로운 방법을 제시한다. 세포 생존 능력을 측정하는 데 사용되는 전통적인 세포 기반 분석에는 trypan blue exclusion assay, MTT / MTS 및 Annexin V-FITC 유동 세포 계측법 염색이 있습니다. Trypan Blue 배제 분석은 간단하면서도 저렴하면서 많은 수의 세포가 필요하며 시간이 많이 걸리고 사용자 편향 1의 영향을 받는다. MTT 및 MTS는 미토콘드리아 신진 대사 속도 측정을 통해 간접적으로 세포 생존력을 측정합니다. 그러나, 대사 활성세포의 종류는 다른 배양 조건 (배지 또는 산소 농도)에 의해 영향을받을 수 있으며 부정확 한 결과를 초래하고 세포 유형 및 조건 2 , 3에서의 표준화를 방지합니다. 이 기술의 또 다른 주요 단점은 여러 세포 유형을 구별 할 수 없다는 것입니다. 대부분의 생물학적 시스템은 이종 세포입니다. 유동 세포 계측법은 여러 세포 집단을 구별 할 수있는 능력을 가지고 있지만 세포 표지가 필요하고 동적 시료 채취가 어려우며 부착 세포를 사용할 때이 응용 프로그램은 시간이 많이 걸리고 오류가 발생하기 쉽습니다. 형태 학적 변화를 포함하여 다른 중요한 세포 표현형은 환경 적 자극에 반응하여 발생하지만 전통적인 세포 기반 검정법에 의해 포착되지 않는다. 형태 학적 특성화 및 샘플 간의 유사성 매핑을 통해 셀 상태를 프로파일 링하는 것은 강력하고 편향되지 않은 도구로서기본 세포 생물학 및 약물 발견을 포함하여 기본 및 번역 연구의 여러 측면에 대한 새로운 통찰력 제공 4 . 또한, 종양 세포 형태는 종양 아형 5 및 공격성 6 과 상관 관계가있는 것으로 나타났다. 따라서 이러한 세포의 특징을 연구하고 특정 환경 섭동과 관련되는 방법을 연구하는 것은 큰 관심사입니다. 또한, 형태 학적 특징의 차이를 이용하여 공동 배양 시스템에서 부분 집단을 구별 할 수있다. 형광 라벨링 세포는 고유 한 세포 특성을 변경하고 시간이 오래 걸리므로 세포 유형을 분류하는 추가 방법이 유리합니다. 현미경 기반 이미징은 다중화되고 정량적이며 견고한 방식으로 세포 표현형을 프로파일 링하는 대체 방법입니다. 이 원고에서는 Evolutio를 강조하기 위해 양적 이미징 파이프 라인을 적용합니다종양 내 이종 세포 집단의 역 동성 우리는 비소 세포 폐암 (NSCLC) 세포와 종양에서 발견되는 가장 흔한 간질 세포 유형 인 암 관련 섬유 아세포 (CAF) 간의 상호 작용에 중점을 둡니다. CAF는 종양 발생, 진행 및 치료 반응에 관련되어왔다. 따라서 CAF가없는 경우 종양 세포에서 표현형 검사를 수행하는 것은 오해의 소지가있을 수 있습니다 ( 7 , 8 , 9) . 특히 우리는 NSCLC의 임상 치료에 종종 사용되는 상피 성장 인자 수용체 (EGFR)를 표적으로하는 작은 분자 인 erlotinib에 대한 반응으로 종양 세포에 대한 CAF의 효과를 평가했다. 우리는 평가를 위해 고화질 심사 플랫폼 및 관련 이미지 분석 소프트웨어를 활용했습니다. 그러나이 방법론을 다른 연구자가 이용할 수 있도록하기 위해 오픈 소스 소프트웨어를 사용하는 유사한 다운 스트림 프로토콜을 개발했습니다.CellProfiler 10 및 CellProfiler Analyst 11 . 대부분의 이미지 기반 고감도 스크리닝 분석은 특정 기기 모델에 특화된 상용 소프트웨어로 분석됩니다. 기본 알고리즘이 종종 독점적이기 때문에 다른 소프트웨어를 사용하는 다른 랩에서 결과를 복제하기가 어렵습니다. 이 이미지 기반 파이프 라인을 사용하여 형광 및 형태 기반 분류를 사용하는 약물 치료에 대한 이종 세포 배양의 각 하위 집단의 세포 증식, 사망 및 형태를 측정했습니다. 다음 프로토콜은 복잡한 셀룰러 프로세스를 프로빙하는 강력한 방법을 제공합니다.

