Summary

Célula única quantificação de mRNA e expressão de proteínas de superfície em CD4 infectados por vírus de imunodeficiência simiana+ T células isoladas de macacos Rhesus

Published: September 25, 2018
doi:

Summary

Descrito é uma metodologia para quantificar a expressão dos 96 genes e 18 proteínas de superfície por células únicas ex vivo, permitindo a identificação de diferencialmente expressaram genes e proteínas em células infectadas por vírus em relação as células não infectadas. Aplicamos a abordagem de estudo CD4 infectadas SIV+ T células isoladas de macacos rhesus.

Abstract

Análise de célula única é uma ferramenta importante para dissecar heterogêneas populações de células. A identificação e isolamento de células raras podem ser difícil. Para superar este desafio, combinando uma metodologia indexados citometria de fluxo e elevado-throughput multiplexado quantitativa cadeia da polimerase (qPCR) foi desenvolvido. O objetivo foi identificar e caracterizar o vírus da imunodeficiência símia (SIV)-infectados células presentes dentro macaques do rhesus. Através da quantificação da proteína classificando fluorescência-ativado da pilha (FACS) e mRNA por qPCR, células infectadas por vírus são identificadas pela expressão do gene viral, que é combinada com medidas de gene e proteína de anfitrião para criar um perfil multidimensional . Chamamos a abordagem, avaliação de célula única Proteo-transcriptional alvo ou tSCEPTRE. Para executar o método, células viáveis estão manchadas com anticorpos fluorescentes específicas para marcadores de superfície utilizados para isolamento de FACS de um subconjunto de células e/ou análise fenotípica a jusante. Células individuais são classificadas seguido de Lise imediata, multiplex transcrição reversa (RT), pré-amplificação por PCR e qPCR alto throughput de até 96 transcrições. Medições de FACS são registradas no momento da triagem e posteriormente relacionadas com os dados de expressão do gene por posição bem para criar uma proteína combinada e perfil transcricional. Para estudar infectados com SIV diretamente células ex vivo, as células foram identificadas por qPCR detecção de múltiplas espécies de RNA virais. A combinação de transcrição viral e a quantidade de cada fornecem uma estrutura para classificar as células em estágios diferentes do ciclo de vida viral (por exemplo, produtivo versus não-produtivos). Além disso, tSCEPTRE de células SIV+ foram em relação ao não infectados células isoladas do mesmo espécime para avaliar genes diferencialmente expressos anfitrião e proteínas. A análise revelou anteriormente apreciada heterogeneidade de expressão do RNA viral entre células infectadas, assim como na vivo mediada por SIV pós-transcricional gene regulamento com resolução de célula única. O método tSCEPTRE é relevante para a análise de qualquer população de célula passível de identificação pela expressão da proteína de superfície marker(s), host ou patógeno genes ou suas combinações.

Introduction

Muitos patógenos intracelulares contam com máquinas de célula de acolhimento para replicar, muitas vezes alterando a biologia de pilha de anfitrião ou direcionamento especifico subpopulações de células hospedeiras para maximizar suas chances de propagação. Como resultado, processos biológicos células comumente são rompidos, com consequências deletérias para a saúde geral do hospedeiro. Compreender as interações entre os vírus e as células hospedeiras, na qual eles replicar irá elucidar mecanismos de doença que podem auxiliar no desenvolvimento de terapias melhoradas e estratégias para prevenir a infecção. Diretas ferramentas analíticas que permitem o estudo das interações patógeno-hospedeiro são essenciais para este fim. Análise de célula única fornece os meios apenas atribuem inequivocamente um fenótipo celular a um determinado genótipo ou infecção status1. Por exemplo, infecções patogênicas frequentemente induzem alterações directas e indirectas em células hospedeiras. Por conseguinte, distinguir células infectadas de seus homólogos não infectados é necessário atributo anfitrião célula alterações ou infecção direta ou efeitos secundários, tais como generalizada inflamação. Além disso, para muitos patógenos, como SIV e vírus de imunodeficiência humana (HIV), infecção de célula de acolhimento prossegue através de múltiplos estágios, tais como cedo, tarde, ou latente, cada uma delas pode ser caracterizada por gene distinto e de perfis de expressão da proteína2 , 3 , 4 , 5. as análises em massa das misturas de célula irão falhar capturar esta heterogeneidade6. Por outro lado, altamente multiplexado análises de célula única capazes de quantificar a expressão dos dois viral e genes de host oferecem um meio para resolver perturbações celulares específicos de infecção, incluindo variações em fases de infecção. Além disso, analisando interações patógeno-hospedeiro em fisiologicamente configurações relevantes é fundamental para a identificação dos eventos que ocorrem em organismos infectados. Assim, processos de métodos que podem ser aplicados diretamente ex vivo são susceptíveis de melhor captura na vivo .

