Summary

Encelliga Profilering av u och mogen näthinneneuroner

Published: April 19, 2012
doi:

Summary

En metod för isolering av enskilda retinala celler och efterföljande amplifiering av deras cDNA är beskriven. Encelliga transkriptomik avslöjar graden av cellulär heterogenitet som finns i en vävnad och avslöjar nya markörgener för sällsynta cellpopulationer. Den åtföljande protokollet kan anpassas för att passa många olika celltyper.

Abstract

Högspecialiserade, men ytterst små populationer av celler spelar en viktig roll i många vävnader. Identifieringen av cell-typspecifika markörer och gener program uttryck för extremt sällsynta cellundergrupper har varit en utmaning med normala hela-vävnad metoder. Gene expression profiling av individuella celler möjliggör oöverträffad tillgång till celltyper som utgör endast en liten andel av den totala vävnaden 1-7. Dessutom kan denna teknik användas för att undersöka de program genuttryck som transient uttrycks i små antal celler under dynamiska utvecklingsmässiga övergångar 8.

Detta nummer av cellulära mångfald uppstår upprepade gånger i det centrala nervsystemet (CNS) där neuronala kopplingar kan förekomma mellan ganska olika celler 9. Det exakta antalet distinkta celltyper är inte exakt känd, men det har uppskattats att det kan finnas så många som 1000 olika typer i hjärnbarken itself 10. Funktionen (s) av komplexa neurala kretsar kan förlita sig på några av de sällsynta neuronala typerna och de gener de uttrycker. Genom att identifiera nya markörer och hjälpa till att molekylärt klassificera olika nervceller, är encelliga strategi särskilt användbart vid analys av celltyper i nervsystemet. Det kan också bidra till att belysa mekanismerna för neural utveckling genom att identifiera differentiellt uttryckta gener och vägar gen under tidiga stadier av neuronala stamceller utveckling.

Som en enkel, lättillgänglig vävnad med stor neuronal mångfald är ryggradsdjuret näthinnan en utmärkt modell för att studera processer för cellulär utveckling, neuronal differentiering och neuronal diversifiering. Men liksom i andra delar av CNS, kan denna cellulära mångfald ett problem för att bestämma de genetiska vägar som driver retinala progenitorceller att anta en specifik cell öde, särskilt med tanke på att stavar utgör maritetsbeslut av den totala retinala cell-populationen 11. Här rapporterar vi en metod för identifiering av transkripten som uttrycks i enkla retinala celler (figur 1). Den encelliga profilering tekniken gör det möjligt att bedöma av mängden heterogenitet finns inom olika cellulära populationer av näthinnan 2,4,5,12. Dessutom har denna metod visat en mängd nya kandidatgener som kan spela roll (er) i cellen öde beslutsprocesser som sker i delmängder av retinala stamceller 8. Med några enkla justeringar av protokollet, kan denna teknik användas för många olika vävnader och celltyper.

Protocol

1. Celldissociation Ett flödesschema som beskriver protokollet visas är figur 1. För katalognummer på de speciella reagenser som används i hela detta protokoll, se tabell 1. Dissekera näthinnan i en PBS-bad. Under dissektion, är det bäst att avlägsna glaskroppen och linsen sedan hålla dem med näthinnan kan hämma dissociation. Det är inte alltid kritiskt viktigt att avlägsna allt av det retinala pigmentepitelet (RPE) och i vissa fall kan det vara omöjligt att fu…

Discussion

En ständigt växande antal studier avslöjar robust cell till cell variation i populationer som ansågs vara mer homogena med avseende på deras genuttryck 6,8. I åtminstone ett fall har detta genuttryck "brus" visat sig spela en viktig biologisk funktion 13. Genuttryck skillnader mellan enskilda celler skyms med traditionella av hela vävnad metoder. Dessa experiment genererar uttryck profilen för en "genomsnittlig" cell, vilket kanske inte är representativa 14.

Disclosures

The authors have nothing to disclose.