<table><tbody><tr><td>RPMI-1640</td><td>Corning</td><td>10-040-CV</td><td>cell culture medium</td></tr><tr><td>Fetal Bovine Serum (FBS)</td><td>Gemini</td><td>100-106</td><td>medium supplement</td></tr><tr><td>Penicillin/streptomycin</td><td>Gibco</td><td>15-140-122</td><td>medium supplement</td></tr><tr><td>TC20</td><td>Biorad</td><td>1450102</td><td>cell counter</td></tr><tr><td>TC20 slides with trypan blue</td><td>Biorad</td><td>1450003</td><td>cell counter slides</td></tr><tr><td>96-well plates</td><td>Corning</td><td>3904</td><td>clear bottom black plates</td></tr><tr><td>Erlotinib</td><td>LC Laboratories</td><td>E-4007</td><td></td></tr><tr><td>DMSO</td><td>VWR</td><td>317275-100ML</td><td>solution to resuspend drug</td></tr><tr><td>Hoechst</td><td>Invitrogen</td><td>H21491</td><td>nuclear dye</td></tr><tr><td>Propidium Iodide (PI)</td><td>Invitrogen</td><td>P1304MP</td><td>dead cell stain</td></tr><tr><td>Cell Tracker Orange CMRA</td><td>Life Technologies</td><td>C34551</td><td>whole cell stain</td></tr><tr><td>Operetta high content imaging system</td><td>Perkin Elmer</td><td></td><td></td></tr><tr><td>CellProfiler</td><td>Broad Institue</td><td>version 2.2.0 (rev 9969f42)</td><td>http://cellprofiler.org/releases/</td></tr><tr><td>Cell culture incubator</td><td></td><td></td><td>Any cell culture incubator will be suitable - cells were cultured under 37 &amp;ordm;C at 5% CO&lt;sub&gt;2.&lt;/sub&gt;</td></tr><tr><td>15 mL Falcon conical tubes</td><td>Falcon</td><td>14-959-53A</td><td></td></tr><tr><td>10 cm&lt;sup&gt;2&lt;/sup&gt; cell culture plates</td><td>TPP</td><td>93040</td><td></td></tr></tbody></table>

discrimination and characterization of heterocellular populations using quantitative imaging techniques

세포 과정은 복잡하고 여러 세포 유형과 환경 사이의 상호 작용으로 발생합니다. 현존하는 세포 생물학 기술은 종종이 상호 작용의 정확한 해석을 허용하지 않습니다. 정량적 이미징 기반 접근법을 사용하여, 우리는 환경 적 자극의 변화에 ​​대한 이종 세포 집단의 동적 표현형 반응 ( 즉, 형태학 변화, 증식, 세포 사멸)을 특성화하기위한 고 내용 프로토콜을 제시한다. 우리는 형광 강도 또는 응용 프로그램에 따라 고유의 형태학 기능을 기반으로 세포 유형을 구별하는 우리의 능력을 강조 표시합니다. 이 플랫폼은 전통적인 세포 생물학 분석보다 짧은 시간, 적은 양의 시약 및 오류 가능성을 활용하면서 섭동에 대한 하위 집단 반응의보다 포괄적 인 특성 분석을 가능하게합니다. 그러나 어떤 경우에는 세포 집단이 복잡한 cellu를 기준으로 확인 및 정량하기가 어려울 수 있습니다lar 기능과 추가 문제 해결이 필요합니다; 우리는 프로토콜에서 이러한 상황의 일부를 강조합니다. 우리는 암 모델에서 약물에 대한 반응을 사용하여이 응용 프로그램을 시연합니다. 그러나, 그것은 다른 생리적 인 과정에 더 넓게 쉽게 적용될 수있다. 이 프로토콜은 공동 문화 시스템 내에서 하위 집단을 식별하고 각각 외부 자극에 대한 특정 반응을 특성화 할 수있게합니다.