SIV e HIV CD4-alvo+ T células, no qual eles neutralizar fatores do hospedeiro antiviral “restrição” e downregulate apresentadoras de moléculas para estabelecer infecção produtiva e evitar a vigilância imune7,8, 9,10,11. Sem tratamento, a infecção resulta em enormes perdas de CD4+ T células, em última análise, culminando na adquirida da imunodeficiência síndrome (AIDS)12. No cenário da terapia anti-retroviral, reservatórios de células Latentemente infectadas persistirem por décadas, colocando uma barreira formidável para estratégias curativas. Compreender as propriedades na vivo de células infectadas pelo VIH/SIV tem potencial para revelar características de célula de acolhimento fundamental na patogênese e persistência. No entanto, isto tem sido altamente desafiador, principalmente devido a low frequency de células infectadas e falta de reagentes prontamente reconhecê-los. Células que transcrevem RNA viral, estima-se que para estar presente no 1 – 0,01% de CD4+ T células no sangue e tecido linfoide13,14,15. Sob terapia supressiva, células Latentemente infectadas são ainda menos frequentes em 10-3– 10-7 16,17,18. Coloração da proteína viral ensaios que funcionam bem para estudar em vitro infecções, tais como para Gag intracelular, são suboptimal devido a coloração de fundo de 0.01-0.1%, similar ou maior do que a frequência de células infectadas13, 14. Coloração da superfície para proteína Env usando bem caracterizadas SIV/HIV Env específicas os anticorpos monoclonais também provou ser difícil, provavelmente por razões semelhantes. Recentemente, novas ferramentas que visam melhorar a detecção de células expressando mordaça por qualquer incorporando os ensaios específicos para mordaça RNA ou usando tecnologias alternativas de imagem14,15,19. No entanto, essas abordagens permanecem limitadas no número de medições quantitativas executadas em cada célula.

Aqui, descrevemos a metodologia que (1) identifica células infectadas por vírus única diretamente ex vivo por qPCR quantitativo sensível e específica do gene viral e (2) quantifica a expressão de proteínas de superfície até 18 e 96 genes para cada infectado (e célula não infectada). Esta metodologia combina a medição da proteína de superfície de célula única por FACS seguido de lise celular imediata e expressão de gene análise usando multiplexado qPCR alvo no sistema Biomark. A tecnologia de circuito integrado de fluídico (IFC) permite a quantificação multiplexada de 96 genes de 96 amostras simultaneamente, realizado por uma matriz de 9.216 câmaras em que são realizadas as reações individuais qPCR. A classificação de células vivas FACS registra medições de abundância de alto teor de proteína, enquanto preservar a transcriptoma inteira para análise realizada imediatamente a jusante. Para identificar as células infectadas por vírus, ensaios específicos para RNAs virais alternativamente emendados e unspliced (vRNA) estão incluídos na análise qPCR, juntamente com um painel de ensaios definidos pelo usuário, totalizando até 96 genes, o número máximo de ensaios atualmente acomodadas em a IFC. A expressão de gene e proteína informações coletadas para cada célula são ligados por posição bem. Anteriormente, informou20resultados desta análise em outro lugar. Aqui, nós fornecemos mais detalhadas orientações metodológicas, bem como mais descritiva fenotipagem de CD4 infectadas SIV+ T células.

Esta abordagem, que nós chamamos de tSCEPTRE, pode ser aplicada para as suspensões de qualquer população de célula viável reativa para anticorpos fluorescente etiquetados e expressando um transcriptome compatível com ensaios de qPCR disponível. Por exemplo, ele pode ser usado para caracterizar gene diferencial e expressão de proteínas em raras células ou células não facilmente distinguidas por marcadores de proteína. A preparação da amostra se baseia em um padrão que mancha o protocolo usando anticorpos comercialmente disponíveis. Cytometers com capacidade de classificação de célula única também estão disponíveis comercialmente, mas precauções de biossegurança adicionais são necessárias para o processamento de células vivas infecciosas. Gravar o perfil de expressão de proteínas de célula única – para cada célula pela posição bem, referida aqui como indexados a classificação, é uma característica comum de FACS comercialmente disponível software de classificação. Análise computacional de genes diferencialmente expressos anfitrião entre populações de células de interesse não é descrito aqui, mas as referências são fornecidas métodos publicados anteriormente.

