Histoflow Sitometri ile Yüksek Parametreli Histoloji Görüntülerinin Oluşturulması ve Analiz Edilmesi
Summary
Burada açıklanan, immünofloresan mikroskobu ile beş veya daha fazla floresan parametreyi görüntülemek için kullanılabilecek bir yöntemdir. Bu görüntülerden tek hücrelerin çıkarılması ve doku bölümlerindeki hücre alt kümelerini tanımlayabilen akış sitometrisi benzeri geçit stratejileri yoluyla tek hücre analizi yapmak için bir analiz boru hattı ana hatlarıyla belirtilmiştir.
Abstract
Merkezi sinir sisteminden (CNS) türetilenler gibi doku kesitlerinde bağışıklık hücresi çeşitliliğini araştırmak için histolojinin kullanımı, tek bir seferde görüntülenebilen floresan parametrelerinin sayısı ile kritik bir şekilde sınırlıdır. Çoğu bağışıklık hücresi alt kümesi, protein belirteçlerinin karmaşık kombinasyonları kullanılarak akış sitometrisi kullanılarak tanımlanmıştır, bu genellikle kesin olarak tanımlamak için dört veya daha fazla parametre gerektirir, bu da çoğu geleneksel mikroskobun yeteneklerinin ötesindedir. Akış sitometrisi dokuları ayrıştırdığından ve uzamsal bilgiyi kaybettiğinden, karmaşık hücre tiplerinin rollerini sorgularken uzamsal bilgiyi koruyabilen tekniklere ihtiyaç vardır. Bu sorunlar burada, spektral olarak örtüşen floroforların sinyallerini toplayarak ve her bir ayrı floroforun sinyallerini ayırmak için spektral karıştırma kullanarak görüntülenebilen floresan parametrelerinin sayısını genişletmek için bir yöntem oluşturularak ele alınmaktadır. Bu görüntüler daha sonra yüksek parametreli histoloji görüntüleri almak ve bu görüntülerden tek hücreleri çıkarmak için bir analiz hattı kullanılarak işlenir, böylece her hücrenin benzersiz floresan özellikleri tek hücre düzeyinde analiz edilebilir. Akış sitometrisi benzeri geçit stratejileri kullanılarak, hücreler daha sonra alt kümelere ayrılabilir ve yalnızca bolluklarını ölçmekle kalmayıp aynı zamanda doku ortamıyla nasıl etkileşime girdiklerini belirlemek için histoloji bölümlerine geri eşlenebilir. Genel olarak, histoloji bölümlerinde karmaşık immün popülasyonları incelemek için histoflow sitometri kullanmanın basitliği ve potansiyeli gösterilmiştir.
Introduction
Bağışıklık sistemi hücreleri ve glial hücreler tarafından yönlendirilen iltihaplanma, her bir popülasyonun diğer 1,2,3’ün aktivitesini teşvik edebileceği CNS’nin kronik bozukluklarına katkıda bulunabilir. Bağışıklık sisteminin, CNS inflamasyonunu teşvik etmek için CNS’nin bu unsurları ile nasıl etkileşime girdiğini anlamak şu anda önemli bir ilgi konusudur ve tek hücreli RNA dizilimi gibi yüksek parametreli tekniklerle büyük ölçüde kolaylaştırılmıştır. Tek hücreli RNA dizilimi sayesinde, çeşitli CNS bozukluklarındaglial hücreler ve bağışıklık sistemi arasında geniş bir iletişim olduğunu keşfettik 4,5,6. Bu etkileşimlerin bu bozuklukları nasıl etkilediğini anlamak, bu hastalıkların biyolojisini aydınlatmak için çok önemli olacaktır.
