Summary

Multiplekset analyse av retinal genuttrykk og kromatin tilgjengelighet ved hjelp av scRNA-Seq og scATAC-Seq

Published: March 12, 2021
doi:

Summary

Her viser forfatterne nytten av MULTI-seq for fenotyping og påfølgende parret scRNA-seq og scATAC-seq ved karakterisering av transkriptomiske og kromatin tilgjengelighetsprofiler i netthinnen.

Abstract

Kraftige neste generasjons sekvenseringsteknikker tilbyr robust og omfattende analyse for å undersøke hvordan retinale genregulerende nettverk fungerer under utvikling og i sykdomstilstander. Enkeltcellet RNA-sekvensering gjør det mulig for oss å profilere genuttrykksendringer observert i retinal utvikling og sykdom på mobilnivå, mens enkeltcellet ATAC-Seq tillater analyse av kromatintilgjengelighet og transkripsjonsfaktorbinding som skal profileres ved lignende oppløsning. Her beskrives bruken av disse teknikkene i den utviklende netthinnen, og MULTI-Seq demonstreres, hvor individuelle prøver er merket med et modifisert oligonukleotid-lipidkompleks, slik at forskere både kan øke omfanget av individuelle eksperimenter og redusere kostnadene betydelig.

Introduction

Å forstå hvordan gener kan påvirke celle skjebne spiller en nøkkelrolle i å undersøke prosesser som sykdom og embryonal progresjon. De komplekse forholdene mellom transkripsjonsfaktorer og deres målgener kan grupperes i genregulerende nettverk. Montering av bevis plasserer disse genregulerende nettverkene i sentrum av både sykdom og utvikling på tvers av evolusjonære linjer1. Mens tidligere teknikker som qRT-PCR fokuserte på et enkelt gen eller sett med gener, tillater anvendelsen av sekvenseringsteknologi med høy gjennomstrømning profilering av komplette cellulære transkriptomer.

RNA-seq gir et glimt inn i storskala transkriptomikk 2,3. Enkeltcellet RNA-sekvensering (scRNA-seq) gir etterforskere muligheten til ikke bare å profilere transkriptomer, men koble spesifikke celletyper med genuttrykksprofiler4. Dette oppnås bioinformatisk ved å mate individuelle celleprofiler inn i sorteringsalgoritmer ved hjelp av kjente genmarkører5. Multipleksing ved hjelp av lipidmerkede indekser sekvensering (MULTI-seq) gir enestående mangfold i antall scRNA-Seq profiler som kan samles6. Denne lipidbaserte teknikken skiller seg fra andre prøveindekseringsteknikker som celle-hashing som er avhengig av tilstedeværelsen av overflateantigener og antistoffer med høy affinitet i stedet for plasmamembranintegrasjon7. Ikke bare er det nå mulig å profilere genuttrykksprofiler i celletyper, men forskjellige eksperimenter kan kombineres til et enkelt sekvenseringsbibliotek, noe som dramatisk reduserer kostnadene for et individuelt scRNA-seq-eksperiment6. Kostnaden for scRNA-seq kan virke uoverkommelig for bruk i fenotypingseksperimenter der mange forskjellige genotyper, tilstander eller pasientprøver analyseres, men multipleksing tillater kombinasjon av opptil 96 prøver i et enkelt bibliotek6.

Profilering av genuttrykk via scRNA-seq har ikke vært den eneste sekvenseringsbaserte teknikken med høy gjennomstrømning for å revolusjonere den nåværende forståelsen av hvordan molekylære mekanismer dikterer celleskjebne. Mens forståelse av hvilke gentransskripter som er tilstede i en celle, gjør det mulig å identifisere celletype, er like viktig å forstå hvordan genomisk organisasjon regulerer utvikling og sykdomsprogresjon. Tidlige studier baserte seg på å oppdage DNase-mediert spaltning av sekvenser som ikke var bundet til histoner, etterfulgt av sekvensering av de resulterende DNA-fragmentene for å identifisere regioner med åpen kromatin. I motsetning til dette tillater enkeltcelleanalyse for transposontilgjengelig kromatinsekvensering (scATAC-seq) forskere å undersøke DNA med et domestisert transposon for lett å profilere åpent kromatin på enkeltnukleotidnivå8. Dette har gått gjennom en lignende skalering til scRNA-seq, og nå kan etterforskere identifisere individuelle celletyper og profilere fenotyper på tvers av tusenvis av individuelle genomer8.

