Summary
SIVQ-LCM er en innovativ tilgang, der udnytter en computer algoritme, Rumligt Invariant Vector Quantization (SIVQ), til at køre laser capture mikrodissektion (LCM) proces. Den SIVQ-LCM workflow i høj grad forbedrer hastigheden og nøjagtigheden af mikrodissektion med anvendelser i både forskning og kliniske indstillinger.
Abstract
SIVQ-LCM er en ny metode, der automatiserer og strømliner de mere traditionelle, bruger-afhængig laser dissektion proces. Det sigter mod at skabe en avanceret, hurtigt kan tilpasses laser dissektion platform-teknologi. I denne rapport beskriver vi integrationen af billedet analyse software Rumligt Invariant Vector Quantization (SIVQ) på ArcturusXT instrumentet. Det ArcturusXT-systemet indeholder både en infrarød (IR) og ultraviolet (UV)-laser, der giver mulighed for specifik celle eller store areal dissektioner. Det primære mål er at forbedre den hastighed, præcision og reproducerbarhed af laseren dissektion for at øge prøve gennemløb. Denne nye fremgangsmåde letter mikrodissektion af både dyr og mennesker væv i forskning og kliniske arbejdsgange.
Introduction
Oprindeligt udviklet i midten af 1990'erne, laser capture mikrodissektion (LCM) gør det muligt for brugeren at netop fange specifikke celler eller cellulære regioner fra en histologisk vævssnit via mikroskopisk visualisering 1, 2. Mange studier, der sammenligner molekylær analyse af LCM versus væv skrammer illustrere værdien af metoden 3-12. Desuden er der tre video protokol publikationer om den teknologi, der er til rådighed for visning 13, 14. Men på trods af dens dokumenterede værdi, kan LCM være trættende og besværlig, når målet af interesse er en spredt celle population i en heterogen vævssnit, eller når et stort antal celler er nødvendige for bestemte downstream-applikationer såsom proteomics. Byrden på den menneskelige operatør førte os til at udvikle en halvautomatisk dissektion tilgang til LCM ved at kombinere et kraftfuldt billede analyse algoritme til at styre LCM processen 15.
<p class = "jove_content"> I samarbejde med University of Michigan, vores laboratorium på NIH forlængede tidligere udviklet og rapporteret Rumligt invariant vektorkvantisering (SIVQ) algoritme på en måde at gøre det muligt for semi-automatisere udvælgelsen væv proces iboende guidede mikrodissektion, hvorved fås et værktøj med patologen eller liv videnskabsmand i tankerne. Rumligt invariant vektorkvantisering (SIVQ) er en algoritme, der giver brugeren mulighed for at blot "klikke" på en histologisk træk af interesse at skabe en ring vektor (prædikat billede-funktion), der kan bruges til at søge i hele histologiske billede, justere den statistiske tærskel efter behov 16-21. Den resulterende zonekort viser kvaliteten af kampe til den oprindelige prædikat billedet funktionen og efterfølgende omdannet til en enkelt farve (rød) anmærkning kort, der kan importeres til LCM instrumentet. Den automatiserede udvælgelse software, AutoScanXT, derefter bruges til at tegne et kort baseretpå SIVQ anmærkningssredskaber vejlede indfangning af target celler fra vævsprøve. Den detaljerede protokol nedenfor beskriver implementeringen af SIVQ i mikrodissektion arbejdsgang.Protocol
Representative Results
Discussion
Vi præsenterer en protokol for anvendelse af SIVQ-LCM til microdissect immunofarvet epitelceller fra FFPE human brystvæv. Brugen af et billede analyse algoritme, som SIVQ, reducerer mængden af hands-on tid, der kræves for mikrodissektion processen. Dette er et potentielt vigtigt fremskridt for området siden operatøren tid og kræfter er typisk hastighedsbegrænsende trin for den præcise dissektion af celler af interesse. I den nuværende protokol, vi specifikt tilpasset vores procedure til ArcturusXT …
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Undersøgelsen blev støttet delvist af Intramural Research Program af 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] |
Riferimenti
- 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).
