SIVQ-LCM protocollo per lo strumento ArcturusXT
Summary
SIVQ-LCM è un approccio innovativo che sfrutta un algoritmo informatico, spazialmente invarianti quantizzazione vettoriale (SIVQ), a guidare il processo di microdissezione laser (LCM). Il flusso di lavoro SIVQ-LCM migliora notevolmente la velocità e la precisione di microdissezione, con applicazioni sia nella ricerca e cliniche.
Abstract
SIVQ-LCM è una nuova metodologia che automatizza e semplifica il più tradizionale, il processo di dissezione laser user-dipendente. Esso mira a creare un avanzato, la tecnologia della piattaforma dissezione laser rapidamente personalizzabile. In questo rapporto, descriviamo l'integrazione del software di analisi dell'immagine spazialmente invarianti quantizzazione vettoriale (SIVQ) sullo strumento ArcturusXT. Il sistema ArcturusXT contiene sia un infrarossi (IR) e ultravioletti (UV) laser, consentendo cella specifica o grandi dissezioni zona. Lo scopo principale è quello di migliorare la velocità, la precisione e la riproducibilità della dissezione laser per aumentare la produttività del campione. Questo nuovo approccio facilita la microdissezione sia di tessuti umani nella ricerca e flussi di lavoro clinici e animale.
Introduction
Originariamente sviluppato a metà degli anni 1990, microdissezione laser (LCM) permette all'utente di catturare con precisione le cellule specifiche regioni o cellulari da una sezione di tessuto istologico via visualizzazione microscopica 1, 2. Molti studi confrontando analisi molecolare di LCM contro graffi tessuto illustrano il valore del metodo 3-12. In aggiunta, ci sono tre pubblicazioni protocollo video sulla tecnologia che sono disponibili per la visualizzazione 13, 14. Tuttavia, nonostante il suo valore dimostrato, LCM può essere noioso e laborioso quando il bersaglio di interesse è una popolazione cellulare dispersa in una sezione di tessuto eterogeneo, o quando un gran numero di cellule sono necessari per successivi utilizzi specifici come proteomica. L'impatto con l'operatore umano ci ha portato a sviluppare un approccio dissezione semi-automatico per LCM combinando un algoritmo di analisi di immagine potente per guidare il processo LCM 15.
<p class = "jove_content"> In collaborazione con l'Università del Michigan, il nostro laboratorio presso il NIH ha esteso il già sviluppato e riportato spazialmente invariante quantizzazione vettoriale algoritmo (SIVQ) in modo tale da consentirgli di semi-automatizzare il processo di selezione del tessuto intrinseco guidata microdissezione, rendendo così disponibile uno strumento con il patologo o scienziato vita in mente. Spazialmente invariante quantizzazione vettoriale (SIVQ) è un algoritmo che permette all'utente di semplice "click" su una caratteristica istologica di interesse per creare un vettore anello (caratteristica immagine predicato) che può essere utilizzato per verificare l'intera immagine istologica, regolando la soglia statistica se necessario 16-21. La mappa di calore risultante mostra la qualità di partite alla funzione iniziale dell'immagine predicato e viene successivamente convertito in un singolo colore (rosso) annotazione mappa che può essere importato nello strumento LCM. Il software di selezione automatica, AutoScanXT, viene poi utilizzato per disegnare una mappa basatasulla nota di SIVQ guidare la cattura delle cellule bersaglio del campione di tessuto. Il protocollo dettagliato di seguito descrive l'implementazione del SIVQ nel flusso di lavoro microdissezione.Protocol
Representative Results
Discussion
Vi presentiamo un protocollo per l'applicazione di SIVQ-LCM per microdissect cellule epiteliali immunostained da FFPE tessuto mammario umano. L'uso di un algoritmo di analisi di immagine, come SIVQ, riduce la quantità di hands-on tempo necessario per il processo di microdissezione. Questo è un avanzamento potenzialmente importante per il campo da tempo e fatica dell'operatore è tipicamente il fattore limitante per la dissezione precisa di cellule di interesse. Nel presente protocollo, abbiamo specificamen…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Lo studio è stato sostenuto in parte dal programma di ricerca intramurale del National Institutes of Health, National Cancer Institute, Center for Cancer Research.