Tek hücreli dizileme analizleriyle ilgili bir sorun, bu tekniklerin tek hücreler veya çekirdekler elde etmek için dokunun bozulmasını gerektirmesi ve bunun da tam bir uzamsal bilgi kaybına neden olmasıdır. Bir hücrenin bir dokuda nerede bulunduğunu bilmek, hücrenin iltihabı yönlendirmedeki rolünü anlamak için kritik öneme sahiptir. Örneğin, B hücreleri gibi bağışıklık hücreleri, nöroinflamasyon sırasında CNS’de konsantre olabilir; bununla birlikte, nadiren CNS parankimine girerler ve bunun yerine CNS bariyerlerine7 konsantre olurlar. Lokalizasyonları göz önüne alındığında, bu hücrelerin CNS parankimindeki glial hücrelerle fiziksel olarak etkileşime girerek CNS inflamasyonuna katkıda bulunmaları olası değildir, bu da glial hücrelerle sahip olabilecekleri herhangi bir etkileşimin salgılanan faktörler yoluyla gerçekleşeceğini düşündürür. Ek olarak, CNS bozukluklarında ortaya çıkan patoloji genellikle 8,9 yapısına sahiptir, öyle ki bir hücrenin dokudaki lokalizasyonu, bozukluğa aktif olarak katkıda bulunup bulunmadığını veya bir seyirci olup olmadığını kritik olarak belirleyebilir. Bu nedenle, bir hücrenin patolojideki rolünü değerlendirmek için uzamsal yönelimin kullanılması esastır.
Dokudaki hücrelerin incelenmesi tipik olarak immünohistokimya veya immün floresan mikroskobu kullanılarak gerçekleştirilmiştir. Bu tekniklerle ilgili bir sorun, tipik olarak aynı anda en fazla dört parametreyi görüntüleyebilmeleridir. Akış sitometrisi ve tek hücreli RNA dizileme analizlerinden bildiğimiz gibi, birçok hücre popülasyonunun tanımlanması için iki veya daha fazla parametreye ihtiyaç duyduğunu bildiğimiz için, bu teknikler için önemli bir sınırlamadır; Ayrıca, bir hücre tipi10’un belirli alt kümelerini ararken gereken parametrelerin sayısı tipik olarak artar. Bu nedenle, hücre alt kümelerinin bir doku içinde nasıl etkileşime girebileceğini incelemek için standart görüntüleme tekniklerini kullanmak pratik değildir.
Bu sorun, uzamsal RNA dizilimi11 ve görüntüleme kütle sitometrisi12 gibi uzamsal bilgileri koruyabilen daha yeni yüksek parametreli yöntemlerle kısmen aşılmıştır. Bu teknikler değerli olsa da, yaygın olarak bulunamama, üç boyutlu verileri iki boyuta indirgeme ve yürütme konusunda önemli uzmanlık gerektirme gibi çeşitli sorunları vardır. Dokuların bir antikor seti ile boyandığı ve ardından başka bir antikor seti ile boyanmadan önce önceki antikor setinin inaktive edildiği sıralı boyama olarak bilinen başka bir teknik, özel ekipman veya uzmanlığa ihtiyaç duymadan yüksek parametreli histoloji elde edebilir 13,14,15. Bununla birlikte, sıralı boyama son derece emek yoğun olabilir ve büyük miktarda mikroskopi süresi gerektirir, bu da kişisel mikroskobu olmayan laboratuvarlar için pratik olmayabilir. Bu nedenle, yaygın olarak bulunan mikroskoplarda bir seferde görüntülenebilen floresan parametrelerinin sayısını ve zamanında genişletilebilen tekniklere ihtiyaç vardır.
Yüksek parametreli veriler elde edildikten sonra, başka bir sorun ortaya çıkar: geleneksel görüntü analizi yöntemlerinin verileri başarılı bir şekilde analiz etmesi pek olası değildir. Manuel sayma veya eşikleme gibi teknikler, yalnızca analiz tek bir parametreden oluşuyorsa veya yalnızca çakışan sinyallerin sayıldığı birden fazla işaretleyici aynı lokalizasyona sahipse geçerlidir. Bu sınırlama, geleneksel analizi yüksek parametreli veri kümeleriyle çalışmak için yetersiz hale getirir. Bu veri kümelerinin başarılı analizi, histoloji görüntülerinden tek hücrelerin bölümlere ayrılması ve ardından hücre tiplerini tanımlamak için akış sitometrisi benzeri geçit stratejileri yürütülmesiyle elde edilmiştir16,17. Bununla birlikte, bu analizleri etkileyen bir diğer konu da, yalnızca ilgilenilen tüm hücrelerin fiziksel olarak birbirinden ayrıldığı veri kümeleri için çalışmalarıdır, çünkü bu teknikler fiziksel temas halinde olan hücreleri doğru bir şekilde ayırabilecek yöntemler kullanmaz. Bu nedenle, hücreler fiziksel temas halinde olsa bile histoloji kesitleri üzerinde tek hücreli analizler yapabilen daha yeni bir yöntem gereklidir.
