Summary

Målrettet metabolomikk på sjeldne primære celler

Published: February 23, 2024
doi:

Summary

Her presenterer vi en protokoll for nøyaktig og pålitelig måling av metabolitter i sjeldne celletyper. Tekniske forbedringer, inkludert en modifisert hylstervæske for cellesortering og generering av relevante blanke prøver, muliggjør en omfattende kvantifisering av metabolitter med en inngang på bare 5000 celler per prøve.

Abstract

Cellulær funksjon avhenger kritisk av metabolisme, og funksjonen til de underliggende metabolske nettverkene kan studeres ved å måle mellomprodukter fra små molekyler. Imidlertid har oppnåelse av nøyaktige og pålitelige målinger av cellulær metabolisme, spesielt i sjeldne celletyper som hematopoietiske stamceller, tradisjonelt krevd samling av celler fra flere dyr. En protokoll gjør det nå mulig for forskere å måle metabolitter i sjeldne celletyper ved å bruke bare en mus per prøve, mens de genererer flere replikater for mer rikelig celletyper. Dette reduserer antall dyr som kreves for et gitt prosjekt. Protokollen som presenteres her innebærer flere viktige forskjeller i forhold til tradisjonelle metabolomics-protokoller, for eksempel bruk av 5 g / L NaCl som skjede væske, sortering direkte i acetonitril og bruk av målrettet kvantifisering med streng bruk av interne standarder, noe som muliggjør mer nøyaktige og omfattende målinger av cellulær metabolisme. Til tross for tiden som kreves for isolering av enkeltceller, fluorescerende farging og sortering, kan protokollen i stor grad bevare forskjeller mellom celletyper og medikamentelle behandlinger.

Introduction

Metabolisme er en viktig biologisk prosess som forekommer i alle levende celler. Metabolske prosesser involverer et stort nettverk av biokjemiske reaksjoner som er tett regulert og sammenkoblet, slik at celler kan produsere energi og syntetisere essensielle biomolekyler1. For å forstå funksjonen til metabolske nettverk, måler forskere nivåene av mellomprodukter av små molekyler i celler. Disse mellomproduktene tjener som viktige indikatorer på metabolsk aktivitet og kan avsløre kritisk innsikt i cellulær funksjon.

Massespektrometri (MS) er det mest populære valget for spesifikk påvisning av metabolitter i komplekse prøver 1,2. Kjernemagnetisk resonans (NMR) har fordeler i absolutt kvantifisering av forbindelser og strukturoppklaring, men MS kan ofte løse flere komponenter i komplekse blandinger som biofluider eller celleekstrakter. Oftere enn ikke kombineres MS med tidligere separasjon av forbindelsen ved kapillær elektroforese (CE), gasskromatografi (GC) eller væskekromatografi (LC)3. Valget av separasjonsplattform er for det meste drevet av utvalget av målmetabolitter og typen prøve, og i en reell setting av tilgjengeligheten av maskiner og ekspertise. Alle tre separasjonsplattformene har et bredt og overlappende utvalg av egnede metabolitter, men forskjellige begrensninger. Kort fortalt kan CE bare skille ladede molekyler og krever mye kompetanse for å gjennomføre robust analyse av et stort antall prøver4. GC er begrenset til molekyler som er små og apolære nok til å fordampe før de brytes ned3. Tatt i betraktning alle kommersielt tilgjengelige LC-kolonner, kan alle to metabolitter separeres ved hjelp av denne teknologien5. Imidlertid viser mange LC-metoder mindre oppløsningsevne enn CE- eller GC-metoder av tilsvarende lengde.

Den typiske mengden utgangsmateriale for metabolomikkmålinger er vanligvis i området 5 x 105 til 5 x 107 celler per prøve, 5-50 mg vått vev eller 5-50 μL kroppsvæske6. Det kan imidlertid være utfordrende å få tak i slike mengder utgangsmateriale når man arbeider med primærceller av sjeldne celletyper, som for eksempel hematopoietiske stamceller (HSC) eller sirkulerende tumorceller. Disse cellene er ofte til stede i svært lave antall og kan ikke dyrkes uten at det går på bekostning av kritiske cellulære egenskaper.

HSC og multipotente stamceller (MPP) er de minst differensierte cellene i det hematopoietiske systemet og produserer kontinuerlig nye blodceller gjennom en organismes liv. Reguleringen av hematopoiesis er av klinisk relevans i forhold som leukemi og anemi. Til tross for deres betydning er HSC og MPP blant de sjeldneste cellene i det hematopoietiske systemet. Fra en enkelt mus kan vanligvis ca. 5000 HSC-er isoleres 7,8,9. Siden tradisjonelle metabolomics-metoder krever mer inngangsmateriale, var det ofte nødvendig å samle celler fra flere mus for å analysere sjeldne celletyper10,11.