우리는 총 4,050 개의 개별 이미지를 위해 3 개의 플레이트에서 25 개 / 웰, 54 웰 / 플레이트 (3 개 세포 집단 x 6 약물 농도 x 3 복제본)로 구성된 이미지 세트를 생성했습니다. 실험 과정 동안 생성 된 이미지 세트는 독점 소프트웨어 (물질 표 참조)를 사용하여 세포의 다양한 양적 특성 ( 즉 형태, 형광)을 추출하여 세포 부분 집단을 분류하는 데 사용할 수있었습니다. 그러나 사용 된 상업용 소프트웨어에는 액세스가 제한되어 있기 때문에 CellProfiler 및 CellProfiler Analyst의 유사한 다운 스트림 파이프 라인이 만들어졌습니다. 부분 집단으로의 이종 세포 분류 핵은 DNA 염색 (여기에서는 Hoechst)을 기반으로 확인되고 분절화되었으며 세포 집단은 형광 또는 MO( 그림 1 ). 형광 기반 분류의 경우, 섬유 아세포 (CCD-19Lu)는 이전에 GFP- 렌티 바이러스로 형질 도입되었다. GFP 강도 수준은 각각의 핵에 대해 측정되었고, 허용 된 문턱 값 (배경 신호에 기초) 이상으로 계산 된 것들은 CCD-19Lu로 분류되었지만 아래의 것들은 종양 세포 (H3255)로 분류되었다. 형태학 기반의 분류를 위해, 세포는 이전에 무독성 세포 염색 (물질 표 참조)으로 염색되었으며 이것은 세포질을 확인하고 분할하는 데 사용되었습니다. 기계 학습 알고리즘은 각 집단으로부터 ~ 50-100 개의 세포로 훈련되었다. 형태 학적 특징은 개체군간에 현저히 다르며, CCD-19Lu와 H3255 세포를 구별하기 위해 선형 분류기를 설계하는 데 사용되었다. 형광 및 형태 분류 프로토콜은 두 세포 포퓰을 구별하는데있어서 97.4 % (n = 1403) 일치 하였다약물 치료 조건 (1μM erlotinib)에서 92.5 % (n = 916)의 일치 성을 보였다 ( 그림 2 ). 부분 집단의 표현형 분석 세포 유형을 구별하는 것 외에도 우리는 각 하위 집단의 표현형 특성을 특성화하는 것을 목표로했다. 멀티 플렉스 분석은 시간과 시약을 절약하고, 일관성을 추가하며, 연구중인 시스템에 관한 추가 정보를 제공합니다. 많은 잠재적 인 표현형 산출물이 있으며, 관심있는 질문에 따라 선택해야한다. 여기 erlotinib 치료에 대한 반응으로 세포 형태와 생존력의 변화가 조사되었다. 3 일간의 약물 치료 후 핵 영역의 감소와 H3255 세포 ( 도 3A )의 세포 면적의 증가가 관찰되었다. 핵 면적의 평균 차이&quot;약물 없음&quot;및 &quot;약물 치료&quot;집단은 양면성 2 형 (균등 변이) t 검사 ( p = 7.92 x 10 -16 )를 통해 통계적으로 유의미한 것으로 나타났다. 우리는이 관찰이 약물 치료에 의해 부과 된 스트레스에 대한 세포 반응이라는 가설을 세웠다. 그것은 또한 임상 적으로 심각한 영향을 미치기 때문에 약물이 세포 독성 ( 즉 , 시간에 따라 죽은 세포의 수가 증가 함) 또는 세포 분열 ( 즉 , 시간에 따른 세포 출생의 수를 감소 시킴) 효과를 갖는지 여부를 연구하는 것도 중요합니다. 예를 들어, 세포 증식 억제 약물 효과는 성장 정지를 유도하지만 종양에서 세포를 제거하지 않으므로 일단 약물이 제거되면 암세포가 세포 증식을 재개 할 가능성이 있습니다. 약물 효과는 종종 문맥, 농도 및 세포 유형에 따라 달라질 수 있습니다. 우리는 이전에 erlotinib가 하나의 세포 유형에서 세포 독성 반응을 이끌어내는 것을 관찰하면서 ac다른 13 에서의 반응. 전통적인 생존 능력 분석은 상대적 세포 수를 산출하므로 성장 정지와 세포사를 구별하지 않습니다. 여기에서, 죽은 세포는 propidium iodide stain을 기반으로 확인되었다 ( 그림 3B ). H3255 세포에 대한 erlotinib의 세포 독성 및 세포 증식 억제 효과는 약물 치료 후 사망 수의 증가와 출생 수의 감소와 함께 관찰되었다 ( 그림 3C ). 죽은 세포의 수가 1 일 후에 세포 누출로 인해 떨어지게된다는 사실은 주목할 가치가있다. CCD-19Lu 세포는 약물에 의해 영향을받지 않았다. 이 플랫폼의 또 다른 이점은 정량적 데이터 생성입니다. 예를 들어, 우리의 공동 배양 실험에서, H1155 세포를 함유하지 않은 3 일 동안, 또는 erlotin으로 H3255 세포의 초기 부 집단이 2,817 (87.9 %) 또는 396 (57.2 %) 인 것으로 밝혀졌다( 그림 4 ). 우리는 상대적인 비율 대신에 실제 세포 수를 산출 할 수 있기 때문에 (유동 세포 계측법에서와 같이), 약물 치료 동안의 조성의 변화는 H3255 세포의 감소 때문이고 CCD-19Lu의 증가는 아니라고 결론 지었다. 실험적으로 평가하기 어렵고 세포 유형에 따라 다를 수있는 세포 허가 (cell clearance)로 인해 사망률이 과소 평가 될 수 있다는 것은 아무 가치가 없습니다. <img alt="그림 1" class="xfigimg" src="/files/ftp_upload/55844/55844fig1.jpg" /> 그림 1 : 이미지 분석 프로토콜 개요. 형태 기반 분류 또는 형광 기반 분류를 사용하여 이종 세포 집단을 분류 할 수있는 두 가지 잠재적 다운 스트림 이미지 분석 파이프 라인. 스케일 바 = 100 μm. <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55844/55844fig1large.jpg" target="_blank">그녀를 클릭하십시오.</a>이 그림의 더 큰 버전을 보려면 e를 누르십시오. <img alt="그림 2" class="xfigimg" src="/files/ftp_upload/55844/55844fig2.jpg" /> 도표 2 : 형태학과 형광 근거한 분류 사이의 일치. ( A ) 두 분류 프로토콜의 중첩을 나타내는 일치도 그림. 동일한 세포는 형태학 및 형광 기반 분류를 사용하여 H3255로 분류되었다. 두 가지 프로토콜은 치료되지 않은 세포의 97.4 % (n = 1403)와 erlotinib로 치료 한 세포의 92.5 % (n = 916) (참고 : 흰색 영역은 너무 작아서 시각화 할 수 없음)에 대해 일치했다. ( B ) 형광 기반 및 형태 기반 분류 사이의 양호 및 불량 일치의 예를 묘사하는 10X 이미지. 흰색 화살표는 플랫폼간에 불일치하게 분류 된 셀을 가리 킵니다. 입력 이미지 : 파란색 - 핵 (Hoechst); 녹색 - CCD19Lu (GFP). Classi약물 이미지 : 적색 - H3255; 녹색 - CCD-19Lu. 스케일 바 = 100 μm. <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55844/55844fig2large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a> <img alt="그림 3" class="xfigimg" src="/files/ftp_upload/55844/55844fig3.jpg" /> 그림 3 : 단일 실험 설정에서 멀티 플렉스 된 표현형 측정. ( A ) 핵 및 세포 면적과 같은 형태 학적 특징은 약물의 존재 및 부재하에 단일 세포 수준에서 계산되었다. 참고 : 100 μm 2 보다 작은 셀 면적은 잔해로 간주되어 분석에서 제외됩니다. 상자 플롯은 1 분위 및 3 분위 범위와 95 % 신뢰 구간 오차 막대를 갖는 중앙값을 나타냅니다. ( B ) H3255 (청색) 및 CCD-19Lu (녹색) 세포를 공동 배양하고 프로피트의 강도에 따라 사균을 확인 하였다ium iodide stain (적색)으로하고 10X 대물 렌즈를 사용하여 이미지화합니다. 눈금 막대 = 1 mm (상단 패널); 100 μm (하단 이미지). ( C ) 살아있는 세포와 죽은 세포의 총 수는 약물 치료 여부에 관계없이 3 일 동안 계산되었으며, erlotinib의 추가로 생존 세포 수와 죽은 세포의 양이 현저히 감소했다. 오차 막대는 세 번의 반복을 바탕으로 한 평균의 표준 오차를 나타냅니다. <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55844/55844fig3large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a> <img alt="그림 4" class="xfigimg" src="/files/ftp_upload/55844/55844fig4.jpg" /> 그림 4 : 시간의 경과에 따른 집단 기반의 역학. 약물 사용 여부에 따라 0 일 또는 3 일째에 H3255 (파란색) 및 CCD-19Lu (녹색)가 포함 된 우물의 대표적인 10X 이미지. 각 하위 집단에 속하는 세포를 세었고 비례 원형 차트는표본 전체의 인구 구성 변화. 스케일 바 = 1 mm (중간 패널, shpwn in, eftmost 패널), 1 mm (상단 이미지), 100 μm (하단 이미지). <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55844/55844fig4large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>

