SIVQ LCM-Protokoll für das Instrument ArcturusXT
Summary
SIVQ-LCM ist ein innovativer Ansatz, der einen Computer-Algorithmus, räumlich invarianten Vektor Quantisierung (SIVQ) nutzt, um den Laser Mikrodissektion Verfahren (LCM) zu fahren. Die SIVQ LCM-Workflow die Geschwindigkeit und Genauigkeit der Mikrodissektion stark verbessert, mit Anwendungen in der Forschung und klinischen Umgebungen.
Abstract
SIVQ-LCM ist eine neue Methode, die automatisiert und rationalisiert die traditionelle, benutzerabhängige Laser Dissektion Prozess. Es zielt darauf ab, eine fortschrittliche, schnell anpassbar Laser Dissektion Plattform-Technologie erstellen. In diesem Bericht beschreiben wir die Integration der Bildanalyse-Software ortsinvariantem Vektor Quantisierung (SIVQ) auf die ArcturusXT Instrument. Die ArcturusXT System enthält sowohl eine Infrarot-(IR) und Ultraviolett-(UV) Laser, so dass für bestimmte Zelle oder große Fläche Dissektionen. Das Hauptziel ist es, die Geschwindigkeit, Genauigkeit und Reproduzierbarkeit des Laser-Dissektion, Probendurchsatz zu erhöhen verbessern. Dieser neue Ansatz ermöglicht Mikrodissektion von tierischen und menschlichen Geweben in der Forschung und der klinischen Arbeitsabläufe.
Introduction
Ursprünglich in der Mitte der 1990er Jahre entwickelt, die Laser Mikrodissektion (LCM) ermöglicht dem Benutzer, genau zu erfassen spezifische Zellen oder Zellbereiche von einem histologischen Gewebeschnitt mittels mikroskopischer Visualisierung 1, 2. Viele Studien, die molekulare Analyse von LCM gegen Kratzer Gewebe veranschaulichen den Wert der Methode 12.3. Darüber hinaus gibt es drei Videoprotokoll Veröffentlichungen über die Technologie, die für die Anzeige von 13, 14 verfügbar sind. Doch trotz seiner bewährten Wert, LCM kann langwierig und mühsam sein, wenn das Ziel von Interesse ist eine verteilte Zellpopulation in einer heterogenen Gewebeschnitt, oder wenn eine große Anzahl von Zellen sind für bestimmte Downstream-Anwendungen wie Proteomics erforderlich. Die Belastung für den menschlichen Bediener platziert führte uns zu einer halbautomatischen Präparation Ansatz für LCM durch die Kombination eines leistungsfähigen Bildanalyse-Algorithmus, um die LCM-Verfahren 15 führen zu entwickeln.
<p class = "jove_content"> In Zusammenarbeit mit der University of Michigan, unserem Labor am NIH erweitert die bereits entwickelten und berichtete ortsinvariantem Vektor-Quantisierung (SIVQ)-Algorithmus in einer Art und Weise, um es in semi-automatisiert das Gewebe Auswahlprozess, damit Eigen geführt Mikrodissektion, wodurch ein Werkzeug zur Verfügung mit dem Pathologen oder Lebenswissenschaftler im Auge. Ortsinvariantem Vektor-Quantisierung (SIVQ) ist ein Algorithmus, der Benutzer einfach "Klick" auf einem histologischen Merkmal von Interesse, um einen Ring-Vektor (Prädikat Bild Funktion), die verwendet werden können, um den gesamten histologischen Bild erstellen zu suchen, die Anpassung der statistischen Schwelle erlaubt nach Bedarf 16-21. Die entstehende Wärme Karte zeigt die Qualität der Übereinstimmungen mit dem Anfangsbild Prädikat-Funktion und wird anschließend in einer einzigen Farbe (rot) Beschriftungskarte, die in das LCM Instrument importiert werden können umgewandelt. Anschließend wird die automatisierte Auswahl-Software, AutoScanXT, verwendet, um eine Karte zu ziehen Basisauf SIVQ Anmerkungs Führung der Erfassung der Zielzellen aus der Gewebeprobe. Das detaillierte Protokoll beschreibt die Umsetzung der in den SIVQ Mikrodissektion Workflow.Protocol
Representative Results
Discussion
Wir stellen ein Protokoll für die Anwendung SIVQ-LCM auf immun Epithelzellen aus FFPE menschlichem Brustgewebe microdissect. Die Verwendung eines Bildanalysealgorithmus, wie SIVQ, reduziert die Menge der Handhabungszeit für die Mikrodissektion Prozess erforderlich. Dies ist eine potentiell wichtige Neuerung, da Bediener Zeit und Mühe ist typischerweise der geschwindigkeitsbestimmende Schritt für die präzise Präparation von Zellen von Interesse. In dem vorliegenden Protokoll, die wir speziell angepasste unser Verfa…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Die Studie wurde zum Teil durch die Interne Research Program der National Institutes of Health, National Cancer Institute, Center for Cancer Research unterstützt.
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] |
References
- 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).
