Summary

Unicellulaire quantification des ARNm et Expression de protéines de Surface CD4 infectées par le Virus d’immunodéficience simien+ T les cellules isolées de macaques rhésus

Published: September 25, 2018
doi:

Summary

Décrit est une méthodologie pour quantifier l’expression des 96 gènes et 18 protéines de surface de cellules uniques ex vivo, permettant d’identifier de façon différentielle exprimée des gènes et des protéines dans les cellules infectées par le virus par rapport aux cellules non infectées. Nous appliquons la démarche d’étude CD4 infectés par le SIV+ T cellules isolées de macaques rhésus.

Abstract

Analyse de cellules individuelles est un important outil de dissection des populations hétérogènes de cellules. L’identification et l’isolement de cellules rares peuvent être difficiles. Pour relever ce défi, une combinaison de méthodologie indexé de cytométrie en flux et haut débit multiplex quantitative PCR (qPCR) a été développé. L’objectif était d’identifier et de caractériser le virus de l’immunodéficience simienne (vis)-infecté les cellules présentes au sein de macaques rhésus. Par dosage de la protéine de surface par un tri de cellule activée par fluorescence (FACS) et de l’ARNm par qPCR, cellules infectées par le virus sont identifiés par l’expression des gènes viraux, qui est combinée avec les mesures de gènes et des protéines hôte pour créer un profil multidimensionnel . Nous appelons l’approche, évaluation unicellulaires Proteo-transcriptional ciblée ou tSCEPTRE. Pour exécuter la méthode, des cellules viables sont colorées avec des anticorps fluorescents spécifiques de marqueurs de surface utilisés pour isoler les FACS d’un sous-ensemble de cellules et/ou d’analyse phénotypique en aval. Cellules individuelles sont triés suivis par lyse immédiate, multiplexe transcription inverse (RT), les pré amplification par PCR et haut débit qPCR de jusqu’à 96 transcrits. Les mesures de FACS sont enregistrées au moment du tri et liés ultérieurement pour les données d’expression de gène en position bien à créer une protéine combinée et le profil transcriptionnel. Pour étudier les infectés par le SIV cellules directement ex vivo, les cellules ont été identifiés par la détection de qPCR de multiples espèces d’ARN virales. La combinaison des transcriptions virales et la quantité de chaque fournissent un cadre pour la classification des cellules en étapes distinctes du cycle de vie viral (p. ex., productives et non productives). En outre, tSCEPTRE des cellules SIV+ ont été par rapport à des cellules isolées du même spécimen pour évaluer des protéines et gènes différentiellement exprimés hôtes. L’analyse a révélé précédemment incomprises hétérogénéité d’expression de RNA virale chez les cellules infectées comme in vivo la régulation des gènes post-transcriptionnels induite par le SIV avec résolution unicellulaire. La méthode tSCEPTRE est pertinente pour l’analyse d’une population cellulaire se prête à l’identification par l’expression du marqueur de la protéine de surface, ou des gènes pathogène ou d’un hôte ou une combinaison.

Introduction

De nombreux pathogènes intracellulaires dépendent de machinerie cellulaire hôte à répliquer, souvent modifier la biologie cellulaire hôte ou ciblage très certaines sous-populations de cellules de l’hôte pour maximiser leurs chances de propagation. Ainsi, les processus biologiques de cellule sont communément perturbés, avec des conséquences délétères sur la santé globale de l’hôte. Compréhension des interactions entre les virus et les cellules de l’hôte dans lequel ils répliquent élucidera les mécanismes de la maladie qui pourraient contribuer à l’élaboration de stratégies et d’amélioration des traitements pour prévenir l’infection. Les outils d’analyse directes qui permettent l’étude des interactions hôte-pathogène sont essentiels à cette fin. Analyse de cellule unique fournit le seul moyen d’attribuer sans ambiguïté un phénotype cellulaire à un génotype particulier, ou infection état1. Par exemple, les infections pathogènes induisent fréquemment des changements tant directes qu’indirectes dans les cellules de l’hôte. Par conséquent, distinguer les cellules infectées de leurs homologues non infectés est nécessaire à l’attribut change de cellule hôte à une infection directe ou des effets secondaires, tels que généralisé l’inflammation. En outre, de nombreux agents pathogènes, tels que SIV et des virus de l’immunodéficience (VIH), infection de cellule hôte procède par étapes multiples, tels que dès le début, fin, ou latente, dont chacun peut être caractérisée par gènes distincts et protein expression profils2 , 3 , 4 , 5. analyses en vrac des mélanges de cellules vont échouer à capturer cette hétérogénéité6. En revanche, fortement multiplexés analyses unicellulaires capables de quantifier l’expression des deux virale et gènes hôtes offrent un moyen de résoudre les perturbations cellulaires spécifiques à l’infection, y compris les variations à travers des stades de l’infection. En outre, analyse des interactions hôte-pathogène chez physiologiquement paramètres pertinents est essentiel pour l’identification des événements qui se produisent dans les organismes infectés. Ainsi, les méthodes pouvant être appliquées directement ex vivo sont susceptibles de la meilleure capture en vivo traite.