Watch this Scientific Journal Video about Discrimination and Characterization of Heterocellular Populations Using Quantitative Imaging Techniques at JoVE.com

Discrimination and Characterization of Heterocellular Populations Using Quantitative Imaging Techniques

우리는 섭동에 반응하여 이종 세포 집단 역학을 연구하기위한 새로운 프로토콜을 개발했다. 이 원고는 heterocellular population의 여러 세포 phenotypes의 강력한 특성화를위한 정량적 인 데이터 세트를 견고한 방식으로 생산하는 이미징 기반 플랫폼을 설명합니다.

정량적 이미징 기법을 이용한 이종 세포 집단의 차별화 및 특성 규명

Cellular processes are complex and result from the interplay between multiple cell types and their environment. Existing cell biology techniques often do ...

discrimination-characterization-heterocellular-populations-using

Nanyang Technological University

Research

JoVE Journal

Biology

7.4K 조회수.  University of Southern California (USC).  우리는 섭동에 반응하여 이종 세포 집단 역학을 연구하기위한 새로운 프로토콜을 개발했다. 이 원고는 heterocellular population의 여러 세포 phenotypes의 강력한 특성화를위한 정량적 인 데이터 세트를 견고한 방식으로 생산하는 이미징 기반 플랫폼을 설명합니다. 

비디오: Discrimination and Characterization of Heterocellular Populations Using Quantitative Imaging Techniques

Automated Quantification of Hematopoietic Cell &#8211; Stromal Cell Interactions in Histological Images of Undecalcified Bone

Confocal microscopy is the method of choice for the analysis of localization of multiple cell types within complex tissues such as the bone marrow. However, the analysis and quantification of cellular localization is difficult, as in many cases it relies on manual counting, thus bearing the risk of introducing a rater-dependent bias and reducing interrater reliability. Moreover, it is often difficult to judge whether the co-localization between two cells results from random positioning, especially when cell types differ strongly in the frequency of their occurrence. Here, a method for unbiased quantification of cellular co-localization in the bone marrow is introduced. The protocol describes the sample preparation used to obtain histological sections of whole murine long bones including the bone marrow, as well as the staining protocol and the acquisition of high-resolution images. An analysis workflow spanning from the recognition of hematopoietic and non-hematopoietic cell types in 2-dimensional (2D) bone marrow images to the quantification of the direct contacts between those cells is presented. This also includes a neighborhood analysis, to obtain information about the cellular microenvironment surrounding a certain cell type. In order to evaluate whether co-localization of two cell types is the mere result of random cell positioning or reflects preferential associations between the cells, a simulation tool which is suitable for testing this hypothesis in the case of hematopoietic as well as stromal cells, is used. This approach is not limited to the bone marrow, and can be extended to other tissues to permit reproducible, quantitative analysis of histological data.

A strategy to quantitatively analyze histological data in the bone marrow is presented. Confocal microscopy of fluorescently labeled cells in tissue sections results in 2-dimensional images, which are automatically analyzed. Co-localization analyses of different cell types are compared to data from simulated images, giving quantitative information about cellular interactions.

조혈 세포의 자동화 된 정량화 - Undecalcified 뼈의 조직 학적 이미지에서 기질 세포 상호 작용

Confocal microscopy is the method of choice for the analysis of localization of multiple cell types within complex tissues such as the bone marrow. ...

