Une Time-lapse, sans étiquette et Quantitative Phase imagerie de cellules cancéreuses humaines dormantes et Active
Summary
Phénotypes de cellules dormantes et active du cancer ont été caractérisées à l’aide de l’imagerie quantitative phase. Essais sur la prolifération, la migration et la morphologie des cellules ont été intégrées et analysées dans une méthode simple.
Abstract
L’acquisition du phénotype angiogénique est une composante essentielle de l’évasion de la dormance de la tumeur. Bien que plusieurs essais classiques in vitro (p. ex., prolifération, migration, etc.) et in vivo des modèles ont été développés pour évaluer et caractériser des phénotypes cellulaires angiogénique et non-angiogénique, ces méthodes sont temps forte intensité de main d’oeuvre et nécessitent souvent des réactifs coûteux et les instruments, mais aussi une expertise appréciable. Dans une étude récente, nous avons utilisé une nouvelle phase quantitative (QPI) technique d’imagerie pour mener des caractérisations de Time-lapse et sans marquage de cellules de SDU ostéosarcome humain angiogénique et non-angiogénique. Un panneau des paramètres cellulaires, y compris la morphologie cellulaire, la prolifération et la motilité, ont été mesurés quantitativement et analysées à l’aide de QPI. Ce roman et l’approche quantitative offre la possibilité d’en permanence et de façon non invasive étudier les processus cellulaires pertinents, des comportements et des caractéristiques des cellules cancéreuses et autres types de cellules dans une façon simple et intégrée. Ce rapport décrit notre protocole expérimental, y compris la préparation de cellules, QPI acquisition et analyse des données.
Introduction
Un des premiers postes de contrôle dans le développement et la progression d’une tumeur solide est l’acquisition du phénotype angiogénique, une caractéristique du cancer. Cette progression implique une variété de processus biochimiques et moléculaires1,2,3. Un défi technique pour l’étude de cette étape clé dans la progression tumorale est le manque d’outils pour continuellement et quantitativement caractériser et différencier les phénotypes angiogénique et non-angiogénique des cellules de cancer vivent de manière impartiale. Les dosages traditionnels utilisés pour étudier les comportements cellulaires des cellules angiogéniques et non-angiogénique généralement nécessitent des instruments et des réactifs coûteux, par exemple, la prolifération et la migration des cellules dosages4,5, 6,7,8,9,10,11,12,13,14 ou complémentaires en vivo évaluations4,5,6,8,15,16, comme nécessitant une forte intensité et une expertise appréciable consommation de temps et du travail.
Récemment, la phase quantitative imaging (QPI) est apparu comme une nouvelle technique qui permet l’évaluation accélérée et sans étiquetage d’une variété de cellule morphologie et le comportement paramètres17,18,19, 20 , 21 , 22. Contrairement à la microscopie optique conventionnelle, QPI quantifie les variations de déphasage pixel par pixel après la lumière passe à travers un objet optique, puis reconstruit un testament olographe avec épaisseur optique converti et volume, permettant ainsi le direct analyse des cellules vivantes et les caractéristiques suivantes : (1) quantitative imagerie, imagerie (2) non invasive et Time-lapse, imagerie (3) l’étiquette-libre et l’imagerie multiparamétrique (4) simultanée. Ces caractéristiques font de QPI un outil puissant pour évaluer et comprendre les processus pathologiques au niveau cellulaire.
Dans une étude récente, nous avons utilisé le QPI pour quantitativement caractériser et différencier les angiogénique SDU-A et non-angiogénique SDU-N phénotypes des cellules d’ostéosarcome humain d’une manière systématique et quantitative, combinant l’analyse de la morphologie cellulaire, prolifération et23de la motilité. À l’aide de logiciels d’analyse image, un panneau de cellule morphologique et comportement paramètres ont été quantitativement comparées entre les cellules humaines ostéosarcome angiogénique et non-angiogénique et cinq différences caractéristiques ont été identifiées entre ces deux phénotypes. Cette approche novatrice fournit une plate-forme intégrée et quantitative pour évaluer une variété de caractéristiques cellulaires biologiquement pertinentes.
Protocol
Representative Results
Discussion
Dans cette étude, nous décrivons une in vitro, non invasif et sans étiquette de méthode à l’aide de QPI pour caractériser quantitativement les phénotypes angiogénique et non-angiogénique des cellules humaines ostéosarcome. Plusieurs paramètres cellulaires ont été analysés en même temps par cette méthode intégrée, haut débit, y compris le taux de prolifération, en doublant le temps, la franchise de migration, vitesse de motilité, migration et motilité, volume cellulaire, épaisseur de la c…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Les auteurs remercient le soutien de la Breast Cancer Research Foundation et l’Advanced Medical Research Foundation.
Materials
| T75 flask | Corning, NY, USA | 353136 | |
| 6-well plates | Corning, NY, USA | 3506 | |
| Dulbecco’s modified Eagle medium (DMEM) | Thermo Fisher Scientific, MA, USA | 11965092 | |
| Fetal bovine serum (FBS) | Atlanta Biologicals, GA, USA | S11550 | |
| Penicillin Streptomycin | Thermo Fisher Scientific, MA, USA | 15140122 | |
| Phosphate buffered saline (PBS) | Thermo Fisher Scientific, MA, USA | 10010023 | |
| Beckman Z1 Coulter counter | Beckman Coulter, IN, USA | Z1 | |
| HoloMonitor M4 | Phase Holographic Imaging Phi AB, Lund, Sweden | M4 | Microscope |
| Hololid | Phase Holographic Imaging Phi AB, Lund, Sweden | PHI 8020 | |
| HStudioM4 | Phase Holographic Imaging Phi AB, Lund, Sweden | HStudioM4 | Software |
References
- Folkman, J. Angiogenesis in cancer, vascular, rheumatoid and other disease. Nature Medicine. 1 (1), 27-31 (1995).
