Summary

Secuenciación de ARN unicelular de las neuronas de ratón fluorescencia etiquetada con clasificación Manual y doble transcripción In Vitro con recuentos absolutos secuenciación (DIVA-Seq)

Published: October 26, 2018
doi:

Summary

Este protocolo describe el manual de clasificación procedimiento para aislar neuronas fluorescencia etiquetadas solo seguidas en vitro basada en la transcripción ARNm amplificación de la secuencia de RNA de alta profundidad unicelular.

Abstract

Secuencia de RNA (RNA-seq) del unicelular es ahora una herramienta ampliamente implementada para análisis de expresión génica. Disponible en el mercado plataformas de secuenciación del RNA unicelular procesan todo entradas células indiscriminadamente. Celular activado por fluorescencia (FACS) de clasificación se utiliza a veces, contra la corriente para aislar a una población específicamente etiquetada de interés. Una limitación de FACS es la necesidad de un número elevado de células entradas con fracciones significativamente marcadas, que no es práctico para la recogida y perfiles de poblaciones raras o escasamente marcada neurona del cerebro del ratón. Aquí, describimos un método para manualmente recoger escasa fluorescencia etiquetada neuronas solo de recién disociados tejido de cerebro de ratón. Este proceso permite capturar las neuronas solo etiquetados con pureza elevada y posterior integración con un protocolo en vitro amplificación basada en la transcripción que conserva relaciones de transcripción endógena. Se describe un método de doble amplificación lineal que utiliza identificadores de molécula única (UMIs) para generar cuentas de ARNm individuales. Dos rondas de los resultados de amplificación en un alto grado de detección de genes por célula.

Introduction

Secuencia de RNA (RNA-seq) del unicelular ha transformado estudios transcriptómico. Mientras que a gran escala unicelular RNAseq puede realizarse usando una variedad de técnicas, como gotitas1,2, microfluídica3, nanogrids4y5de los micropocillos, mayoría de los métodos no puede ordenar tipos celulares definidas expresan fluoróforos genéticamente codificados. Para aislar a una población selecta de la célula, célula activada por fluorescencia (FACS) de clasificación es de uso frecuente para clasificar las células etiquetadas en el modo de una sola célula. Sin embargo, FACS tiene algunas restricciones y requiere de etapas de procesamiento de una muestra. En primer lugar, un gran número de células de entrada es típicamente necesarios (a menudo varios millones células / mL), con una fracción significativa (> 15-20%) que contiene la población marcada. En segundo lugar, preparaciones celulares pueden requerir múltiples rondas de pasos de centrifugación del gradiente de densidad para eliminar la fracción glial, escombros y montones de celulares que de lo contrario podrían obstruir la boquilla o flujo de la célula. En tercer lugar, FACS generalmente emplea la coloración y los pasos para live/dead tinción (por ejemplo, 4′, 6-diamidino-2-phenylindole (DAPI), yoduro de propidio (PI) y colorantes de Cytotracker), que toman más tiempo de extracción. En cuarto lugar, como regla general para la clasificación (como DAPI y proteína fluorescente verde y rojo (GFP/RFP)), generalmente dos muestras de dos colores y un control son necesarios, que requieren una muestra sin etiqueta para ser procesados además de la cepa de ratón deseado. En quinto lugar, filtrado a menudo se realiza varias veces antes y durante la clasificación de la muestra para evitar proactivamente obstruido muestra líneas en una máquina de FACS. En sexto lugar, debe asignarse tiempo en configuraciones de FACS más comúnmente utilizadas para inicializar y estabilizar el flujo y realizar la calibración de la gota. Séptimo, control de muestras normalmente se ejecutan en secuencia antes de la colección de la muestra real para configurar matrices de compensación, rechazo de doblete, puertas, etc. usuarios o realice los pasos seis y siete se antes de tiempo o requieren la asistencia de un técnico en paralelo. Por último, post-FACS, hay a menudo medidas para asegurar que sólo con la etiqueta solo las células están presentes en cada pozo; por ejemplo, revisando las muestras en una instalación de proyección de alto contenido como un toner de la placa rápida.

Para eludir los pasos descritos arriba y facilitar una relativamente rápida, dirigida la secuencia de una población pequeña de neuronas fluorescencia etiquetadas sola, describimos un manual de clasificación procedimiento seguido por dos rondas de una alta sensibilidad in vitro Protocolo de amplificación, llamado doble transcripción de in vitro con recuentos absolutos secuenciación (DIVA-Seq). La generación de biblioteca de cDNA y amplificación de RNA está adaptada de Eberwine et al. 6 y Hashimshony et al. 7, con algunas modificaciones para todos los interneurons de ratón que tienen volúmenes celulares más pequeños; Además, también hemos encontrado que es igualmente útil para neuronas piramidales excitatorias.

Protocol

Todos los procedimientos incluyendo temas animal han sido aprobados por la IACUC en laboratorio de Puerto primavera fría, NY (IACUC #16-13-09-8). 1. manual de clasificación de las neuronas de ratón fluorescente etiquetado Tirar vidrio microcapilares (véase Tabla de materiales) a 10-15 μm de diámetro salida utilizando un extractor capilar con los siguientes ajustes: calor: 508, tirar: en blanco, vel: tiempo en blanco,: en blanco. Fije el conducto flexi…

Representative Results

Utilizando el protocolo descrito, GABAergic neuronas fueron manualmente ordenadas (figura 1) y RNA fue amplificado, hecho en una biblioteca de cDNA (figura 2) y secuenciado en profundidad8. Los productos amplificados de RNA (aRNA) oscilaron entre 200 – 4.000 bp en tamaño, con una distribución de pico ligeramente por encima de 500 bp (Figura 3A). La biblioteca de cDNA de gr…

Discussion

El manual de clasificación de protocolo es adecuado para una secuencia de RNA supervisada de neurona las poblaciones que son escasamente marcados en el cerebro de ratones o representan a una población de células raras que de lo contrario no es factible estudiar con células de alto rendimiento actual métodos de selección y amplificación. Las células sometidas a FACS generalmente se someten a las presiones de línea de vaina y muestra en la gama de ~ 9 – 14 psi, dependiendo del tamaño de la boquilla y deseado de…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabajo fue apoyado por subvenciones de NIH (5R01MH094705-04 y R01MH109665-01 a Z.J.H.), por el CSHL Robertson Neurociencia fondo (Z.J.H.) y por una beca Post-Doctoral de NARSAD (a A.P.).