연구

발생학

Heterogeneity Mapping of Protein Expression in Tumors using Quantitative Immunofluorescence

Morphologic heterogeneity within an individual tumor is well-recognized by histopathologists in surgical practice. While this often takes the form of areas of distinct differentiation into recognized histological subtypes, or different pathological grade, often there are more subtle differences in phenotype which defy accurate classification (Figure 1). Ultimately, since morphology is dictated by the underlying molecular phenotype, areas with visible differences are likely to be accompanied by differences in the expression of proteins which orchestrate cellular function and behavior, and therefore, appearance. The significance of visible and invisible (molecular) heterogeneity for prognosis is unknown, but recent evidence suggests that, at least at the genetic level, heterogeneity exists in the primary tumor1,2, and some of these sub-clones give rise to metastatic (and therefore lethal) disease. 
Moreover, some proteins are measured as biomarkers because they are the targets of therapy (for instance ER and HER2 for tamoxifen and trastuzumab (Herceptin), respectively). If these proteins show variable expression within a tumor then therapeutic responses may also be variable. The widely used histopathologic scoring schemes for immunohistochemistry either ignore, or numerically homogenize the quantification of protein expression. Similarly, in destructive techniques, where the tumor samples are homogenized (such as gene expression profiling), quantitative information can be elucidated, but spatial information is lost. Genetic heterogeneity mapping approaches in pancreatic cancer have relied either on generation of a single cell suspension3, or on macrodissection4. A recent study has used quantum dots in order to map morphologic and molecular heterogeneity in prostate cancer tissue5, providing proof of principle that morphology and molecular mapping is feasible, but falling short of quantifying the heterogeneity. Since immunohistochemistry is, at best, only semi-quantitative and subject to intra- and inter-observer bias, more sensitive and quantitative methodologies are required in order to accurately map and quantify tissue heterogeneity in situ.
We have developed and applied an experimental and statistical methodology in order to systematically quantify the heterogeneity of protein expression in whole tissue sections of tumors, based on the Automated QUantitative Analysis (AQUA) system6. Tissue sections are labeled with specific antibodies directed against cytokeratins and targets of interest, coupled to fluorophore-labeled secondary antibodies. Slides are imaged using a whole-slide fluorescence scanner. Images are subdivided into hundreds to thousands of tiles, and each tile is then assigned an AQUA score which is a measure of protein concentration within the epithelial (tumor) component of the tissue. Heatmaps are generated to represent tissue expression of the proteins and a heterogeneity score assigned, using a statistical measure of heterogeneity originally used in ecology, based on the Simpson's biodiversity index7.
To date there have been no attempts to systematically map and quantify this variability in tandem with protein expression, in histological preparations. Here, we illustrate the first use of the method applied to ER and HER2 biomarker expression in ovarian cancer. Using this method paves the way for analyzing heterogeneity as an independent variable in studies of biomarker expression in translational studies, in order to establish the significance of heterogeneity in prognosis and prediction of responses to therapy.

Here we describe a method to quantify molecular heterogeneity in histological sections of tumor material using quantitative immunofluorescence, image analysis, and a statistical measure of heterogeneity. The method is intended for use in clinical biomarker development and analysis.

양적 Immunofluorescence를 사용하여 종양의 단백질 표현의 이질 매핑

Morphologic heterogeneity within an individual tumor is well-recognized by histopathologists in surgical practice. While this often takes the form of ...

의학

A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations

Immunophenotypic characterization and molecular analysis have long been used to delineate heterogeneity and define distinct cell populations. FACS is inherently a single-cell assay, however prior to molecular analysis, the target cells are often prospectively isolated in bulk, thereby losing single-cell resolution. Single-cell gene expression analysis provides a means to understand molecular differences between individual cells in heterogeneous cell populations. In bulk cell analysis an overrepresentation of a distinct cell type results in biases and occlusions of signals from rare cells with biological importance. By utilizing FACS index sorting coupled to single-cell gene expression analysis, populations can be investigated without the loss of single-cell resolution while cells with intermediate cell surface marker expression are also captured, enabling evaluation of the relevance of continuous surface marker expression. Here, we describe an approach that combines single-cell reverse transcription quantitative PCR (RT-qPCR) and FACS index sorting to simultaneously characterize the molecular and immunophenotypic heterogeneity within cell populations.
In contrast to single-cell RNA sequencing methods, the use of qPCR with specific target amplification allows for robust measurements of low-abundance transcripts with fewer dropouts, while it is not confounded by issues related to cell-to-cell variations in read depth. Moreover, by directly index-sorting single-cells into lysis buffer this method, allows for cDNA synthesis and specific target pre-amplification to be performed in one step as well as for correlation of subsequently derived molecular signatures with cell surface marker expression. The described approach has been developed to investigate hematopoietic single-cells, but have also been used successfully on other cell types.
In conclusion, the approach described herein allows for sensitive measurement of mRNA expression for a panel of pre-selected genes with the possibility to develop protocols for subsequent prospective isolation of molecularly distinct subpopulations.

Bulk gene expression measurements cloud individual cell differences in heterogeneous cell populations. Here, we describe a protocol for how single-cell gene expression analysis and index sorting by Florescence Activated Cell Sorting (FACS) can be combined to delineate heterogeneity and immunophenotypically characterize molecularly distinct cell populations.

분자 특성 조합 단일 셀 접근 및 인간의 줄기 및 조상 인구 Immunophenotypic이

Immunophenotypic characterization and molecular analysis have long been used to delineate heterogeneity and define distinct cell populations. FACS is ...

