Summary

Multiplexerad analys av retinal genuttryck och kromatintillgänglighet med hjälp av scRNA-Seq och scATAC-Seq

Published: March 12, 2021
doi:

Summary

Här visar författarna nyttan av MULTI-seq för fenotypning och efterföljande parade scRNA-seq och scATAC-seq för att karakterisera de transkriptomiska och kromatin tillgänglighetsprofilerna i näthinnan.

Abstract

Kraftfulla nästa generations sekvenseringstekniker erbjuder robust och omfattande analys för att undersöka hur retinala genreglerande nätverk fungerar under utveckling och i sjukdomstillstånd. Encellig RNA-sekvensering gör det möjligt för oss att omfattande profilera genuttrycksförändringar som observerats i retinal utveckling och sjukdom på cellnivå, medan encellig ATAC-Seq gör det möjligt att analysera kromatintillgänglighet och transkriptionsfaktorbindning för att profileras med liknande upplösning. Här beskrivs användningen av dessa tekniker i den utvecklande näthinnan, och MULTI-Seq demonstreras, där enskilda prover är märkta med ett modifierat oligonukleotid-lipidkomplex, vilket gör det möjligt för forskare att både öka omfattningen av enskilda experiment och avsevärt minska kostnaderna.

Introduction

Att förstå hur gener kan påverka cellöden spelar en nyckelroll i förhörsprocesser som sjukdom och embryonal progression. De komplexa sambanden mellan transkriptionsfaktorer och deras målgener kan grupperas i genreglerande nätverk. Ökande bevis placerar dessa genreglerande nätverk i centrum för både sjukdom och utveckling över evolutionära linjer1. Medan tidigare tekniker som qRT-PCR fokuserade på en enda gen eller uppsättning gener, möjliggör tillämpningen av sekvenseringsteknik med hög genomströmning profilering av kompletta cellulära transkriptom.

RNA-seq ger en inblick i storskalig transkriptomik 2,3. Encellig RNA-sekvensering (scRNA-seq) ger utredare möjlighet att inte bara profilera transkriptom utan länka specifika celltyper med genuttrycksprofiler4. Detta uppnås bioinformatiskt genom att mata in enskilda cellprofiler i sorteringsalgoritmer med hjälp av kända genmarkörer5. Multiplexering med lipidtaggad indexsekvensering (MULTI-seq) erbjuder oöverträffad mångfald i antalet scRNA-Seq-profiler som kan samlas in6. Denna lipidbaserade teknik skiljer sig från andra provindexeringstekniker såsom cellhashing som förlitar sig på närvaron av ytantigener och antikroppar med hög affinitet istället för plasmamembranintegration7. Det är nu inte bara möjligt att profilera genuttrycksprofiler i celltyper utan olika experiment kan kombineras till ett enda sekvenseringsbibliotek, vilket dramatiskt sänker kostnaden för ett individuellt scRNA-seq-experiment6. Kostnaden för scRNA-seq kan verka oöverkomlig för användning i fenotypningsexperiment där många olika genotyper, tillstånd eller patientprover analyseras, men multiplexering möjliggör kombination av upp till 96 prover i ett enda bibliotek6.

Profilering av genuttryck via scRNA-seq har inte varit den enda sekvenseringsbaserade tekniken med hög genomströmning som revolutionerar den nuvarande förståelsen av hur molekylära mekanismer dikterar cellens öde. Medan förståelse av vilka genutskrifter som finns i en cell möjliggör identifiering av celltyp, är det lika viktigt att förstå hur genomisk organisation reglerar utveckling och sjukdomsprogression. Tidiga studier förlitade sig på att detektera DNase-medierad klyvning av sekvenser som inte är bundna till histoner, följt av sekvensering av de resulterande DNA-fragmenten för att identifiera regioner av öppet kromatin. Däremot tillåter encellsanalys för transposontillgänglig kromatinsekvensering (scATAC-seq) forskare att undersöka DNA med en domesticerad transposon för att enkelt profilera öppet kromatin vid den enda nukleotidnivån8. Detta har gått igenom en liknande skalning som scRNA-seq och nu kan utredare identifiera enskilda celltyper och profilfenotyper över tusentals enskilda genom8.

Parningen av scRNA-seq och scATAC-seq har gjort det möjligt för forskare att profilera tusentals celler för att bestämma cellpopulationer, genomisk organisation och genreglerande nätverk i sjukdomsmodeller och utvecklingsprocesser 9,10,11,12. Här beskriver författarna hur man först kan använda MULTI-seq för att kondensera fenotypning av en myriad av djurmodeller och använda parade scRNA-seq och scATAC-seq för att få en bättre förståelse för kromatinlandskapet och reglerande nätverk i dessa djurmodeller.

Protocol

Användningen av djur för dessa studier genomfördes med hjälp av protokoll som godkänts av Johns Hopkins Animal Care and Use Committee, i enlighet med ARRIVE-riktlinjerna, och utfördes i enlighet med relevanta riktlinjer och föreskrifter. 1. FLERA seq Förberedelse av media Förbered och balansera ovomucoidhämmare, 10 mg ovomucoidhämmare och 10 mg albumin per ml Earles balanserade saltlösning (EBSS), i 30 minuter före användning1…

Representative Results

Detta arbetsflöde innehåller en strategi för undersökning av utvecklingsfenotyper och regleringsprocesser med hjälp av encellssekvensering. MULTI-seq-provmultiplexering möjliggör en initial lågkostnads fenotypningsanalys medan parad insamling och fixering av prover för scRNA-seq och scATAC-seq möjliggör mer djupgående undersökning (figur 1). MULTI-seq-streckkodning möjliggör kombinerad sekvensering av flera prover och deras efterföljande beräkning…

Discussion

Kraften i MULTI-seq härrör från sömlös integration av data från flera experimentella förhållanden eller modeller och den enorma fördelen när det gäller kostnad och begränsande batcheffekter. Att använda MULTI-seq erbjuder ett laboratorium utan motstycke fenotypningsdjup. Icke-genetiska multiplexeringsmetoder som cellhashing eller kärnhashing öppnade dörren för multiplexerade prover genom användning av streckkodade antikroppar 7,19,20<…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Vi tackar Linda Orzolek från Johns Hopkins Transcriptomics och Deep Sequencing Core för hjälp med att sekvensera de producerade biblioteken och Lizhi Jiang för att utföra ex vivo retinal explantat.

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).
check_url/it/62239?article_type=t

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