Bu makalede, daha önce tanıtılanve yaygın olarak bulunan mikroskoplar kullanılarak aynı anda görüntülenebilen floresan parametrelerinin sayısını genişleten histoflow sitometri adı verilen basit bir protokol açıklanmaktadır 18. Bu protokol, dokuları spektral olarak örtüşen boyalarla boyayarak ve daha sonra net tek lekeler elde etmek için üst üste binen kanallardan kanamayı gidermek için spektral kompanzasyon kullanarak çalışır. Yüksek parametreli histoloji görüntülerinin analizini kolaylaştırmak için, akış sitometrisi benzeri geçit stratejileri kullanarak hücreleri farklı popülasyonlara ayırmak amacıyla doku bölümlerinden tek hücreleri çıkaran ayrıntılı bir analiz hattı açıklanmaktadır. Bu protokol, hücrelerin yaygın olarak bulunduğu dokularda ve hücrelerin birbirine sıkı sıkıya sıkıştırıldığı dokularda çalışır ve bu tekniği hem homeostaz hem de nöroinflamasyonda CNS gibi dokuların incelenmesi için çok yönlü hale getirir. Bu nedenle, histoflow sitometri, uzamsal bilgileri korurken hücreleri tanımlamak için birden fazla hücre işaretleyicisi gerektiren karmaşık hücre tipleri arasındaki etkileşimleri incelemek için yararlı bir tekniktir.
Protocol
Representative Results
Discussion
Burada, daha önce doğrulanmış bir teknik olan histoflow sitometrisinin kullanımı açıklanmaktadır18. Doku kesitlerini spektral olarak örtüşen boyalarla boyarken, kanallar arasındaki kanamanın spektral kompanzasyon kullanılarak giderilebileceği ve bunun sonucunda normalde geleneksel yöntemlerle mümkün olandan daha fazla sayıda floresan parametresinin net bir şekilde çözüldüğü gösterilmiştir. Yüksek parametreli histoloji görüntülerinin geleneksel yöntemler kullanıla…
Divulgaciones
The authors have nothing to disclose.
Acknowledgements
Görüntüleme altyapısı ve uzmanlığı için Hotchkiss Beyin Enstitüsü Gelişmiş Mikroskopi Platformu’na teşekkür ederiz. RWJ, Calgary Üniversitesi Göz Lisesi programından doktora sonrası burs fonu ve Kanada Multipl Skleroz Derneği ve Roche Kanada sınırsız eğitim bursu tarafından desteklendi. VWY, Kanada Araştırma Koltuğu Tier 1 programından maaş desteği aldı. Bu çalışma, Kanada Sağlık Araştırmaları Enstitüleri Hibe 1049959, Kanada Multipl Skleroz Derneği Hibe 3236 ve Kongre Tarafından Yönetilen Multipl Skleroz Araştırma Programı ABD Savunma Bakanlığı’nın işletme fonları ile desteklenmiştir. Şekil 1 BioRender.com ile oluşturulmuştur. Bu yayında uyarlanan rakamlar ilk olarak The Journal of Immunology’de yayınlandı. Rajiv W. Jain, David A. Elliott ve V. Wee Yong. 2023. Histoflow Sitometri Kullanılarak Yüksek Parametreli Histoloji Görüntülerinin Tek Hücre Analizi. J. İmmünol. 210: 2038-2049. Telif Hakkı © [2023]. Amerikan İmmünologlar Derneği, Inc.