유전학

Quantitative Optical Microscopy: Measurement of Cellular Biophysical Features with a Standard Optical Microscope

We describe the use of a standard optical microscope to perform quantitative measurements of mass, volume, and density on cellular specimens through a combination of bright field and differential interference contrast imagery. Two primary approaches are presented: noninterferometric quantitative phase microscopy (NIQPM), to perform measurements of total cell mass and subcellular density distribution, and Hilbert transform differential interference contrast microscopy (HTDIC)&#160;to determine volume. NIQPM is based on a simplified model of wave propagation, termed the paraxial approximation, with three underlying assumptions: low numerical aperture (NA) illumination, weak scattering, and weak absorption of light by the specimen. Fortunately, unstained cellular specimens satisfy these assumptions and low NA illumination is easily achieved on commercial microscopes. HTDIC is used to obtain volumetric information from through-focus DIC imagery under high NA illumination conditions. High NA illumination enables enhanced sectioning of the specimen along the optical axis. Hilbert transform processing on the DIC image stacks greatly enhances edge detection algorithms for localization of the specimen borders in three dimensions by separating the gray values of the specimen intensity from those of the background. The primary advantages of NIQPM and HTDIC lay in their technological accessibility using &#8220;off-the-shelf&#8221; microscopes. There are two basic limitations of these methods: slow z-stack acquisition time on commercial scopes currently abrogates the investigation of phenomena faster than 1 frame/minute, and secondly, diffraction effects restrict the utility of NIQPM and HTDIC to objects from 0.2 up to 10 (NIQPM) and 20 (HTDIC) &#956;m in diameter, respectively. Hence, the specimen and its associated time dynamics of interest must meet certain size and temporal constraints to enable the use of these methods. Excitingly, most fixed cellular specimens are readily investigated with these methods.

We describe the use of a standard optical microscope to perform quantitative measurements of cellular mass, volume, and density through a combination of bright field and differential interference contrast imagery.

양이 광학 현미경 : 세포 생물 물리학의 측정​​ 표준 광학 현미경과 특징

We describe the use of a standard optical microscope to perform quantitative measurements of mass, volume, and density on cellular specimens through a ...

생체공학

Mapping the Emergent Spatial Organization of Mammalian Cells using Micropatterns and Quantitative Imaging

A fundamental goal in biology is to understand how patterns emerge during development. Several groups have shown that patterning can be achieved in vitro when stem cells are spatially confined onto micropatterns, thus setting up experimental models which offer unique opportunities to identify, in vitro, the fundamental principles of biological organisation.
Here we describe our own implementation of the methodology. We adapted a photo-patterning technique to reduce the need for specialized equipment to make it easier to establish the method in a standard cell biology laboratory. We also developed a free, open-source and easy to install image analysis framework in order to precisely measure the preferential positioning of sub-populations of cells within colonies of standard shapes and sizes. This method makes it possible to reveal the existence of patterning events even in seemingly disorganized populations of cells. The technique provides quantitative insights and can be used to decouple influences of the environment (e.g., physical cues or endogenous signaling), on a given patterning process.

The method presented here uses micropatterning together with quantitative imaging to reveal spatial organization within mammalian cultures. The technique is easy to establish in a standard cell biology laboratory and offers a tractable system to study patterning in vitro.

마이크로패턴과 정량적 이미징을 사용하여 포유류 세포의 응급 공간 조직 매핑

A fundamental goal in biology is to understand how patterns emerge during development. Several groups have shown that patterning can be achieved in vitro ...

High Throughput Characterization of Adult Stem Cells Engineered for Delivery of Therapeutic Factors for Neuroprotective Strategies

Mesenchymal stem cells (MSCs) derived from bone marrow are a powerful cellular resource and have been used in numerous studies as potential candidates to develop strategies for treating a variety of diseases. The purpose of this study was to develop and characterize MSCs as cellular vehicles engineered for delivery of therapeutic factors as part of a neuroprotective strategy for rescuing the damaged or diseased nervous system. In this study we used mouse MSCs that were genetically modified using lentiviral vectors, which encoded brain-derived neurotrophic factor (BDNF) or glial cell-derived neurotrophic factor (GDNF), together with green fluorescent protein (GFP). 
Before proceeding with in vivo transplant studies it was important to characterize the engineered cells to determine whether or not the genetic modification altered aspects of normal cell behavior. Different culture substrates were examined for their ability to support cell adhesion, proliferation, survival, and cell migration of the four subpopulations of engineered MSCs. High content screening (HCS) was conducted and image analysis performed. 
Substrates examined included: poly-L-lysine, fibronectin, collagen type I, laminin, entactin-collagen IV-laminin (ECL). Ki67 immunolabeling was used to investigate cell proliferation and Propidium Iodide staining was used to investigate cell viability. Time-lapse imaging was conducted using a transmitted light/environmental chamber system on the high content screening system.
Our results demonstrated that the different subpopulations of the genetically modified MSCs displayed similar behaviors that were in general comparable to that of the original, non-modified MSCs. The influence of different culture substrates on cell growth and cell migration was not dramatically different between groups comparing the different MSC subtypes, as well as culture substrates. 
This study provides an experimental strategy to rapidly characterize engineered stem cells and their behaviors before their application in long-term in vivo transplant studies for nervous system rescue and repair.