Materials

Reaction mixtures:

Cell Lysis buffer

0.45 μ 10X reaction buffer (100 mM Tris-HCl pH 8.3, 500 mM KCl, 2 mM MgCl2)
0.23 μl 10% NP-40
0.23 μl 0.1M DTT
0.05 μl RNase Inhibitor (40 U/μl)
0.05 μl SUPERase-In (20U/μl)
0.13 μl Modified Oligo d(T) primer
(TATAGAATTCGCGGCCGCTCGCGATTTTTTTTTTTTTTTTTTTTTTTT)
0.09 μl dNTPs (2.5 mM each)
3.27 μl dH20 (use molecular biology grade for all reaction mixtures)

Tailing Reaction Mixture

0.18 μl 100 mM dATP
0.6 μl 10X reaction buffer(100 mM Tris-HCl pH 8.3, 500 mM KCl, 2 mM MgCl2)
4.62 μl dH2O
0.3 μl TdT (400 U/μl)
0.3 μl RNase H (2 U/μl)

PCR Reaction Mixture

10 μl 10x Ex-Taq HS Buffer with Mg2+
10 μl 2.5 mM dNTPs
0.2 μl Modified Oligo d(T) primer (10 μg/μl)
1 μl Ex-Taq HS Polymerase (5U/μl)
68.8 μl dH2O

10X One-Phor All Buffer

0.5M Potassium acetate
0.1M Tris acetate (pH 7.6)
0.1M Magnesium acetate

Solutions:

10X Phosphate buffered saline (1 liter)

80g NaCl
2g KCl
14.4 g Na2PO4
2.4 g KH2PO4
adjust to pH 7.4 with NaOH and bring the volume to 1 liter with water

Name of the reagent Company Catalog number Comments
Vertical needle puller David Kopf Instruments Model 750  
Microcapillary tubes Sigma P0674  
Aspirator tube assembly Sigma A5177  
Corning filter tips (100-1000 μl Fisher Scientific 07-200-265  
Hank’s balanced salt solution (1X) Lonza BioWhittaker 10-508F  
HEPES buffer (1M) MP Biomedicals 091688449  
Bovine serum albumin Sigma A9418  
DNase I Roche 04716728001  
papain Worthington LS03126  
Superscript III Invitrogen 18080-044  
RNase Inhibitor Applied Biosystems AM2682 These two RNase inhibitors seem to work the best. Contaminants present in other inhibitors can contribute to a background smear.
SUPERase-In Applied Biosystems AM2694 These two RNase inhibitors seem to work the best. Contaminants present in other inhibitors can contribute to a background smear.
Modified Oligo d(T) primer (gel purified) Oligos ETC   We have used primers purchased from many different companies and have seen the most reliable and reproducible results from Oligos ETC.
T4 gene 32 protein New England Biolabs M0300L  
Exonuclease I New England Biolabs M0293S  
TdT Roche 3 333 574 As with other reagents, using a TdT enzyme from other companies gave more variable results.
RNase H Invitrogen 18021-014  
Ex-Taq HS Polymerase Takara RR006A  
Biotin N6-ddATP Enzo Biosciences 42809  

Table 1. Specific reagents and equipment.