Materials

ERCC RNA Spike-In Control Mixes Thermo Fisher Cat# 4456740
SuperScript III Thermo Fisher Cat# 18080093
RNaseOUT Recombinant Ribonuclease Inhibitor Thermo Fisher Cat# 10777019
RNA fragmentation buffer New England Biolabs Cat# E6105S
RNA MinElute kit Qiagen Cat# 74204
Antarctic phosphatase New England Biolabs Cat# M0289
Poly nucleotide kinase New England Biolabs Cat# M0201
T4 RNA ligase2, truncated New England Biolabs Cat# M0242
Ampure Xp magnetic  beads Beckman Coulter Cat# A63880
SPRIselect size selection magnetic beads Thermo Fisher Cat# B23317
DL-AP5 Tocris Cat# 0105
CNQX Tocris Cat# 1045
TTX Tocris Cat# 1078
Protease from Streptomyces griseus Sigma-Aldrich Cat# P5147
Message Amp II kit Thermo Fisher Cat# AM1751
Carbogen Airgas Cat# UN3156
Sylgard 184 Sigma-Aldrich Cat# 761036
Illumina TrueSeq smallRNA kit Illumina Cat# RS-200-0012
Bioanalyzer RNA Pico chip Agilent Cat# 5067-1513
Bioanalyzer High Sensitvity DNA chip Agilent Cat# 5067-4626
Bioanalyzer 2100 Agilent
Dissection microscope with fluorescence and bright field illumination with DIC optics.  (Leica model MZ-16F). Leica Model MZ-16F
Glass microcapillary: Borosilicate capillary tubes 500/pk. OD= 1 mm, ID=0.58 mm, wall= 0.21 mm, Length= 150 mm. Warner instruments Model GC100-15, Order# 30-0017
Capillary pipette puller Sutter Instruments Co P-97
Vibratome Thermo Microm HM 650V
Vibratome tissue cooling unit Thermo Microm CU 65

References

  1. Macosko, E. Z., et al. Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell. 161 (5), 1202-1214 (2015).
  2. Klein, A. M., et al. Droplet barcoding for single-cell transcriptomics applied to embryonic stem cells. Cell. 161 (5), 1187-1201 (2015).
  3. Xin, Y., et al. Use of the Fluidigm C1 platform for RNA sequencing of single mouse pancreatic islet cells. Proceedings of the National Academy of Sciences of the United States of America. 113 (12), 3293-3298 (2016).
  4. Gao, R., et al. Nanogrid single-nucleus RNA sequencing reveals phenotypic diversity in breast cancer. Nature Communications. 8 (1), 228 (2017).
  5. Yuan, J., Sims, P. A. An Automated Microwell Platform for Large-Scale Single Cell RNA-Seq. Scientific Reports. 6, 33883 (2016).
  6. Eberwine, J., et al. Analysis of gene expression in single live neurons. Proceedings of the National Academy of Sciences of the United States of America. 89 (7), 3010-3014 (1992).
  7. Hashimshony, T., Wagner, F., Sher, N., Yanai, I. CEL-Seq: Single-Cell RNA-Seq by Multiplexed Linear Amplification. Cell Reports. 2 (3), 666-673 (2012).
  8. Paul, A., et al. Transcriptional Architecture of Synaptic Communication Delineates GABAergic Neuron Identity. Cell. 171 (3), 522-539 (2017).
  9. Zeisel, A., et al. Cell types in the mouse cortex and hippocampus revealed by single-cell RNA-seq. Science. 1934, (2015).
  10. Tasic, B., et al. Adult mouse cortical cell taxonomy revealed by single cell transcriptomics. Nature Neuroscience. 19, 335-346 (2016).
  11. Okaty, B. W., et al. Multi-Scale Molecular Deconstruction of the Serotonin Neuron System. Neuron. 88 (4), 774-791 (2015).
  12. Poulin, J. F., Tasic, B., Hjerling-Leffler, J., Trimarchi, J. M., Awatramani, R. Disentangling neural cell diversity using single-cell transcriptomics. Nature Neuroscience. 19 (9), 1131-1141 (2016).
  13. Crow, M., Paul, A., Ballouz, S., Huang, Z. J., Gillis, J. Exploiting single-cell expression to characterize co-expression replicability. Genome Biology. 17, 101 (2016).
  14. Crow, M., Paul, A., Ballouz, S., Huang, Z. J., Gillis, J. Characterizing the replicability of cell types defined by single cell RNA-sequencing data using MetaNeighbor. Nature Communications. 9 (1), (2018).
  15. Hrvatin, S., et al. Single-cell analysis of experience-dependent transcriptomic states in the mouse visual cortex. Nature Neuroscience. 21 (1), 120-129 (2018).

Play Video

Cite This Article
Paul, A., Huang, Z. J. Single-cell RNA Sequencing of Fluorescently Labeled Mouse Neurons Using Manual Sorting and Double In Vitro Transcription with Absolute Counts Sequencing (DIVA-Seq). J. Vis. Exp. (140), e58690, doi:10.3791/58690 (2018).

View Video