This study describes an experimental platform to rapidly characterize engineered stem cells and their behaviors before their application in long-term in vivo transplant studies for nervous system rescue and repair.

신경 보호 전략에 대한 치료 요인의 납품을위한 설계 성인 줄기 세포의 높은 처리량 특성

Mesenchymal stem cells (MSCs) derived from bone marrow are a powerful cellular resource and have been used in numerous studies as potential candidates to ...

Fabrication of a Multiplexed Artificial Cellular MicroEnvironment Array

Cellular microenvironments consist of a variety of cues, such as growth factors, extracellular matrices, and intercellular interactions. These cues are well orchestrated and are crucial in regulating cell functions in a living system. Although a number of researchers have attempted to investigate the correlation between environmental factors and desired cellular functions, much remains unknown. This is largely due to the lack of a proper methodology to mimic such environmental cues in vitro, and simultaneously test different environmental cues on cells. Here, we report an integrated platform of microfluidic channels and a nanofiber array, followed by high-content single-cell analysis, to examine stem cell phenotypes altered by distinct environmental factors. To demonstrate the application of this platform, this study focuses on the phenotypes of self-renewing human pluripotent stem cells (hPSCs). Here, we present the preparation procedures for a nanofiber array and the microfluidic structure in the fabrication of a Multiplexed Artificial Cellular MicroEnvironment (MACME) array. Moreover, overall steps of the single-cell profiling, cell staining with multiple fluorescent markers, multiple fluorescence imaging, and statistical analyses, are described.

This article describes the detailed methodology to prepare a Multiplexed Artificial Cellular MicroEnvironment (MACME) array for high-throughput manipulation of physical and chemical cues mimicking in vivo cellular microenvironments and to identify the optimal cellular environment for human pluripotent stem cells (hPSCs) with single-cell profiling.

멀티플렉스 인공 세포 MicroEnvironment 배열의 제작

Cellular microenvironments consist of a variety of cues, such as growth factors, extracellular matrices, and intercellular interactions. These cues are ...

Area-based Image Analysis Algorithm for Quantification of Macrophage-fibroblast Cocultures

Quantification of cells is necessary for a wide range of biological and biochemical studies. Conventional image analysis of cells typically employs either fluorescence detection approaches, such as immunofluorescent staining or transfection with fluorescent proteins or edge detection techniques, which are often error-prone due to noise and other non-idealities in the image background. 
We designed a new algorithm that could accurately count and distinguish macrophages and fibroblasts, cells of different phenotypes that often colocalize during tissue regeneration. MATLAB was used to implement the algorithm, which differentiated distinct cell types based on differences in height from the background. A primary algorithm was developed using an area-based method to account for variations in cell size/structure and high-density seeding conditions. 
Non-idealities in cell structures were accounted for with a secondary, iterative algorithm utilizing internal parameters such as cell coverage computed using experimental data for a given cell type. Finally, an analysis of coculture environments was carried out using an isolation algorithm in which various cell types were selectively excluded based on the evaluation of relative height differences within the image. This approach was found to accurately count cells within a 5% error margin for monocultured cells and within a 10% error margin for cocultured cells.

We present a method, which utilizes a generalizable area-based image analysis approach to identify cell counts. Analysis of different cell populations exploited the significant cell height and structure differences between distinct cell types within an adaptive algorithm.

대식세포-섬유아세포 공동배양물의 정량화를 위한 영역 기반 이미지 분석 알고리즘

Quantification of cells is necessary for a wide range of biological and biochemical studies. Conventional image analysis of cells typically employs either ...

High Efficiency Differentiation of Human Pluripotent Stem Cells to Cardiomyocytes and Characterization by Flow Cytometry

There is an urgent need to develop approaches for repairing the damaged heart, discovering new therapeutic drugs that do not have toxic effects on the heart, and improving strategies to accurately model heart disease. The potential of exploiting human induced pluripotent stem cell (hiPSC) technology to generate cardiac muscle &#8220;in a dish&#8221; for these applications continues to generate high enthusiasm. In recent years, the ability to efficiently generate cardiomyogenic cells from human pluripotent stem cells (hPSCs) has greatly improved, offering us new opportunities to model very early stages of human cardiac development not otherwise accessible. In contrast to many previous methods, the cardiomyocyte differentiation protocol described here does not require cell aggregation or the addition of Activin A or BMP4 and robustly generates cultures of cells that are highly positive for cardiac troponin I and T (TNNI3, TNNT2), iroquois-class homeodomain protein IRX-4 (IRX4), myosin regulatory light chain 2, ventricular/cardiac muscle isoform (MLC2v) and myosin regulatory light chain 2, atrial isoform (MLC2a) by day 10 across all human embryonic stem cell (hESC) and hiPSC lines tested to date. Cells can be passaged and maintained for more than 90 days in culture. The strategy is technically simple to implement and cost-effective. Characterization of cardiomyocytes derived from pluripotent cells often includes the analysis of reference markers, both at the mRNA and protein level. For protein analysis, flow cytometry is a powerful analytical tool for assessing quality of cells in culture and determining subpopulation homogeneity. However, technical variation in sample preparation can significantly affect quality of flow cytometry data. Thus, standardization of staining protocols should facilitate comparisons among various differentiation strategies. Accordingly, optimized staining protocols for the analysis of IRX4, MLC2v, MLC2a, TNNI3, and TNNT2 by flow cytometry are described.