Sammenkoblingen av scRNA-seq og scATAC-seq har gitt forskere muligheten til å profilere tusenvis av celler for å bestemme cellepopulasjoner, genomisk organisasjon og genregulerende nettverk i sykdomsmodeller og utviklingsprosesser 9,10,11,12. Her skisserer forfatterne hvordan man først kan bruke MULTI-seq til å kondensere fenotyping av et mylder av dyremodeller og bruke parret scRNA-seq og scATAC-seq for å få en bedre forståelse av kromatinlandskapet og regulatoriske nettverk i disse dyremodellene.

Protocol

Bruken av dyr til disse studiene ble utført ved hjelp av protokoller godkjent av Johns Hopkins Animal Care and Use Committee, i samsvar med ARRIVE-retningslinjene, og ble utført i samsvar med relevante retningslinjer og forskrifter. 1. Multi-seq Media forberedelse Klargjør og likevekt ovomucoidhemmer, 10 mg ovomucoidhemmer og 10 mg albumin per ml Earle’s Balanced Salt Solution (EBSS), i 30 minutter før bruk13. Likevekt med 95% O<s…

Representative Results

Denne arbeidsflyten legger ut en strategi for undersøkelse av utviklingsfenotyper og regulatoriske prosesser ved hjelp av enkeltcellesekvensering. MULTI-seq prøvemultipleksing muliggjør en innledende lavkost fenotypingsanalyse, mens parret innsamling og fiksering av prøver for scRNA-seq og scATAC-seq gir mulighet for mer grundig undersøkelse (figur 1). MULTI-seq-strekkoding muliggjør kombinert sekvensering av flere prøver og deres påfølgende beregningsmes…

Discussion

Kraften til MULTI-seq stammer fra sømløs integrering av data fra flere eksperimentelle forhold eller modeller og den enorme fordelen når det gjelder kostnader og begrensende batcheffekter. Utnytte MULTI-seq tilbyr et laboratorium enestående fenotyping dybde. Ikke-genetiske multipleksingsmetoder som cellehasjing eller kjernehasjing åpnet døren for multipleksede prøver ved bruk av strekkodede antistoffer 7,19,20. Dette er i…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Vi takker Linda Orzolek fra Johns Hopkins Transcriptomics og Deep Sequencing Core for hjelp til å sekvensere de produserte bibliotekene og Lizhi Jiang for å utføre ex vivo retinale eksplanter.