Her hadde vi som mål å utvikle en protokoll som muliggjør måling av metabolitter i så lite som 5000 celler per prøve for å muliggjøre generering av metabolomics-data fra HSC-ene til en enkelt mus12. Samtidig tillater denne metoden å generere flere replikater fra en enkelt mus for mer tallrike celletyper som lymfocytter. Denne tilnærmingen reduserer antall dyr som kreves for et gitt prosjekt, og bidrar dermed til “3R” (reduksjon, erstatning, forfining) av dyreforsøk.

Metabolitter i celler kan ha svært høye omsetningshastigheter, ofte i størrelsesordensekunder 13. Imidlertid kan forberedelse av prøver for fluorescensaktivert cellesortering (FACS) ta timer, og FACS-sortering i seg selv kan ta minutter til timer, noe som fører til potensielle endringer i metabolomet på grunn av ikke-fysiologiske forhold. Noen av reagensene som brukes i denne protokollen (slik som ammoniumklorid-kalium [ACK] lysisbuffer) kan ha lignende effekter. Disse forholdene kan forårsake cellulær stress og påvirke nivåene og forholdene mellom metabolitter i celler, noe som fører til unøyaktige eller partiske målinger av cellulær metabolisme 14,15,16. De metabolske endringene på grunn av prøvepreparering blir noen ganger referert til som sorteringsartefakter. Lange fordøyelsesprotokoller og sterke reagenser som kan være nødvendige for å produsere enkeltcellesuspensjoner fra hardt eller tøft vev, kan forverre dette problemet. Hvilke endringer som kan oppstå, avhenger sannsynligvis av celletype og behandlingstilstand. Den nøyaktige naturen til endringene forblir ukjent, da den metabolske tilstanden til de uforstyrrede cellene i levende vev ikke kan måles.

Protokollen som presenteres her innebærer flere viktige forskjeller sammenlignet med tradisjonelle metoder, nemlig bruk av 5 g / L NaCl som hylstervæske, sortering direkte i ekstraksjonsbuffer, injisering av store prøvevolumer på hydrofil interaksjon væskekromatografi-massespektrometri (HILIC-MS), og bruk av målrettet kvantifisering, streng bruk av interne standarder og bakgrunnskontroller (figur 1). Denne protokollen har potensial til å bevare forskjeller mellom celletyper og mellom medikamentell behandling og kjøretøykontroll i stor grad12. Selv for dyrkede celler sammenligner den seg gunstig med alternative tilnærminger, for eksempel den mer etablerte sentrifugeringen og manuell fjerning av supernatant. Siden sortering av artefakter fortsatt kan forekomme, må data tolkes med forsiktighet. Til tross for denne begrensningen representerer protokollen en betydelig forbedring innen metabolsk profilering, noe som muliggjør mer nøyaktige og omfattende målinger av cellulær metabolisme i sjeldne primærceller12.

Evnen til å robust måle brede metabolske profiler i sjeldne primærceller åpner døren for nye eksperimenter i biomedisinsk forskning som involverer disse cellene. For eksempel har metabolsk mediert regulering i HSC vist seg å påvirke dvalens selvfornyelseskapasitet, med implikasjoner for anemi og leukemi11,17. I pasientavledede sirkulerende tumorceller er forskjeller i uttrykket av metabolske gener mellom tumor og tilstøtende celler vist18,19. Denne protokollen tillater nå forskere å studere disse forskjellene systematisk på et metabolsk nivå, som generelt anses som nærmere den cellulære fenotypen enn genuttrykk.

Protocol

Avl og oppdrett av alle mus som ble brukt til denne protokollen ble utført i et konvensjonelt dyreanlegg ved Max Planck Institute for Immunobiology and Epigenetics (MPI-IE) i henhold til forskriftene fra de lokale myndighetene (Regierungspräsidium Freiburg). Mus ble avlivet med CO2 og cervical dislokasjon av FELASA B-trent personell etter retningslinjer og forskrifter godkjent av dyrevelferdskomiteen i MPI-IE og de lokale myndighetene. Ingen dyreforsøk ble utført, og mus var uten helsebelastninger. <p …

Representative Results

FACS-sortering gjør det mulig å isolere rene populasjoner av forskjellige celletyper fra samme cellesuspensjon (figur 2 og figur 3). Spesifisiteten til denne metoden er avhengig av farging av de forskjellige celletypene med spesifikke overflatemarkører (for eksempel B-celler og T-celler fra milten) eller spesifikke kombinasjoner av overflatemarkører (for eksempel HSC og MPP). Farging av intracellulære markører krever vanligvis permeabilisering av cellememb…