Materials
| 100% Ethanol | Sigma | 676829-1L | |
| 4% PFA | Electron Microscopy Sciences | 157-4 | |
| Anaconda | N/A | N/A | https://www.anaconda.com/download |
| Bovine Serum Albumin | Sigma | A4503-50G | |
| Cold fish stain gelatin | Sigma | G7765 | |
| Collating multichannel data from Imaris.ipynb script | N/A | N/A | https://github.com/elliottcalgary/Histoflow-Cytometry-Analysis- |
| Convert FlowJo output to txt file for Cell selection in Imaris.ipynb script | N/A | N/A | https://github.com/elliottcalgary/Histoflow-Cytometry-Analysis- |
| Donkey anti-rat Alexa Fluor 647 | JacksonImmunoResearch | 712-605-153 | 1:300 concentration |
| Donkey anti-rat DyLight 405 | Jackson ImmunoResearch | 712-475-153 | 1:200 concentration |
| Donkey Serum | JacksonImmunoResearch | 017-000-001 | |
| F(ab')2-Goat anti-Mouse IgG PerCP-eFluor 710 | Thermofisher | 46-4010-82 | 1:25 concentration |
| FIJI | N/A | N/A | https://imagej.net/software/fiji/ |
| FlowJo | FlowJo LLC | Software 4 | |
| Fluorescence spectraviewer | https://www.thermofisher.com/order/fluorescence-spectraviewer/#!/ | ||
| Fluoromount-G | Southern Biotech | 0100-01 | |
| Fresh frozen human tonsil sections | amsbio | HF-707 | |
| Glass coverslip | VWR | 48393 106 | |
| Goat anti-human IgA Alexa Fluor 488 | JacksonImmunoResearch | 109-546-011 | 1:400 concentration |
| Goat anti-human IgG Cy3 | JacksonImmunoResearch | 709-166-098 | 1:400 concentration |
| Goat anti-human IgM Dylight 405 | JacksonImmunoResearch | 109-476-129 | 1:300 concentration |
| Goat anti-rabbit A546 | Thermo Fisher Scientific | A-11035 | 1:250 concentration |
| Goat anti-rabbit IgG PE-Alexa Fluor 610 | Thermofisher | A-20981 | 1:250 concentration |
| Horse Serum | Sigma | H1138 | |
| Ilastik | N/A | N/A | https://www.ilastik.org/ |
| Ilastik FIJI plugin | N/A | N/A | https://www.ilastik.org/documentation/fiji_export/plugin |
| Imaris File Converter | Oxford Instruments | Software 2 | |
| Imaris with cell module | Oxford Instruments | Software 3 | |
| kimwipe | Kimtech | 34155 | |
| LasX Life Science software | Leica | Software 1 | |
| Mouse anti-human CD20 | VWR | CA95024-322 | 1:40 concentration |
| Mouse anti-human CD38 APC-R700 | BD Biosciences | 564980 | 1:20 concentration |
| Normal Goat Serum | JacksonImmunoResearch | 005-000-001 | |
| Normal Mouse Serum | JacksonImmunoResearch | 015-000-001 | |
| Normal Rabbit Serum | JacksonImmunoResearch | 011-000-001 | |
| Normal Rat Serum | JacksonImmunoResearch | 012-000-120 | |
| Nuclear Yellow | Abcam | ab138903 | Dissolve in DMSO at a concentration of 2 mg/ml and store at 4°C in the dark |
| PAP pen | Cedarlane | MU22 | |
| PBS | Gibco | 10010-023 | |
| Rabbit anti-human Ki67 | Abcam | ab15580 | 1:500 concentration |
| Rabbit anti-mouse Iba1 | Wako | 019-19741 | 1:500 concentration |
| Rat anti-human Blimp1 | Thermofisher | 14-5963-82 | 1:40 concentration |
| Rat anti-mouse B220 Alexa Fluor 647 | BioLegend | 103226 | 1:250 concentration |
| Rat anti-mouse CD138 | Biolegend | 142502 | 1:200 concentration |
| Rat anti-mouse CD3 PE-eFluor 610 | Thermo Fisher Scientific | 61-0032-82 | 1:40 concentration |
| Rat anti-mouse CD4 Alexa Fluor 488 | BioLegend | 100529 | 1:200 concentration |
| Rat anti-mouse CD45 allophycocyanin-R700 | BD Biosciences | 565478 | 1:50 concentration |
| Rat anti-mouse IgD PerCP-eFluor 710 | Thermo Fisher Scientific | 46-5993-82 | 1:50 concentration |
| SP8 Confocal microscope | Leica | ||
| Triton X-100 | Sigma | X100-500ml | |
| Trueblack | Biotium | 23007 | |
| Tween-20 | Sigma | P7949-500ml | |
| Ultracomp ebeads | Thermofisher | 01-2222-42 |
Referencias
- Bar-Or, A., Li, R. Cellular immunology of relapsing multiple sclerosis: interactions, checks, and balances. Lancet Neurol. 20 (6), 470-483 (2021).
- Borst, K., Dumas, A. A., Prinz, M. Microglia: Immune and non-immune functions. Immunity. 54 (10), 2194-2208 (2021).
- Han, R. T., Kim, R. D., Molofsky, A. V., Liddelow, S. A. Astrocyte-immune cell interactions in physiology and pathology. Immunity. 54 (2), 211-224 (2021).
- Absinta, M., et al. A lymphocyte-microglia-astrocyte axis in chronic active multiple sclerosis. Nature. 597 (7878), 709-714 (2021).