SIV et VIH cible CD4+ T des cellules, dans lesquelles ils lutter contre les facteurs antiviraux « restriction » de l’hôte et atténuent présentatrices d’antigènes molécules afin d’établir une infection productive et éviter la surveillance immunitaire7,8, 9,10,11. Sans traitement, l’infection se traduit par une perte massive de CD4+ T cells, finalement sanctionnée par acquis d’immunodéficience (sida)12. Dans le cadre d’une thérapie antirétrovirale, réservoirs de cellules infectées de façon latente persistent depuis des décennies, posant un obstacle redoutable à stratégies curatives. Comprendre les propriétés de in vivo des cellules infectées par le VIH/SIV a le potentiel pour révéler les caractéristiques des cellules hôte joué un rôle dans la pathogénie et la persistance. Toutefois, cela a été très difficile, en raison surtout de la low frequency des cellules infectées et manque de réactifs capables de les identifier facilement. Les cellules qui transcrivent l’ARN viral, sont estimés à présent à 0,01 – 1 % de CD4 des cellules dans le sang et les tissus lymphoïdes13,14,15+ T. Sous un traitement suppressif, cellules infectées de façon latente sont encore moins fréquentes à 10-3-10-7 16,17,18. Coloration de la protéine virale dosages que bien pour l’étude des infections in vitro , par exemple pour des Gag intracellulaire, sont sous-optimaux en raison de la coloration de fond de 0,01 à 0,1 %, similaire ou supérieure à la fréquence des cellules infectées13, 14. Surface de coloration pour protéine Env en utilisant des anticorps monoclonaux spécifiques au SIV/VIH Env bien caractérisés aussi a été prouvée que sera difficile, probablement pour des raisons similaires. Récemment, les nouveaux outils visent à améliorer la détection des cellules exprimant le Gag soit par intégrant des analyses spécifiques pour gag RNA ou à l’aide de moyens d’imagerie technologies14,15,19. Cependant, ces approches restent limités dans le nombre de mesures quantitatives effectuées sur chaque cellule.

Nous décrivons ici la méthodologie qui (1) identifie les cellules infectées par le virus directement ex vivo de qPCR quantitative sensible et spécifique des gènes viraux et (2) quantifie l’expression des protéines de surface jusqu’à 18 et 96 gènes pour chaque infecté (et cellules non infectées). Cette méthode combine la mesure de la protéine de surface monocellulaire de FACS, suivie de la lyse cellulaire immédiate et à l’aide de gene expression analyse multiplexés qPCR ciblée sur le système Biomark. La technologie intégrée circuit fluidique (IFC) permet multiplexé dosage des 96 gènes 96 échantillons simultanément, accompli par une matrice de 9 216 chambres dans lesquelles sont effectuées les réactions individuelles qPCR. Le tri des cellules vivantes FACS enregistre les mesures d’abondance haute teneur protéique tout en préservant le transcriptome de tout analyse effectuée immédiatement en aval. Pour identifier les cellules infectées par le virus, dosages spécifiques pour l’ARN viral alternativement épissé et unspliced (vRNA) sont inclus dans l’analyse de qPCR, avec un panel de tests définis par l’utilisateur totalisant jusqu’à 96 gènes, le nombre maximal d’essais actuellement logés dans la SFI. Les l’expression des gènes et les protéines informations collectées pour chaque cellule sont reliées par une position bien. Nous avons déjà indiqué les résultats de cette analyse ailleurs20. Ici, nous fournissons plus d’orientations méthodologiques, mais aussi plus descriptive phénotypage des CD4 infectés par le SIV+ T des cellules.