Protocol

Nota: Um esquema de fluxo de trabalho do protocolo é mostrado na Figura 1. Consiste em três etapas principais: FACS, RT e pré-amplificação do cDNA e qPCR para até 96 genes simultaneamente. Duas versões do protocolo, classificação de células em limitar as diluições e classificação células únicas, são descritas mais detalhadamente nas etapas 5 e 6, respectivamente. Estas estratégias abordar questões de investigação diferentes, mas seguem procedimentos semelhantes. <p c…

Representative Results

O fluxo de trabalho para o protocolo inteiro é representado na Figura 1. Consiste em duas variações definidas pelo número de células ordenadas: qualquer diluição limitante ou como único células, conforme descrito no texto. Exemplos de análises de qualificação da primeira demão-sonda em 2 vezes diluições em série do RNA são mostrados na Figura 2. A estratégia associada para identificar potenciais células SIV<sup…

Discussion

O protocolo descrito aqui, denominado tSCEPTRE, integra a quantificação da proteína de superfície de célula única por citometria de fluxo multiparâmetros com expressão de RNAm de célula única quantitativa por RT-qPCR altamente multiplexado. A União dessas duas tecnologias permite snapshots de alto teor do combinado transcriptional e perfil de proteína de células individuais em um formato de alta produtividade. Usamos o método para identificar células até então indescritíveis infectadas com SIV na vi…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Os autores gostaria de agradecer o NIAID VRC Flow Cytometry núcleo e as instalações do núcleo de citometria de fluxo MHRP para manutenção e operação de instrumentos de FACS e classificação de equipamentos; Maria Montero, Vishakha Sharma, Kaimei Song para assistência técnica especializada; Michael Piatak, Jr. (falecido) para obter assistência com projeto de ensaio qPCR SIV; e Brandon Keele e Matthew Scarlotta para SIV isolar sequências. As opiniões expressadas são as dos autores e não devem ser interpretadas para representar as posições do exército dos EUA ou o departamento de defesa. Pesquisa foi conduzida sob um protocolo aprovado uso de animais em uma facilidade AAALAC credenciado em conformidade com o Animal Welfare Act e outros estatutos federais e regulamentos relativos a animais e experimentos envolvendo animais e adere aos princípios indicado no guia para o cuidado e uso de animais de laboratório, publicação do NRC, edição 2011.

Materials

RNA extraction and PCR reagents and consumables

Genemate 96-Well Semi-Skirted PCR Plate

BioExpress/VWR

T-3060-1

Adhesive PCR Plate Seals

ThermoFisher

AB0558

Armadillo 384-well PCR Plate

ThermoFisher

AB2384

MicroAmp Optical Adhesive Film

Applied Biosystems/ThermoFisher

4311971

DEPC Water

Quality Biological

351-068-101

Glass Distilled Water

Teknova

W3345

Superscript III Platinum One-Step qRT-PCR Kit

Invitrogen/ThermoFisher

11732088

SUPERase-In Rnase Inhibitor

Invitrogen/ThermoFisher

AM2696

Platinum Taq

Invitrogen/ThermoFisher

10966034

dNTP Mix

Invitrogen/ThermoFisher

18427088

ROX Reference Dye (if separate from kit)

Invitrogen/ThermoFisher

12223012

DNA Suspension Buffer

Teknova

T0223

RNAqueous kit

Invitrogen/ThermoFisher

AM1931

TaqMan gene expression assays not listed in Table 2

CD6

Applied Biosystems/ThermoFisher

Hs00198752_m1

TLR3

Applied Biosystems/ThermoFisher

Hs1551078_m1

Biomark reagents

Control Line Fluid Kit

Fluidigm

89000021

TaqMan Universal PCR Mix

Applied Biosystems/ThermoFisher

4304437

Assay Loading Reagent

Fluidigm

85000736

Sample Loading Reagent

Fluidigm

85000735

Dynamic Array 96.96 (chip)

Fluidigm

BMK-M-96.96

FACS reagents

SPHERO COMPtrol Goat anti-mouse (lambda)

Spherotech Inc.