References

  1. Tietjen, I. Single-cell transcriptional analysis of neuronal progenitors. Neuron. 38, 161-175 (2003).
  2. Trimarchi, J. M. Molecular heterogeneity of developing retinal ganglion and amacrine cells revealed through single cell gene expression profiling. J. Comp. Neurol. 502, 1047-1065 (2007).
  3. Trimarchi, J. M., Cho, S. H., Cepko, C. L. Identification of genes expressed preferentially in the developing peripheral margin of the optic cup. Dev. Dyn. 238, 2327-2327 (2009).
  4. Cherry, T. J., Trimarchi, J. M., Stadler, M. B., Cepko, C. L. Development and diversification of retinal amacrine interneurons at single cell resolution. Proc. Natl. Acad. Sci. U.S.A. 106, 9495-9500 (2009).
  5. Roesch, K. The transcriptome of retinal Muller glial cells. J. Comp. Neurol. 509, 225-238 (2008).
  6. Ramos, C. A. Evidence for diversity in transcriptional profiles of single hematopoietic stem cells. PLoS Genet. 2, e159 (2006).
  7. Chiang, M. K., Melton, D. A. Single-cell transcript analysis of pancreas development. Dev. Cell. 4, 383-393 (2003).
  8. Trimarchi, J. M., Stadler, M. B., Cepko, C. L. Individual retinal progenitor cells display extensive heterogeneity of gene expression. PLoS ONE. 3, e1588 (2008).
  9. Nelson, S. B., Sugino, K., Hempel, C. M. The problem of neuronal cell types: a physiological genomics approach. Trends Neurosci. 29, 339-345 (2006).
  10. Stevens, C. F. Neuronal diversity: too many cell types for comfort. Curr. Biol. 8, R708-R710 (1998).
  11. Cepko, C. L., Austin, C. P., Yang, X., Alexiades, M., Ezzeddine, D. Cell fate determination in the vertebrate retina. Proc. Natl. Acad. Sci. U.S.A. 93, 589-595 (1996).
  12. Kim, D. S. Identification of molecular markers of bipolar cells in the murine retina. J. Comp. Neurol. 507, 1795-1810 (2008).
  13. Chang, H. H., Hemberg, M., Barahona, M., Ingber, D. E., Huang, S. Transcriptome-wide noise controls lineage choice in mammalian progenitor cells. Nature. 453, 544-547 (2008).
  14. Levsky, J. M., Singer, R. H. Gene expression and the myth of the average cell. Trends Cell Biol. 13, 4-6 (2003).
  15. Livesey, F. J., Cepko, C. L. Vertebrate neural cell-fate determination: lessons from the retina. Nat. Rev. Neurosci. 2, 109-118 (2001).
  16. Masland, R. H., Raviola, E. Confronting complexity: strategies for understanding the microcircuitry of the retina. Annu. Rev. Neurosci. 23, 249-284 (2000).
  17. Blackshaw, S. Genomic analysis of mouse retinal development. PLoS Biol. 2, e247 (2004).
  18. Livesey, F. J., Young, T. L., Cepko, C. L. An analysis of the gene expression program of mammalian neural progenitor cells. Proc. Natl. Acad. Sci. U.S.A. 101, 1374-1379 (2004).
  19. Chowers, I. Identification of novel genes preferentially expressed in the retina using a custom human retina cDNA microarray. Invest. Ophthalmol. Vis. Sci. 44, 3732-3741 (2003).
  20. Clarke, G. C., Leavitt, R. A., Andrews, B. R., Hayden, D. F., Lumsden, M. R., J, C., McInnes, R. R. A one-hit model of cell death in inherited neuronal degenerations. Nature. 406, 195-199 (2000).
  21. McEvoy, J. F. -. O., Zhang, J., Nemeth, J., Brennan, K., Bradley, R., Krafcik, C., Rodriguez-Galindo, F., Wilson, C., Xiong, M., Lozano, S. Coexpression of normally incompatible developmental pathways in retinoblastoma genesis. Cancer Cell. 20, 260-275 (2011).
  22. Gelder, R. N. V. a. n. Amplified RNA synthesized from limited quantities of heterogeneous cDNA. Proc. Natl. Acad. Sci. U.S.A. 87, 1663-1667 (1990).
  23. Ginsberg, S. D., Che, S. Expression profile analysis within the human hippocampus: comparison of CA1 and CA3 pyramidal neurons. J. Comp. Neurol. 487, 107-118 (2005).
  24. Iscove, N. N. Representation is faithfully preserved in global cDNA amplified exponentially from sub-picogram quantities of mRNA. Nat. Biotechnol. 20, 940-943 (2002).
  25. Subkhankulova, T., Livesey, F. J. Comparative evaluation of linear and exponential amplification techniques for expression profiling at the single-cell level. Genome Biol. 7, R18 (2006).
check_url/kr/3824?article_type=t

Play Video

Cite This Article
Goetz, J. J., Trimarchi, J. M. Single-cell Profiling of Developing and Mature Retinal Neurons. J. Vis. Exp. (62), e3824, doi:10.3791/3824 (2012).

View Video