Cette approche, que nous appelons tSCEPTRE, peut être appliquée à des suspensions d’une population de cellules viables réactive anticorps fluorescent étiquetés et exprimant un transcriptome compatible avec des essais de qPCR disponible. Par exemple, il peut être utilisé pour caractériser les gènes différentiel et expression de la protéine dans les cellules rares ou pas facilement distingués par des marqueurs de la protéine de surface des cellules. La préparation de l’échantillon se fonde sur une norme souillant le protocole utilisant des anticorps disponibles dans le commerce. Cytomètres de flux avec capacité de tri unicellulaires sont également disponibles dans le commerce, mais des précautions biosécurité supplémentaires sont nécessaires pour le traitement des cellules vivantes infectieuses. Enregistrer le profil d’expression de protéines monocellulaires pour chaque cellule de position bien, mentionné aux présentes comme indexée tri, est une caractéristique commune des FACS disponibles dans le commerce, logiciel de tri. Analyse computationnelle de gènes différentiellement exprimés hôte parmi les populations de cellules d’intérêt n’est pas décrit ici, mais les références sont fournies aux méthodes publiées antérieurement.

Protocol

Remarque : Un schéma du flux de protocole est illustré à la Figure 1. Il se compose de trois étapes principales : FACS, RT et préamplification ADNc et qPCR jusqu’à 96 gènes simultanément. Deux versions du protocole, tri des cellules en limitant les dilutions et le tri des cellules individuelles, sont décrites en détail dans les étapes 5 et 6, respectivement. Ces stratégies aborder des questions de recherche différents mais suivent des procédures similaires. <p class="jove…

Representative Results

Le flux de travail pour l’ensemble du protocole est représenté dans la Figure 1. Il se compose de deux variations définies par le nombre de cellules triées : chaque dilution limitante ou en tant que simple de cellules, comme décrit dans le texte. Exemples d’apprêt-sonde analyse de qualification sur 2 fois des dilutions sériées de RNA sont indiquées à la Figure 2. La stratégie de blocage pour identifier les éventu…

Discussion

Le protocole décrit ici, appelé tSCEPTRE, intègre le dosage de la protéine de surface monocellulaire par cytométrie multiparamétrique avec l’expression de l’ARNm unicellulaires quantitative par RT-qPCR hautement multiplexé. L’union de ces deux technologies permet à haute teneur instantanés du combiné transcriptionnelles et profil protéique des cellules individuelles dans un format haut débit. Nous utilisons la méthode pour identifier les cellules jusqu’ici insaisissables infectés par le SIV en v…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Les auteurs aimeraient remercier le NIAID VRC Flow Cytometry Core et les installations du MHRP Flow Cytometry Core pour l’entretien et le fonctionnement des instruments de FACS et des appareils à tri ; Maria Montero, Vishakha Sharma, Kaimei Song for expertise assistance technique ; Michael Piatak, Jr. (décédé) d’assistance avec un modèle SIV qPCR dosage ; et Brandon Keele et Matthew Scarlotta pour SIV isoler les séquences. Les opinions exprimées sont celles des auteurs et ne doivent pas être interprétées pour représenter les positions de l’armée américaine ou le ministère de la défense. Recherche a été effectuée en vertu d’un protocole approuvé l’utilisation des animaux dans une installation AAALAC accrédité dans le respect de l’Animal Welfare Act et autres lois fédérales et les règlements relatifs aux animaux et expériences impliquant des animaux et adhère aux principes indiqué dans le Guide pour l’édition 2011 de soins et utilisation des animaux de laboratoire, Publication du CNRC.

Materials

RNA extraction and PCR reagents and consumables

Genemate 96-Well Semi-Skirted PCR Plate

BioExpress/VWR

T-3060-1

Adhesive PCR Plate Seals

ThermoFisher

AB0558

Armadillo 384-well PCR Plate

ThermoFisher

AB2384

MicroAmp Optical Adhesive Film

Applied Biosystems/ThermoFisher

4311971

DEPC Water

Quality Biological

351-068-101

Glass Distilled Water

Teknova

W3345

Superscript III Platinum One-Step qRT-PCR Kit

Invitrogen/ThermoFisher

11732088

SUPERase-In Rnase Inhibitor

Invitrogen/ThermoFisher

AM2696

Platinum Taq

Invitrogen/ThermoFisher

10966034

dNTP Mix

Invitrogen/ThermoFisher

18427088

ROX Reference Dye (if separate from kit)