CMIgP-30-5H

CompBeads Anti-Mouse Ig,k

BD Biosciences

51-90-9001229

5 ml Polystyrene tube with strainer cap

FALCON

352235

Aqua Live/Dead stain

Invitrogen/ThermoFisher

L34976

dilute 1:800

Mouse Anti-Human CD3 BV650 clone SP34-2

BD Biosciences

563916

dilute 1:40

Mouse Anti-Human CD4 BV786 clone L200

BD Biosciences

563914

dilute 1:20

Mouse Anti-Human CD8 BUV496 clone RPA-T8

BD Biosciences

564804

dilute 1:10

Mouse Anti-Human CD28 BV711 clone CD28.2

Biolegend

302948

dilute 1:20

Mouse Anti-Human CD95 BUV737 clone DX2

BD Biosciences

564710

dilute 1:10

Mouse Anti-Human CD14 BV510 clone M5E2

Biolegend

301842

dilute 1:83

Mouse Anti-Human CD16 BV510 clone 3G8

Biolegend

302048

dilute 1:167

Mouse Anti-Human CD20 BV510 clone 2H7

Biolegend

302340

dilute 1:37

Anti-CD38-R PE clone OKT10

NHP reagent recource

N/A

dilute 1:100

Mouse Anti-Human CD69 BUV395 clone FN50

BD Biosciences

564364

dilute 1:10

Mouse Anti-Human HLA-DR APC-H7 clone G46-6

BD Biosciences

561358

dilute 1:20

Mouse Anti-Human ICOS Alexa Fluor 700 clone C398.4A

Biolegend

313528

dilute 1:80

Instruments

BioPrptect Containment Enclosure

Baker

BD FACS Aria

BD Biosciences

ProtoFlex Dual 96-well PCR system

Applied Biosystems/ThermoFisher

4484076

Quant Studio 6 qPCR instrument

Applied Biosystems/ThermoFisher

4485694

IFC controller HX

Fluidigm

IFC-HX

Biomark HD

Fluidigm

BMKHD-BMKHD

References

  1. Macaulay, I. C., Ponting, C. P., Voet, T. Single-Cell Multiomics: Multiple Measurements from Single Cells. Trends Genet. 33 (2), 155-168 (2017).
  2. Pasternak, A. O., Lukashov, V. V., Berkhout, B. Cell-associated HIV RNA: a dynamic biomarker of viral persistence. Retrovirology. 10, 41 (2013).
  3. Mailler, E., et al. The Life-Cycle of the HIV-1 Gag-RNA Complex. Viruses. 8 (9), (2016).
  4. Varmus, H. Retroviruses. Science. 240 (4858), 1427-1435 (1988).
  5. Frankel, A. D., Young, J. A. HIV-1: fifteen proteins and an RNA. Annu Rev Biochem. 67, 1-25 (1998).
  6. Dominguez, M. H., et al. Highly multiplexed quantitation of gene expression on single cells. J Immunol Methods. 391 (1-2), 133-145 (2013).
  7. Tokarev, A., Guatelli, J. Misdirection of membrane trafficking by HIV-1 Vpu and Nef: Keys to viral virulence and persistence. Cell Logist. 1 (3), 90-102 (2011).
  8. Malim, M. H., Bieniasz, P. D. HIV Restriction Factors and Mechanisms of Evasion. Cold Spring Harb Perspect Med. 2 (5), a006940 (2012).
  9. Sugden, S. M., Bego, M. G., Pham, T. N., Cohen, E. A. Remodeling of the Host Cell Plasma Membrane by HIV-1 Nef and Vpu: A Strategy to Ensure Viral Fitness and Persistence. Viruses. 8 (3), 67 (2016).
  10. Simon, V., Bloch, N., Landau, N. R. Intrinsic host restrictions to HIV-1 and mechanisms of viral escape. Nat Immunol. 16 (6), 546-553 (2015).
  11. Kirchhoff, F. Immune evasion and counteraction of restriction factors by HIV-1 and other primate lentiviruses. Cell Host Microbe. 8 (1), 55-67 (2010).
  12. Wigzell, H. Immunopathogenesis of HIV infection. J Acquir Immune Defic Syndr. 1 (6), 559-565 (1988).
  13. Reynolds, M. R., et al. Ex vivo analysis of SIV-infected cells by flow cytometry. Cytometry A. 77 (11), 1059-1066 (2010).
  14. Baxter, A. E., et al. Single-Cell Characterization of Viral Translation-Competent Reservoirs in HIV-Infected Individuals. Cell Host Microbe. 20 (3), 368-380 (2016).
  15. Grau-Exposito, J., et al. A Novel Single-Cell FISH-Flow Assay Identifies Effector Memory CD4+ T cells as a Major Niche for HIV-1 Transcription in HIV-Infected Patients. MBio. 8 (4), (2017).
  16. Eriksson, S., et al. Comparative analysis of measures of viral reservoirs in HIV-1 eradication studies. PLoS Pathog. 9 (2), e1003174 (2013).
  17. Finzi, D., et al. Identification of a reservoir for HIV-1 in patients on highly active antiretroviral therapy. Science. 278 (5341), 1295-1300 (1997).