The article describes the detailed methodology to efficiently differentiate human pluripotent stem cells into cardiomyocytes by selectively modulating the Wnt pathway, followed by flow cytometry analysis of reference markers to assess homogeneity and identity of the population.

유동 세포 계측법에 의한 고효율 심근에 인간 다 능성 줄기 세포의 분화 및 특성

There is an urgent need to develop approaches for repairing the damaged heart, discovering new therapeutic drugs that do not have toxic effects on the ...

생물학

Quantitation of Protein Expression and Co-localization Using Multiplexed Immuno-histochemical Staining and Multispectral Imaging

Immunohistochemistry is a commonly used clinical and research lab detection technique for investigating protein expression and localization within tissues. Many semi-quantitative systems have been developed for scoring expression using immunohistochemistry, but inherent subjectivity limits reproducibility and accuracy of results. Furthermore, the investigation of spatially overlapping biomarkers such as nuclear transcription factors is difficult with current immunohistochemistry techniques. We have developed and optimized a system for simultaneous investigation of multiple proteins using high throughput methods of multiplexed immunohistochemistry and multispectral imaging. Multiplexed immunohistochemistry is performed by sequential application of primary antibodies with secondary antibodies conjugated to horseradish peroxidase or alkaline phosphatase. Different chromogens are used to detect each protein of interest. Stained slides are loaded into an automated slide scanner and a protocol is created for automated image acquisition. A spectral library is created by staining a set of slides with a single chromogen on each. A subset of representative stained images are imported into multispectral imaging software and an algorithm for distinguishing tissue type is created by defining tissue compartments on images. Subcellular compartments are segmented by using hematoxylin counterstain and adjusting the intrinsic algorithm. Thresholding is applied to determine positivity and protein co-localization. The final algorithm is then applied to the entire set of tissues. Resulting data allows the user to evaluate protein expression based on tissue type (ex. epithelia vs. stroma) and subcellular compartment (nucleus vs. cytoplasm vs. plasma membrane). Co-localization analysis allows for investigation of double-positive, double-negative, and single-positive cell types. Combining multispectral imaging with multiplexed immunohistochemistry and automated image acquisition is an objective, high-throughput method for investigation of biomarkers within tissues.

Immunohistochemistry is a powerful lab technique for evaluating protein localization and expression within tissues. Current semi-automated methods for quantitation introduce subjectivity and often create irreproducible results. Herein, we describe methods for multiplexed immunohistochemistry and objective quantitation of protein expression and co-localization using multispectral imaging.

정량적 이미징 기법을 이용한 이종 세포 집단의 차별화 및 특성 규명

요약

더 많은 비디오 탐색

이 비디오의 챕터

조혈 세포의 자동화 된 정량화 - Undecalcified 뼈의 조직 학적 이미지에서 기질 세포 상호 작용

양적 Immunofluorescence를 사용하여 종양의 단백질 표현의 이질 매핑

분자 특성 조합 단일 셀 접근 및 인간의 줄기 및 조상 인구 Immunophenotypic이

양이 광학 현미경 : 세포 생물 물리학의 측정 표준 광학 현미경과 특징

마이크로패턴과 정량적 이미징을 사용하여 포유류 세포의 응급 공간 조직 매핑

신경 보호 전략에 대한 치료 요인의 납품을위한 설계 성인 줄기 세포의 높은 처리량 특성

멀티플렉스 인공 세포 MicroEnvironment 배열의 제작

대식세포-섬유아세포 공동배양물의 정량화를 위한 영역 기반 이미지 분석 알고리즘

유동 세포 계측법에 의한 고효율 심근에 인간 다 능성 줄기 세포의 분화 및 특성

멀티 플렉스 면역 조직 화학적 염색 및 멀티 스펙트럼 영상을 사용하여 단백질 발현 및 공동 현지화의 정량

정량적 이미징 기법을 이용한 이종 세포 집단의 차별화 및 특성 규명

요약

더 많은 비디오 탐색

이 비디오의 챕터

조혈 세포의 자동화 된 정량화 - Undecalcified 뼈의 조직 학적 이미지에서 기질 세포 상호 작용

양적 Immunofluorescence를 사용하여 종양의 단백질 표현의 이질 매핑

분자 특성 조합 단일 셀 접근 및 인간의 줄기 및 조상 인구 Immunophenotypic이

양이 광학 현미경 : 세포 생물 물리학의 측정​​ 표준 광학 현미경과 특징

마이크로패턴과 정량적 이미징을 사용하여 포유류 세포의 응급 공간 조직 매핑

신경 보호 전략에 대한 치료 요인의 납품을위한 설계 성인 줄기 세포의 높은 처리량 특성

멀티플렉스 인공 세포 MicroEnvironment 배열의 제작

대식세포-섬유아세포 공동배양물의 정량화를 위한 영역 기반 이미지 분석 알고리즘

유동 세포 계측법에 의한 고효율 심근에 인간 다 능성 줄기 세포의 분화 및 특성

멀티 플렉스 면역 조직 화학적 염색 및 멀티 스펙트럼 영상을 사용하여 단백질 발현 및 공동 현지화의 정량

양이 광학 현미경 : 세포 생물 물리학의 측정 표준 광학 현미경과 특징