- Hanahan, D., Folkman, J. Patterns and emerging mechanisms of the angiogenic switch during tumorigenesis. Cell. 86 (3), 353-364 (1996).
- Harper, J., Moses, M. A. Molecular regulation of tumor angiogenesis: mechanisms and therapeutic implications. EXS. (96), 223-268 (2006).
- Naumov, G. N., et al. A model of human tumor dormancy: an angiogenic switch from the nonangiogenic phenotype. Journal of the National Cancer Institute. 98 (5), 316-325 (2006).
- Fang, J., et al. Matrix metalloproteinase-2 is required for the switch to the angiogenic phenotype in a tumor model. Proceedings of the National Academy of Sciences of the United States of America. 97 (8), 3884-3889 (2000).
- Almog, N., et al. Transcriptional switch of dormant tumors to fast-growing angiogenic phenotype. Cancer Research. 69 (3), 836-844 (2009).
- Hu, J., et al. Gene expression signature for angiogenic and nonangiogenic non-small-cell lung cancer. Oncogene. 24 (7), 1212-1219 (2005).
- Harper, J., et al. Repression of vascular endothelial growth factor expression by the zinc finger transcription factor ZNF24. Cancer Research. 67 (18), 8736-8741 (2007).
- Jia, D., et al. Transcriptional repression of VEGF by ZNF24: mechanistic studies and vascular consequences in vivo. Blood. 121 (4), 707-715 (2013).
- Jia, D., Huang, L., Bischoff, J., Moses, M. A. The endogenous zinc finger transcription factor, ZNF24, modulates the angiogenic potential of human microvascular endothelial cells. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 29 (4), 1371-1382 (2015).
- Almog, N., et al. Prolonged dormancy of human liposarcoma is associated with impaired tumor angiogenesis. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 20 (7), 947-949 (2006).
- Almog, N., et al. Consensus micro RNAs governing the switch of dormant tumors to the fast-growing angiogenic phenotype. PloS One. 7 (8), e44001 (2012).
- Satchi-Fainaro, R., et al. Prospective identification of glioblastoma cells generating dormant tumors. PloS One. 7 (9), e44395 (2012).
- Almog, N., et al. Transcriptional changes induced by the tumor dormancy-associated microRNA-190. Transcription. 4 (4), 177-191 (2013).
- Gao, D., Nolan, D. J., Mellick, A. S., Bambino, K., McDonnell, K., Mittal, V. Endothelial progenitor cells control the angiogenic switch in mouse lung metastasis. Science. 319 (5860), 195-198 (2008).
- Folkman, J., Watson, K., Ingber, D., Hanahan, D. Induction of angiogenesis during the transition from hyperplasia to neoplasia. Nature. 339 (6219), 58-61 (1989).
- Popescu, G. . Quantitative phase imaging of cells and tissues. , (2011).
- Lee, K., et al. Quantitative Phase Imaging Techniques for the Study of Cell Pathophysiology: From Principles to Applications. Sensors. 13 (4), 4170-4191 (2013).
- Mir, M., Bhaduri, B., Wang, R., Zhu, R., Popescu, G. Quantitative Phase Imaging. Progress in Optics. 57, 133-217 (2012).
- Marrison, J., Räty, L., Marriott, P., O’Toole, P. Ptychography–a label free, high-contrast imaging technique for live cells using quantitative phase information. Scientific Reports. 3, 2369 (2013).
- Falck Miniotis, M., Mukwaya, A., Gjörloff Wingren, A. Digital holographic microscopy for non-invasive monitoring of cell cycle arrest in L929 cells. PloS One. 9 (9), e106546 (2014).
- Popescu, G., et al. Optical imaging of cell mass and growth dynamics. AJP: Cell Physiology. 295 (2), C538-C544 (2008).
- Guo, P., Huang, J., Moses, M. A. Characterization of dormant and active human cancer cells by quantitative phase imaging. Cytometry. Part A: The Journal of the International Society for Advancement of Cytometry. 91 (5), 424-432 (2017).
- Mir, M., Bergamaschi, A., Katzenellenbogen, B. S., Popescu, G. Highly sensitive quantitative imaging for monitoring single cancer cell growth kinetics and drug response. PloS One. 9 (2), e89000 (2014).
- Mir, M., Tangella, K., Popescu, G. Blood testing at the single cell level using quantitative phase and amplitude microscopy. Biomedical Optics Express. 2 (12), 3259-3266 (2011).
- Park, Y., et al. Measurement of red blood cell mechanics during morphological changes. Proceedings of the National Academy of Sciences of the United States of America. 107 (15), 6731-6736 (2010).
- Pham, H. V., Bhaduri, B., Tangella, K., Best-Popescu, C., Popescu, G. Real time blood testing using quantitative phase imaging. PloS One. 8 (2), e55676 (2013).
- Sridharan, S., Macias, V., Tangella, K., Kajdacsy-Balla, A., Popescu, G. Prediction of prostate cancer recurrence using quantitative phase imaging. Scientific Reports. 5, 9976 (2015).
- Park, H., et al. Measuring cell surface area and deformability of individual human red blood cells over blood storage using quantitative phase imaging. Scientific Reports. 6, 34257 (2016).
- Bishitz, Y., Gabai, H., Girshovitz, P., Shaked, N. T. Optical-mechanical signatures of cancer cells based on fluctuation profiles measured by interferometry. Journal of Biophotonics. 7 (8), 624-630 (2014).