Materials

10 µL, 200 µL, 1000 µL pipette filter tips
10% Tween 20 Bio-Rad 1662404
100 µM Barcode Solution Request from Gartner lab https://docs.google.com/forms/d/1bAzXFEvDEJse_cMvSUe_yDaP
rJpAau4IPx8m5pauj3w/viewform?ts=5c47a897&edit_requested
=true
100% Ethanol Millipore Sigma E7023-500ML
100% Methanol Millipore Sigma 322415-100ML
10x Chip Holder 10x Genomics 1000195
10x Chromium controller & Accessory Kit 10x Genomics PN-120263
15mL Centrifuge Tube Quality Biological P886-229411
40 µm FlowMi Cell Strainer Bel-Art H13680-0040
50 µM Anchor Solution Sigma or request from Gartner lab https://docs.google.com/forms/d/1bAzXFEvDEJse_cMvSUe_yDaP
rJpAau4IPx8m5pauj3w/viewform?ts=5c47a897&edit_requested
=true
50 µM Co-Anchor Solution Sigma or request from Gartner lab https://docs.google.com/forms/d/1bAzXFEvDEJse_cMvSUe_yDaP
rJpAau4IPx8m5pauj3w/viewform?ts=5c47a897&edit_requested
=true
5200 Fragment Analyzer system Agilent M5310AA
70 um FlowMi cell strainer Bel-Art H13680-0070
Allegra X-12R Centrifuge VWR BK392302
Bovine Serum Albumin Sigma-Aldrich A9647
Chromium Next GEM Chip G 10x Genomics PN-1000120
Chromium Next GEM Chip H 10x Genomics PN-1000161
Chromium Next Gem Single Cell ATAC Reagent Kit v1.1 10x Genomics PN-1000175
Chromium Single Cell 3' GEM, Library & Gel Bead Kit v3.1 10x Genomics PN-1000121
Digitonin Fisher Scientific BN2006
Dissection microscope Leica
DNA LoBind Tubes, 1.5 mL Eppendorf 22431021
Dry Ice
EVA Foam Ice Pan Tequipment 04393-54
FA 12-Capillary Array Short, 33 cm Agilent A2300-1250-3355
Fisherbrand Isotemp Water Bath Fisher Scientific 15-460-20Q
Forma CO2 Water Jacketed Incubator ThermoFisher Scientific 3110
Glycerol 50% Aqueous solution Ricca Chemical Company 3290-32
Hausser Scientific Bright-Line Counting Chamber Fisher Scientific 02-671-51B
Illumina NextSeq or NovaSeq Illumina
Kapa Hifi Hotstart ReadyMix HiFi 7958927001
Low TE Buffer Quality Biological 351-324-721
Magnesium Chloride Solution 1 M Sigma-Aldrich M1028
Magnetic Separator Rack for 1.5 mL tubes Millipore Sigma 20-400
Magnetic Separator Rack for 200 µL tubes 10x Genomics NC1469069
MULTI-seq Primer Sigma or IDT See sequence list
MyFuge Mini Centrifuge Benchmark Scientific C1008
Nonidet P40 Substitute Sigma-Aldrich 74385
Nuclease-free water Fisher Scientific AM9937
P2, P10, P20, P200, P1000 micropipettes Eppendorf
Papain Dissociation System Worthington Biochemical Corporation LK003150
PBS pH 7.4 (1X) Fisher Scientific 10010-023
Qiagen Buffer EB Qiagen 19086
Refridgerated Centrifuge 5424 R Eppendorf 2231000655
RNase-free Disposable Pellet Pestles Fisher Scientific 12-141-368
RNasin Plus RNase Inhibitor Promega N2615
RPI primer Sigma or IDT See sequence list
Single Index Kit N, Set A 10x Genomics PN-1000212
Single Index Kit T Set A 10x Genomics PN-1000213
Sodium Chloride Solution 5 M Sigma-Aldrich 59222C
SPRIselect Reagent Kit Beckman Coulter B23318
Standard Disposable Transfer Pipettes Fisher Scientific 13-711-7M
TempAssure PCR 8-tube strip USA Scientific 1402-4700
Trizma Hydrochloride Solution, pH 7.4 Sigma-Aldrich T2194
Trypan Blue Solution, 0.4% (w/v) Corning 25-900-CI
Universal I5 primer Sigma or IDT See sequence list
Veriti Thermal Cycler Applied Biosystems 4375786
Vortex Mixer VWR 10153-838