  18. Chomont, N., et al. HIV reservoir size and persistence are driven by T cell survival and homeostatic proliferation. Nat Med. 15 (8), 893-900 (2009).
  19. DeMaster, L. K., et al. A Subset of CD4/CD8 Double-Negative T Cells Expresses HIV Proteins in Patients on Antiretroviral Therapy. J Virol. 90 (5), 2165-2179 (2015).
  20. Bolton, D. L., et al. Combined single-cell quantitation of host and SIV genes and proteins ex vivo reveals host-pathogen interactions in individual cells. PLoS Pathog. 13 (6), e1006445 (2017).
  21. Quintans, J., Lefkovits, I. Precursor cells specific to sheep red cells in nude mice. Estimation of frequency in the microculture system. Eur J Immunol. 3 (7), 392-397 (1973).
  22. Finak, G., et al. MAST: a flexible statistical framework for assessing transcriptional changes and characterizing heterogeneity in single-cell RNA sequencing data. Genome Biol. 16, 278 (2015).
  23. McDavid, A., et al. Modeling bi-modality improves characterization of cell cycle on gene expression in single cells. PLoS Comput Biol. 10 (7), e1003696 (2014).
  24. McDavid, A., Finak, G., Gottardo, R. The contribution of cell cycle to heterogeneity in single-cell RNA-seq data. Nat Biotechnol. 34 (6), 591-593 (2016).
  25. Kok, Y. L., Ciuffi, A., Metzner, K. J. Unravelling HIV-1 Latency, One Cell at a Time. Trends Microbiol. , (2017).
  26. Rato, S., Golumbeanu, M., Telenti, A., Ciuffi, A. Exploring viral infection using single-cell sequencing. Virus Res. 239, 55-68 (2017).
  27. Wagner, A., Regev, A., Yosef, N. Revealing the vectors of cellular identity with single-cell genomics. Nat Biotechnol. 34 (11), 1145-1160 (2016).
  28. Nestorowa, S., et al. A single-cell resolution map of mouse hematopoietic stem and progenitor cell differentiation. Blood. 128 (8), e20-e31 (2016).
  29. Soh, K. T., et al. Simultaneous, Single-Cell Measurement of Messenger RNA, Cell Surface Proteins, and Intracellular Proteins. Curr Protoc Cytom. 75, 41-47 (2016).
  30. Kochan, J., Wawro, M., Kasza, A. Simultaneous detection of mRNA and protein in single cells using immunofluorescence-combined single-molecule RNA FISH. Biotechniques. 59 (4), 209-212 (2015).
  31. Stahlberg, A., Thomsen, C., Ruff, D., Aman, P. Quantitative PCR analysis of DNA, RNAs, and proteins in the same single cell. Clin Chem. 58 (12), 1682-1691 (2012).
  32. Assarsson, E., et al. Homogenous 96-plex PEA immunoassay exhibiting high sensitivity, specificity, and excellent scalability. PLoS One. 9 (4), e95192 (2014).
  33. Fredriksson, S., et al. Protein detection using proximity-dependent DNA ligation assays. Nat Biotechnol. 20 (5), 473-477 (2002).
  34. Genshaft, A. S., et al. targeted profiling of single-cell proteomes and transcriptomes in a single reaction. Genome Biol. 17 (1), 188 (2016).
  35. Mahnke, Y. D., Roederer, M. Optimizing a multicolor immunophenotyping assay. Clin Lab Med. 27 (3), 469-485 (2007).
  36. Liang, C., Hu, J., Russell, R. S., Kameoka, M., Wainberg, M. A. Spliced human immunodeficiency virus type 1 RNA is reverse transcribed into cDNA within infected cells. AIDS Res Hum Retroviruses. 20 (2), 203-211 (2004).
  37. Stegle, O., Teichmann, S. A., Marioni, J. C. Computational and analytical challenges in single-cell transcriptomics. Nat Rev Genet. 16 (3), 133-145 (2015).
  38. Wu, M., Singh, A. K. Single-cell protein analysis. Curr Opin Biotechnol. 23 (1), 83-88 (2012).
  39. Haque, A., Engel, J., Teichmann, S. A., Lonnberg, T. A practical guide to single-cell RNA-sequencing for biomedical research and clinical applications. Genome Med. 9 (1), 75 (2017).
check_url/fr/57776?article_type=t

Play Video

Citer Cet Article
Tokarev, A., Creegan, M., Eller, M. A., Roederer, M., Bolton, D. L. Single-cell Quantitation of mRNA and Surface Protein Expression in Simian Immunodeficiency Virus-infected CD4+ T Cells Isolated from Rhesus macaques. J. Vis. Exp. (139), e57776, doi:10.3791/57776 (2018).

View Video