Discussion

De mest kritiske trinnene for vellykket implementering av målrettet metabolomikk ved bruk av denne protokollen er 1) en robust farge- og gatingstrategi som vil gi rene cellepopulasjoner 2) presis håndtering av væskevolumer, 3) reproduserbar timing av alle eksperimentelle trinn, spesielt alle trinn før metabolittekstraksjon. Ideelt sett bør alle prøver som tilhører ett eksperiment behandles og måles i en batch for å minimere batcheffekter22. For større eksperimenter foreslår vi å samle …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Forfatterne vil gjerne takke dyreavdelingen ved Max Planck Institute of Immunobiology and Epigenetics for å gi dyrene som brukes i denne studien.

Materials

13C yeast extract Isotopic Solutions ISO-1
40 µm cell strainer Corning 352340
Acetonitrile, LC-MS grade VWR 83640.32
ACK lysis buffer Gibco 104921 Alternatively: Lonza, Cat# BP10-548E
Adenosine diphosphate (ADP) Sigma Aldrich A2754
Adenosine monophosphate (AMP) Sigma Aldrich A1752
Adenosine triphosphate (ATP) Sigma Aldrich A2383
Ammonium Carbonate, HPLC grade Fisher Scientific A/3686/50
Atlantis Premier BEH Z-HILIC column (100 x 2.1 mm, 1.7 µm) Waters 186009982
B220-A647 Invitrogen 103226
B220-PE/Cy7 BioLegend 103222 RRID:AB_313005
CD11b-PE/Cy7 BioLegend 101216 RRID:AB_312799
CD150-BV605 BioLegend 115927 RRID:AB_11204248
CD3-PE Invitrogen 12-0031-83
CD48-BV421 BioLegend 103428 RRID:AB_2650894
CD4-PE/Cy7 BioLegend 100422 RRID:AB_2660860
CD8a-PE/Cy7 BioLegend 100722 RRID:AB_312761
cKit-PE BioLegend 105808 RRID:AB_313217
Dynabeads Untouched Mouse CD4 Cells Kit  Invitrogen 11415D
FACSAria III BD
Gr1-PE/Cy7 BioLegend 108416 RRID:AB_313381
Heat sealing foil Neolab Jul-18
Isoleucine Sigma Aldrich 58880
JetStream ESI Source Agilent G1958B
Leucine Sigma Aldrich L8000
Medronic acid Sigma Aldrich M9508-1G
Methanol, LC-MS grade Carl Roth HN41.2
NaCl Fluka 31434-1KG
PBS Sigma Aldrich D8537
Sca1-APC/Cy7 BioLegend 108126 RRID:AB_10645327
TER119-PE/Cy7 BioLegend 116221 RRID:AB_2137789
Triple Quadrupole Mass Spectrometer Agilent 6495B
Twin.tec PCR plate 96 well LoBind skirted Eppendorf 30129512
UHPLC Autosampler Agilent G7157B
UHPLC Column Thermostat Agilent G7116B
UHPLC Pump Agilent G7120A
UHPLC Sample Thermostat Agilent G4761A