Riferimenti

  1. Hoang, T., et al. Gene regulatory networks controlling vertebrate retinal regeneration. Science. 370, (2020).
  2. Nagalakshmi, U., et al. The Transcriptional Landscape of the Yeast Genome Defined by RNA Sequencing. Science. 320, 1344-1349 (2008).
  3. Mortazavi, A., Williams, B. A., McCue, K., Schaeffer, L., Wold, B. Mapping and quantifying mammalian transcriptomes by RNA-Seq. Nature Methods. 5, 621-628 (2008).
  4. Hwang, B., Lee, J. H., Bang, D. Single-cell RNA sequencing technologies and bioinformatics pipelines. Experimental & Molecular Medicine. 50, 96 (2018).
  5. Butler, A., Hoffman, P., Smibert, P., Papalexi, E., Satija, R. Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nature Biotechnology. 36, 411-420 (2018).
  6. McGinnis, C. S., et al. MULTI-seq: sample multiplexing for single-cell RNA sequencing using lipid-tagged indices. Nature Methods. 16, 619-626 (2019).
  7. Stoeckius, M., et al. Cell Hashing with barcoded antibodies enables multiplexing and doublet detection for single cell genomics. Genome Biology. 19, 224 (2018).
  8. Chen, X., Miragaia, R. J., Natarajan, K. N., Teichmann, S. A. A rapid and robust method for single cell chromatin accessibility profiling. Nature Communications. 9, 5345 (2018).
  9. Hoang, T., et al. Gene regulatory networks controlling vertebrate retinal regeneration. Science. , 8598 (2020).
  10. Clark, B. S., et al. Single-Cell RNA-Seq Analysis of Retinal Development Identifies NFI Factors as Regulating Mitotic Exit and Late-Born Cell Specification. Neuron. 102, 1111-1126 (2019).
  11. Zheng, Y., et al. A human circulating immune cell landscape in aging and COVID-19. Protein Cell. 11, 740-770 (2020).
  12. Satpathy, A. T., et al. Massively parallel single-cell chromatin landscapes of human immune cell development and intratumoral T cell exhaustion. Nature Biotechnology. 37, 925-936 (2019).
  13. Worthington Biochemical Corporation. . Worthington Biochemical Corporation. Papain Dissociation System. , (2020).
  14. 10x Genomics. . Chromium Single Cell 3′ Reagent Kits v3 User Guide. , (2020).
  15. Agilent. . DNF-468 HS Genomic DNA 50 kb Kit Quick Guide for Fragment Analyzer Systems. , (2015).
  16. ThermoFisher Scientific. Qubit dsDNA HS Assay Kits. ThermoFisher Scientific. , (2015).
  17. 10x Genomics. . Chromium Single Cell ATAC Reagent Kits User Guide (v1.1 Chemistry). , (2020).
  18. Weir, K., Kim, D. W., Blackshaw, S. Regulation of retinal neurogenesis by somatostatin signaling. bioRxiv. , (2020).
  19. Stoeckius, M., et al. Simultaneous epitope and transcriptome measurement in single cells. Nature Methods. 14, 865-868 (2017).
  20. Gaublomme, J. T., et al. Nuclei multiplexing with barcoded antibodies for single-nucleus genomics. Nature Communications. 10, 2907 (2019).
  21. Ma, S., et al. Chromatin Potential Identified by Shared Single-Cell Profiling of RNA and Chromatin. Cell. , (2020).
  22. Buenrostro, J. D., et al. Integrated Single-Cell Analysis Maps the Continuous Regulatory Landscape of Human Hematopoietic Differentiation. Cell. 173, 1535-1548 (2018).
  23. Pliner, H. A., et al. Cicero Predicts cis-Regulatory DNA Interactions from Single-Cell Chromatin Accessibility Data. Molecular Cell. 71, 858-871 (2018).
  24. Granja, J. M., et al. ArchR: An integrative and scalable software package for single-cell chromatin accessibility analysis. BioRxiv. , (2020).
  25. Stuart, T., et al. Comprehensive Integration of Single-Cell Data. Cell. 177, 1888-1902 (2019).
  26. METABRIC Group. The genomic and transcriptomic architecture of 2,000 breast tumours reveals novel subgroups. Nature. 486, 346-352 (2012).
  27. Izadi, F. Differential Connectivity in Colorectal Cancer Gene Expression Network. Iranian Biomedical Journal. 23, 34-46 (2019).

Play Video

Citazione di questo articolo
Weir, K., Leavey, P., Santiago, C., Blackshaw, S. Multiplexed Analysis of Retinal Gene Expression and Chromatin Accessibility Using scRNA-Seq and scATAC-Seq. J. Vis. Exp. (169), e62239, doi:10.3791/62239 (2021).

View Video