SIVQ-LCM protokollet om ArcturusXT Instrument
Summary
SIVQ-LCM är en innovativ strategi som utnyttjar en datoralgoritm, Rumsligt Invariant Vektorkvantisering (SIVQ), för att driva lasern capture microdissection (LCM) process. Den SIVQ-LCM arbetsflöde förbättrar avsevärt hastigheten och noggrannheten i microdissection, med tillämpningar inom både forskning och kliniska inställningar.
Abstract
SIVQ-LCM är en ny metod som automatiserar och effektiviserar den mer traditionella, användarberoende laser dissektion process. Den syftar till att skapa ett avancerat, snabbt anpassningsbar laser dissektion plattformsteknik. I denna rapport beskriver vi integrationen av bildanalys programvara Rumsligt Invariant Vektorkvantisering (SIVQ) på ArcturusXT instrumentet. Den ArcturusXT systemet innehåller både en infraröd (IR) och ultraviolett (UV) laser, vilket möjliggör specifik cell eller med stor area dissektioner. Det huvudsakliga målet är att förbättra den hastighet, noggrannhet och reproducerbarhet hos laser dissekering för att öka provgenomströmning. Denna nya metod underlättar microdissection av både djur och mänskliga vävnader i forskning och kliniska arbetsflöden.
Introduction
Ursprungligen utvecklades i mitten av 1990-talet, laser capture microdissection (LCM) gör det möjligt för användaren att exakt fånga specifika celler eller cellulära regioner från en histologisk vävnadssnitt via mikroskopisk visualisering 1, 2. Många studier som jämför molekylär analys av LCM versus vävnads skrapar illustrerar värdet av metoden 3-12. Dessutom finns det tre videoprotokoll publikationer om den teknik som finns tillgängliga för visning 13, 14. Men trots sin beprövade värde, kan LCM vara jobbigt och tidskrävande när målet av intresse är en spridd cellpopulation i en heterogen vävnad avsnitt, eller när ett stort antal celler krävs för specifika tillämpningar nedströms såsom proteomik. Belastningen på den mänskliga operatören ledde oss att utveckla en halvautomatisk dissektion strategi för LCM genom att kombinera en kraftfull bildanalys algoritm för att styra LCM processen 15.
<p class = "jove_content"> I samarbete med University of Michigan, vårt laboratorium vid NIH förlängde tidigare utvecklat och rapporteras Rumsligt invariant vektorkvantisering (SIVQ) algoritm på ett sätt som gör det möjligt att delvis automatisera urvalet vävnadsprocessen inneboende guidad microdissection, vilket gör tillgängliga verktyg med patologen eller livsforskare i åtanke. Rumsligt invariant vektorkvantisering (SIVQ) är en algoritm som tillåter användaren att helt enkelt "klick" på en histologisk del av intresse för att skapa en ring vektor (predikat bild funktion) som kan användas för att söka i hela histologiska bilden, justera den statistiska tröskeln som behövs 16-21. Den resulterande värmekartan visar kvaliteten på matcherna till den ursprungliga predikatet bildfunktionen och därefter omvandlas till en enda färg (röd) annotering karta som kan importeras till LCM instrumentet. Den automatiserade val programvara, AutoScanXT, används sedan för att rita en karta baseradpå SIVQ s anteckning vägledande fångst av mål-celler från vävnadsprovet. Den detaljerade protokoll nedan beskriver genomförandet av SIVQ i microdissection arbetsflöde.Protocol
Representative Results
Discussion
Vi presenterar ett protokoll för tillämpning av SIVQ-LCM att microdissect immunostained epitelceller från FFPE human bröstvävnad. Användningen av ett bildanalysalgoritm, såsom SIVQ, minskar mängden praktisk tid som krävs för mikrodissektion processen. Detta är ett potentiellt viktigt framsteg för fältet eftersom operatören tid och ansträngning är normalt det hastighetsbegränsande steget för exakt dissekering av celler av intresse. I det nuvarande protokollet, särskilt anpassade vi vårt förfarande ti…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Studien har finansierats delvis av Interna forskningsprogram av 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).
