Summary
SIVQ-LCM er en innovativ tilnærming som utnytter en datamaskin algoritme, Romlig Invariant Vector Quantization (SIVQ), å drive laser-fangst microdissection (LCM) prosess. Den SIVQ-LCM arbeidsflyt forbedrer hastigheten og nøyaktigheten av microdissection, med anvendelser i både forskning og klinisk innstillinger.
Abstract
SIVQ-LCM er en ny metode som automatiserer og effektiviserer mer tradisjonelle, brukeravhengig laser disseksjon prosess. Det har som mål å skape et avansert, raskt tilpasses laser disseksjon plattformteknologi. I denne rapporten beskriver vi integrering av bildeanalyse programvare Romlig Invariant Vector Quantization (SIVQ) på ArcturusXT instrument. Den ArcturusXT Systemet inneholder både en infrarød (IR) og ultrafiolett (UV) laser, noe som åpner for bestemt celle eller stort område disseksjoner. Hovedmålet er å forbedre hastighet, nøyaktighet og reproduserbarhet av laser disseksjon å øke prøvekapasitet. Denne romanen tilnærming forenkler microdissection av både dyr og menneskelige vev i forskning og kliniske arbeidsflyter.
Introduction
Opprinnelig utviklet på midten av 1990-tallet, laser capture microdissection (LCM) gjør det mulig for brukeren å presist fange spesifikke celler eller cellulære regioner fra en histologisk vevsnitt.F.eks via mikroskopisk visualisering 1, 2. Mange studier som sammenligner molekylær analyse av LCM versus vev skraper illustrere verdien av metoden 3-12. I tillegg er det tre videoprotokoller publikasjoner på den teknologi som er tilgjengelig for visning 13, 14.. Men til tross for sin bevist verdien, kan LCM være kjedelig og arbeidskrevende når målet om interesse er en spredt cellepopulasjon i et heterogent vev delen, eller når et stort antall celler er nødvendig for spesifikke nedstrøms applikasjoner som proteomikk. Den belastningen på den menneskelige operatøren ledet oss til å utvikle en semi-automatisert disseksjon tilnærming for LCM ved å kombinere en kraftig bildeanalyse algoritme for å veilede LCM prosess 15.
<p class = "jove_content"> I samarbeid med Universitetet i Michigan, vårt laboratorium ved NIH utvidet tidligere utviklet og rapportert Romlig invariant vektor kvantisering (SIVQ) algoritme på en måte å la den semi-automat vevet utvelgelsesprosessen egenverdi for guidet microdissection, og dermed gjør tilgjengelig et verktøy med patologen eller livsvitenskapsmann i tankene. Romlig invariant vektor kvantisering (SIVQ) er en algoritme som gjør at brukeren kan ganske enkelt "klikk" på en histologisk funksjon av interesse å lage en ring vektor (predikat bildefunksjonen) som kan brukes til å søke i hele histologiske bildet, justere statistisk terskel som trengs 16-21. Den resulterende varmekartet viser kvaliteten på kampene til den opprinnelige predikatet bildefunksjon og er senere omgjort til en enkelt farge (rød) merknad kart som kan importeres inn i LCM instrument. Den automatiserte utvalg programvare, AutoScanXT, blir så brukt til å tegne et kart basertpå SIVQ sin merknad guiding fangst av målcellene fra vevsprøve. Den detaljerte protokollen nedenfor beskriver gjennomføringen av SIVQ inn i microdissection arbeidsflyten.Protocol
Representative Results
Discussion
Vi presenterer en protokoll for anvendelse av SIVQ-LCM å microdissect immunfargete epitelceller fra FFPE menneskelig brystvev. Bruken av en bildeanalyse-algoritmen, slik som SIVQ, reduserer mengden av praktisk nødvendige tid for mikrodisseksjon prosessen. Dette er en potensielt viktig fremskritt i feltet siden operatøren tid og anstrengelse er typisk det hastighetsbegrensende trinnet for nøyaktig disseksjon av celler av interesse. I den foreliggende protokoll, vi spesielt tilpasset for vår fremgangsmåte til Arctur…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Studien ble støttet i en del av egenutført Research Program 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).