References

  1. Jang, C., Chen, L., Rabinowitz, J. D. Metabolomics and isotope tracing. Cell. 173 (4), 822-837 (2018).
  2. Lu, W., Su, X., Klein, M. S., Lewis, I. A., Fieh, O., Rabinowitz, J. D. Metabolite measurement: Pitfalls to avoid and practices to follow. Annual Review of Biochemistry. 86, 277-304 (2017).
  3. Buescher, J. M., Czernik, D., Ewald, J. C., Sauer, U., Zamboni, N. Cross-platform comparison of methods for quantitative metabolomics of primary metabolism. Analytical Chemistry. 81 (6), 2135-2143 (2009).
  4. Sastre Toraño, J., Ramautar, R., De Jong, G. Advances in capillary electrophoresis for the life sciences. Journal of Chromatography B. 1118-1119, 116-136 (2019).
  5. Žuvela, P., et al. Column characterization and selection systems in reversed-phase high-performance liquid chromatography. Chemical Reviews. 119 (6), 3674-3729 (2019).
  6. Standard sample preparation and shipping procedures. Metabolon Inc Available from: https://www.metabolon.com/qp-content/uploads/2020/06/Standard-Sample-Preparation-and-Shipping-Procedure-SSGv2.0.pdf (2023)
  7. Rossi, L., Challen, G. A., Sirin, O., Lin, K. K. -. Y., Goodell, M. A. Hematopoietic stem cell characterization and isolation. Methods in Molecular Biology. 750, 47-59 (2011).
  8. Cabezas-Wallscheid, N., et al. Identification of regulatory networks in HSCs and their immediate progeny via integrated proteome, transcriptome, and DNA methylome analysis. Cell Stem Cell. 15 (4), 507-522 (2014).
  9. Belmonte, M., Kent, D. G. Protocol to maintain single functional mouse hematopoietic stem cells in vitro without cell division. STAR Protocols. 2 (4), 100927 (2021).
  10. Devilbiss, A. W., et al. Metabolomic profiling of rare cell populations isolated by flow cytometry from tissues. eLife. 10, 61980 (2021).
  11. Schönberger, K., et al. Multilayer omics analysis reveals a non-classical retinoic acid signaling axis that regulates hematopoietic stem cell identity. Cell Stem Cell. 29 (1), 131-148 (2022).
  12. Schönberger, K., et al. LC-MS-based targeted metabolomics for FACS-purified rare cells. Analytical Chemistry. 95 (9), 4325-4334 (2023).
  13. Link, H., Kochanowski, K., Sauer, U. Systematic identification of allosteric protein-metabolite interactions that control enzyme activity in vivo. Nature Biotechnology. 31 (4), 357-361 (2013).
  14. Binek, A., et al. Flow cytometry has a significant impact on the cellular metabolome. Journal of Proteome Research. 18 (1), 169-181 (2018).
  15. Ryan, K., Rose, R. E., Jones, D. R., Lopez, P. A. Sheath fluid impacts the depletion of cellular metabolites in cells afflicted by sorting induced cellular stress (SICS). Cytometry. Part A The Journal of the International Society for Analytical Cytology. 99 (9), 921-929 (2021).
  16. Llufrio, E. M., Wang, L., Naser, F. J., Patti, G. J. Sorting cells alters their redox state and cellular metabolome. Redox biology. 16, 381-387 (2018).
  17. Zhang, Y. W., et al. Hyaluronic acid-GPRC5C signalling promotes dormancy in haematopoietic stem cells. Nature Cell Biology. 24 (7), 1038-1048 (2022).
  18. Zafeiriadou, A., et al. Metabolism-related gene expression in circulating tumor cells from patients with early stage non-small cell lung cancer. Cancers. 14 (13), 3237 (2022).
  19. Chen, J., et al. Metabolic classification of circulating tumor cells as a biomarker for metastasis and prognosis in breast cancer. Journal of Translational Medicine. 18 (1), 59 (2020).
  20. Chambers, M. C., et al. A cross-platform toolkit for mass spectrometry and proteomics. Nature Biotechnology. 30 (10), 918-920 (2012).
  21. Eilertz, D., Mitterer, M., Buescher, J. M. automRm: An R package for fully automatic LC-QQQ-MS data preprocessing powered by machine learning. Analytical Chemistry. 94 (16), 6163-6171 (2022).
  22. Han, W., Li, L. Evaluating and minimizing batch effects in metabolomics. Mass Spectrometry Reviews. 41 (3), 421-442 (2022).
  23. Keller, B. O., Sui, J., Young, A. B., Whittal, R. M. Interferences and contaminants encountered in modern mass spectrometry. Analytica Chimica Acta. 627 (1), 71-81 (2008).
  24. Kuonen, F., Touvrey, C., Laurent, J., Ruegg, C. Fc block treatment, dead cells exclusion, and cell aggregates discrimination concur to prevent phenotypical artifacts in the analysis of subpopulations of tumor-infiltrating CD11b+ myelomonocytic cells. Cytometry. Part A The Journal of the International Society for Analytical Cytology. 77 (11), 1082-1090 (2010).
  25. Basu, S., Campbell, H. M., Dittel, B. N., Ray, A. Purification of specific cell population by fluorescence activated cell sorting (FACS). Journal of Visualized Experiments. 41, 1546 (2010).
  26. Broadhurst, D., et al. Guidelines and considerations for the use of system suitability and quality control samples in mass spectrometry assays applied in untargeted clinical metabolomic studies. Metabolomics. 14 (6), 72 (2018).
check_url/65690?article_type=t&slug=targeted-metabolomics-on-rare-primary-cells

Play Video

Cite This Article
Glaser, K. M., Egg, M., Hobitz, S., Mitterer, M., Schain-Zota, D., Schönberger, K., Schuldes, K., Cabezas-Wallscheid, N., Lämmermann, T., Rambold, A., Buescher, J. M. Targeted Metabolomics on Rare Primary Cells. J. Vis. Exp. (204), e65690, doi:10.3791/65690 (2024).

View Video