Protocolo SIVQ-LCM para o Instrumento ArcturusXT
Summary
SIVQ-LCM é uma abordagem inovadora que utiliza um algoritmo de computador, espacialmente invariantes Quantização Vetorial (SIVQ), para conduzir o processo a laser microdissection captura (LCM). O fluxo de trabalho SIVQ-LCM melhora a velocidade e precisão da microdissecção, com aplicações tanto na pesquisa e na clínica.
Abstract
SIVQ-LCM é uma nova metodologia que automatiza e simplifica o, o processo de dissecação de laser mais tradicional dependente do usuário. O objetivo é criar uma, rapidamente personalizável tecnologia laser avançada plataforma de dissecção. Neste relatório, nós descrevemos a integração do software de análise de imagem e espacialmente invariantes Quantização Vetorial (SIVQ) sobre o instrumento ArcturusXT. O sistema contém um ArcturusXT infravermelho (IV) e ultravioleta (UV) de laser, permitindo celular específico ou grandes dissecações da área. O objetivo principal é melhorar a velocidade, precisão e reprodutibilidade da dissecção de laser para aumentar a produtividade de amostras. Esta nova abordagem facilita microdissection de animais e tecidos humanos em investigação e fluxos de trabalho clínicos.
Introduction
Originalmente desenvolvido em meados dos anos 1990, a captura a laser microdissecção (LCM), permite ao usuário capturar com precisão células específicas ou regiões celulares de uma secção de tecido histológico via visualização microscópica 1, 2. Muitos estudos comparando a análise molecular de LCM contra arranhões tecido ilustrar o valor do método 3-12. Além disso, há três publicações de protocolo de vídeo sobre a tecnologia que está disponível para visualização 13, 14. No entanto, apesar de seu valor comprovado, LCM pode ser tedioso e trabalhoso quando o alvo de interesse é uma população de células dispersas em uma seção de tecido heterogêneo, ou quando um grande número de células são necessárias para aplicações a jusante específicas, como a proteômica. A carga colocada sobre o operador humano nos levou a desenvolver uma abordagem dissecação semi-automatizado para LCM pela combinação de um algoritmo de análise de imagem poderosa para orientar o processo LCM 15.
<p class = "jove_content"> Em colaboração com a Universidade de Michigan, nosso laboratório no NIH estendeu o previamente desenvolvido e relatado espacialmente invariante quantização vetorial (SIVQ) algoritmo de forma a permitir que ele semi-automatizar o processo de seleção de tecido intrínseco à guiados microdissection, tornando assim disponível uma ferramenta com o patologista ou cientista vida em mente. Espacialmente invariante quantização vetorial (SIVQ) é um algoritmo que permite que o usuário simplesmente "clicar" sobre uma característica histológica de interesse para criar um vetor de toque (recurso de imagem predicado) que pode ser usado para procurar toda a imagem histológica, o ajuste do limiar estatístico conforme necessário 16-21. O mapa de calor resultante exibe a qualidade de jogos para o recurso inicial imagem predicado e é posteriormente convertido em uma única cor (vermelho) mapa anotação que pode ser importado para o instrumento LCM. O software de seleção automatizada, AutoScanXT, é então usada para desenhar um mapa com basena anotação do SIVQ guiar a captura das células alvo da amostra de tecido. O protocolo detalhado abaixo descreve a implementação de SIVQ no fluxo de trabalho microdissection.Protocol
Representative Results
Discussion
Nós apresentamos um protocolo para a aplicação de SIVQ-LCM para microdissect células epiteliais imunoistoquímica de FFPE tecido mamário humano. O uso de um algoritmo de análise de imagem, tal como SIVQ, reduz a quantidade de mão-de tempo necessário para o processo de microdissecção. Este é um avanço potencialmente importante para o campo de tempo e uma vez que o esforço do operador é tipicamente o passo limitante da velocidade para a dissecção precisa das células de interesse. No presente protocolo, es…
Divulgations
The authors have nothing to disclose.
Acknowledgements
O estudo foi financiado em parte pelo Programa de Pesquisa Intramural dos Institutos Nacionais de Saúde, Instituto Nacional do Câncer, Centro de Pesquisa do Câncer.
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).