- Piwecka, M., Rajewsky, N., Rybak-Wolf, A. Single-cell and spatial transcriptomics: Deciphering brain complexity in health and disease. Nat Rev Neurol. 19 (6), 346-362 (2023).
- Schirmer, L., et al. Neuronal vulnerability and multilineage diversity in multiple sclerosis. Nature. 573 (7772), 75-82 (2019).
- Jain, R. W., Yong, V. W. B cells in central nervous system disease: Diversity, locations and pathophysiology. Nat Rev Immunol. 22 (8), 513-524 (2022).
- Lassmann, H. Multiple sclerosis pathology. Cold Spring Harb Perspect Med. 8 (3), (2018).
- Yong, V. W. Microglia in multiple sclerosis: Protectors turn destroyers. Neuron. 110 (21), 3534-3548 (2022).
- Sharma, S., Boyer, J., Teyton, L. A practitioner’s view of spectral flow cytometry. Nat Methods. 21 (5), 740-743 (2024).
- Longo, S. K., Guo, M. G., Ji, A. L., Khavari, P. A. Integrating single-cell and spatial transcriptomics to elucidate intercellular tissue dynamics. Nat Rev Genet. 22 (10), 627-644 (2021).
- Ramaglia, V., et al. Multiplexed imaging of immune cells in staged multiple sclerosis lesions by mass cytometry. Elife. 8, (2019).
- Bolognesi, M. M., et al. Multiplex staining by sequential immunostaining and antibody removal on routine tissue sections. J Histochem Cytochem. 65 (8), 431-444 (2017).
- Radtke, A. J., et al. IBEX: An iterative immunolabeling and chemical bleaching method for high-content imaging of diverse tissues. Nat Protoc. 17 (2), 378-401 (2022).
- Radtke, A. J., et al. IBEX: A versatile multiplex optical imaging approach for deep phenotyping and spatial analysis of cells in complex tissues. Proc Natl Acad Sci U S A. 117 (52), 33455-33465 (2020).
- Gerner, M. Y., Kastenmuller, W., Ifrim, I., Kabat, J., Germain, R. N. Histo-cytometry: A method for highly multiplex quantitative tissue imaging analysis applied to dendritic cell subset microanatomy in lymph nodes. Immunity. 37 (2), 364-376 (2012).
- Kotov, D. I., Pengo, T., Mitchell, J. S., Gastinger, M. J., Jenkins, M. K. Chrysalis: A new method for high-throughput histo-cytometry analysis of images and movies. J Immunol. 202 (1), 300-308 (2019).
- Jain, R. W., Elliott, D. A., Yong, V. W. Single-cell analysis of high-parameter histology images using histoflow cytometry. J Immunol. 210 (12), 2038-2049 (2023).
- JoVE Science Education Database. General Laboratory Techniques. Histological Sample Preparation for Light Microscopy. , (2023).
- Schindelin, J., et al. Fiji: An open-source platform for biological-image analysis. Nat Methods. 9 (7), 676-682 (2012).
- Berg, S., et al. ilastik: Interactive machine learning for (bio)image analysis. Nat Methods. 16 (12), 1226-1232 (2019).
- Reichard, A., Asosingh, K. Best practices for preparing a single cell suspension from solid tissues for flow cytometry. Cytometry A. 95 (2), 219-226 (2019).
- Ruhlandt, D., et al. Absolute quantum yield measurements of fluorescent proteins using a plasmonic nanocavity. Commun Biol. 3 (1), 627 (2020).
- Combs, C. A., Shroff, H. Fluorescence microscopy: A concise guide to current imaging methods. Curr Protoc Neurosci. 79, 2.1.1-2.1.25 (2017).
- Elliott, A. D. Confocal microscopy: Principles and modern practices. Curr Protoc Cytom. 92 (1), e68 (2020).
- Jonkman, J., Brown, C. M., Wright, G. D., Anderson, K. I., North, A. J. Tutorial: Guidance for quantitative confocal microscopy. Nat Protoc. 15 (5), 1585-1611 (2020).
- McNally, J. G., Karpova, T., Cooper, J., Conchello, J. A. Three-dimensional imaging by deconvolution microscopy. Methods. 19 (3), 373-385 (1999).
- Stringer, C., Wang, T., Michaelos, M., Pachitariu, M. Cellpose: A generalist algorithm for cellular segmentation. Nat Methods. 18 (1), 100-106 (2021).