Materials
| Positive Charged Glass Slides | Thermo Scientific | 4951Plus-001 | |
| Xylenes, ACS reagent, ≥98.5% xylenes + ethylbenzene basis | Sigma Aldrich | 247642 | CAUTION: PLEASE USE PROPER SAFETY PROCEDURES. |
| Ethyl Alcohol, U.S.P. 200 Proof, Anhydrous | The Warner-Graham Company | 6.505E+12 | CAUTION: PLEASE USE PROPER SAFETY PROCEDURES. |
| Arcturus CapSure Macro LCM Caps | Life Technologies | LCM0211 | |
| ArcturusXT Laser Microdissection Instrument | Life Technologies | ARCTURUSXT | |
| AutoScanXT Software | Life Technologies | An optional image analysis program for the ArcturusXT Laser Microdissection Device. This is software is required for SIVQ-LCM. | |
| Spatially Invariant Vector Quantization (SIVQ) | University of Michigan | This tool suite is publicly available for academic collaborations. For access to the SIVQ algorithm, please contact Dr. Ulysses Balis [Ulysses@med.umich.edu] |
References
- Bonner, R. F., et al. Laser capture microdissection: molecular analysis of tissue. Science. 278, 1481-1483 (1997).
- Emmert-Buck, M. R., et al. Laser capture microdissection. Science. 274, 998-1001 (1996).
- Edwards, R. A. Laser capture microdissection of mammalian tissue. J Vis Exp. (8), (2007).
- El-Serag, H. B., et al. Gene expression in Barrett’s esophagus: laser capture versus whole tissue. Scandinavian journal of gastroenterology. 44, 787-795 (2009).
- Espina, V., et al. Laser-capture microdissection. Nature. 1, 586-603 (2006).
- Harrell, J. C., Dye, W. W., Harvell, D. M., Sartorius, C. A., Horwitz, K. B. Contaminating cells alter gene signatures in whole organ versus laser capture microdissected tumors: a comparison of experimental breast cancers and their lymph node metastases. Clinical & experimental metastasis. 25, 81-88 (2008).
- Rodriguez-Canales, J., et al. Optimal molecular profiling of tissue and tissue components: defining the best processing and microdissection methods for biomedical applications. Methods in molecular biology. 980, 61-120 (2013).
- Silvestri, A., et al. Protein pathway biomarker analysis of human cancer reveals requirement for upfront cellular-enrichment processing. Laboratory investigation; a journal of technical methods and pathology. 90, 787-796 (2010).
- Eberle, F. C., et al. Immunoguided laser assisted microdissection techniques for DNA methylation analysis of archival tissue specimens. The Journal of molecular diagnostics : JMD. 12, 394-401 (2010).
- Kim, H. K., et al. Distinctions in gastric cancer gene expression signatures derived from laser capture microdissection versus histologic macrodissection. BMC medical genomics. 4, 48 (2011).
- Klee, E. W., et al. Impact of sample acquisition and linear amplification on gene expression profiling of lung adenocarcinoma: laser capture micro-dissection cell-sampling versus bulk tissue-sampling. BMC medical genomics. 2, 13 (2009).
- Zheng, J., Garg, S., Wang, J., Loose, D. S., Hauer-Jensen, M. Laser capture microdissected mucosa versus whole tissue specimens for assessment of radiation-induced dynamic molecular and pathway changes in the small intestine. PloS one. 8, e53711 (2013).
- Boone, D. R., Sell, S. L., Hellmich, H. L. Laser capture microdissection of enriched populations of neurons or single neurons for gene expression analysis after traumatic brain injury. J Vis Exp. (74), (2013).
- Iyer, E. P., Cox, D. N. Laser capture microdissection of Drosophila peripheral neurons. J Vis Exp. (39), (2010).
- Hipp, J., et al. SIVQ-aided laser capture microdissection: A tool for high-throughput expression profiling. Journal of pathology informatics. 2, 19 (2011).
- Hipp, J. D., Cheng, J. Y., Toner, M., Tompkins, R. G., Balis, U. J. Spatially Invariant Vector Quantization: A pattern matching algorithm for multiple classes of image subject matter including pathology. J Pathol Inform. 2, 13 (2011).
- Hipp, J., et al. Optimization of complex cancer morphology detection using the SIVQ pattern recognition algorithm. Anal Cell Pathol (Amst). , (2011).
- Hipp, J., et al. Integration of architectural and cytologic drive n image algorithms for prostate adenocarcinoma identification. Analytical cellular pathology. 35, 251-265 (2012).
- Hipp, J., et al. Automated area calculation of histopathologic features using SIVQ. Anal Cell Pathol (Amst. 34, (2011).
- Cheng, J., et al. Automated vector selection of SIVQ and parallel computing integration MATLAB: Innovations supporting large-scale and high-throughput image analysis studies. Journal of pathology. 2, 37 (2011).
- Roy Chowdhuri, S., et al. Semiautomated laser capture microdissection of lung adenocarcinoma cytology samples. Acta Cytol. 56, 622-631 (2012).
- Hipp, J., et al. Image Microarrays (IMA): Digital Pathology’s Missing Tool. Journal of pathology. 2, (2011).
- Hanson, J. C., et al. Expression microdissection adapted to commercial laser dissection instruments. Nature. 6, 457-467 (2011).