Invitrogen/ThermoFisher

12223012

DNA Suspension Buffer

Teknova

T0223

RNAqueous kit

Invitrogen/ThermoFisher

AM1931

TaqMan gene expression assays not listed in Table 2

CD6

Applied Biosystems/ThermoFisher

Hs00198752_m1

TLR3

Applied Biosystems/ThermoFisher

Hs1551078_m1

Biomark reagents

Control Line Fluid Kit

Fluidigm

89000021

TaqMan Universal PCR Mix

Applied Biosystems/ThermoFisher

4304437

Assay Loading Reagent

Fluidigm

85000736

Sample Loading Reagent

Fluidigm

85000735

Dynamic Array 96.96 (chip)

Fluidigm

BMK-M-96.96

FACS reagents

SPHERO COMPtrol Goat anti-mouse (lambda)

Spherotech Inc.

CMIgP-30-5H

CompBeads Anti-Mouse Ig,k

BD Biosciences

51-90-9001229

5 ml Polystyrene tube with strainer cap

FALCON

352235

Aqua Live/Dead stain

Invitrogen/ThermoFisher

L34976

dilute 1:800

Mouse Anti-Human CD3 BV650 clone SP34-2

BD Biosciences

563916

dilute 1:40

Mouse Anti-Human CD4 BV786 clone L200

BD Biosciences

563914

dilute 1:20

Mouse Anti-Human CD8 BUV496 clone RPA-T8

BD Biosciences

564804

dilute 1:10

Mouse Anti-Human CD28 BV711 clone CD28.2

Biolegend

302948

dilute 1:20

Mouse Anti-Human CD95 BUV737 clone DX2

BD Biosciences

564710

dilute 1:10

Mouse Anti-Human CD14 BV510 clone M5E2

Biolegend

301842

dilute 1:83

Mouse Anti-Human CD16 BV510 clone 3G8

Biolegend

302048

dilute 1:167

Mouse Anti-Human CD20 BV510 clone 2H7

Biolegend

302340

dilute 1:37

Anti-CD38-R PE clone OKT10

NHP reagent recource

N/A

dilute 1:100

Mouse Anti-Human CD69 BUV395 clone FN50

BD Biosciences

564364

dilute 1:10

Mouse Anti-Human HLA-DR APC-H7 clone G46-6

BD Biosciences

561358

dilute 1:20

Mouse Anti-Human ICOS Alexa Fluor 700 clone C398.4A

Biolegend

313528

dilute 1:80

Instruments

BioPrptect Containment Enclosure

Baker

BD FACS Aria

BD Biosciences

ProtoFlex Dual 96-well PCR system

Applied Biosystems/ThermoFisher

4484076

Quant Studio 6 qPCR instrument

Applied Biosystems/ThermoFisher

4485694

IFC controller HX

Fluidigm

IFC-HX

Biomark HD

Fluidigm

BMKHD-BMKHD

References

  1. Macaulay, I. C., Ponting, C. P., Voet, T. Single-Cell Multiomics: Multiple Measurements from Single Cells. Trends Genet. 33 (2), 155-168 (2017).
  2. Pasternak, A. O., Lukashov, V. V., Berkhout, B. Cell-associated HIV RNA: a dynamic biomarker of viral persistence. Retrovirology. 10, 41 (2013).
  3. Mailler, E., et al. The Life-Cycle of the HIV-1 Gag-RNA Complex. Viruses. 8 (9), (2016).
  4. Varmus, H. Retroviruses. Science. 240 (4858), 1427-1435 (1988).
  5. Frankel, A. D., Young, J. A. HIV-1: fifteen proteins and an RNA. Annu Rev Biochem. 67, 1-25 (1998).
  6. Dominguez, M. H., et al. Highly multiplexed quantitation of gene expression on single cells. J Immunol Methods. 391 (1-2), 133-145 (2013).
  7. Tokarev, A., Guatelli, J. Misdirection of membrane trafficking by HIV-1 Vpu and Nef: Keys to viral virulence and persistence. Cell Logist. 1 (3), 90-102 (2011).
  8. Malim, M. H., Bieniasz, P. D. HIV Restriction Factors and Mechanisms of Evasion. Cold Spring Harb Perspect Med. 2 (5), a006940 (2012).
  9. Sugden, S. M., Bego, M. G., Pham, T. N., Cohen, E. A. Remodeling of the Host Cell Plasma Membrane by HIV-1 Nef and Vpu: A Strategy to Ensure Viral Fitness and Persistence. Viruses. 8 (3), 67 (2016).
  10. Simon, V., Bloch, N., Landau, N. R. Intrinsic host restrictions to HIV-1 and mechanisms of viral escape. Nat Immunol. 16 (6), 546-553 (2015).
  11. Kirchhoff, F. Immune evasion and counteraction of restriction factors by HIV-1 and other primate lentiviruses. Cell Host Microbe. 8 (1), 55-67 (2010).
  12. Wigzell, H. Immunopathogenesis of HIV infection. J Acquir Immune Defic Syndr. 1 (6), 559-565 (1988).
  13. Reynolds, M. R., et al. Ex vivo analysis of SIV-infected cells by flow cytometry. Cytometry A. 77 (11), 1059-1066 (2010).
  14. Baxter, A. E., et al. Single-Cell Characterization of Viral Translation-Competent Reservoirs in HIV-Infected Individuals. Cell Host Microbe. 20 (3), 368-380 (2016).
  15. Grau-Exposito, J., et al. A Novel Single-Cell FISH-Flow Assay Identifies Effector Memory CD4+ T cells as a Major Niche for HIV-1 Transcription in HIV-Infected Patients. MBio. 8 (4), (2017).
  16. Eriksson, S., et al. Comparative analysis of measures of viral reservoirs in HIV-1 eradication studies. PLoS Pathog. 9 (2), e1003174 (2013).
  17. Finzi, D., et al. Identification of a reservoir for HIV-1 in patients on highly active antiretroviral therapy. Science. 278 (5341), 1295-1300 (1997).
  18. Chomont, N., et al. HIV reservoir size and persistence are driven by T cell survival and homeostatic proliferation. Nat Med. 15 (8), 893-900 (2009).
  19. DeMaster, L. K., et al. A Subset of CD4/CD8 Double-Negative T Cells Expresses HIV Proteins in Patients on Antiretroviral Therapy. J Virol. 90 (5), 2165-2179 (2015).
  20. Bolton, D. L., et al. Combined single-cell quantitation of host and SIV genes and proteins ex vivo reveals host-pathogen interactions in individual cells. PLoS Pathog. 13 (6), e1006445 (2017).
  21. Quintans, J., Lefkovits, I. Precursor cells specific to sheep red cells in nude mice. Estimation of frequency in the microculture system. Eur J Immunol. 3 (7), 392-397 (1973).
  22. Finak, G., et al. MAST: a flexible statistical framework for assessing transcriptional changes and characterizing heterogeneity in single-cell RNA sequencing data. Genome Biol. 16, 278 (2015).
  23. McDavid, A., et al. Modeling bi-modality improves characterization of cell cycle on gene expression in single cells. PLoS Comput Biol. 10 (7), e1003696 (2014).
  24. McDavid, A., Finak, G., Gottardo, R. The contribution of cell cycle to heterogeneity in single-cell RNA-seq data. Nat Biotechnol. 34 (6), 591-593 (2016).
  25. Kok, Y. L., Ciuffi, A., Metzner, K. J. Unravelling HIV-1 Latency, One Cell at a Time. Trends Microbiol. , (2017).
  26. Rato, S., Golumbeanu, M., Telenti, A., Ciuffi, A. Exploring viral infection using single-cell sequencing. Virus Res. 239, 55-68 (2017).
  27. Wagner, A., Regev, A., Yosef, N. Revealing the vectors of cellular identity with single-cell genomics. Nat Biotechnol. 34 (11), 1145-1160 (2016).
  28. Nestorowa, S., et al. A single-cell resolution map of mouse hematopoietic stem and progenitor cell differentiation. Blood. 128 (8), e20-e31 (2016).
  29. Soh, K. T., et al. Simultaneous, Single-Cell Measurement of Messenger RNA, Cell Surface Proteins, and Intracellular Proteins. Curr Protoc Cytom. 75, 41-47 (2016).
  30. Kochan, J., Wawro, M., Kasza, A. Simultaneous detection of mRNA and protein in single cells using immunofluorescence-combined single-molecule RNA FISH. Biotechniques. 59 (4), 209-212 (2015).
  31. Stahlberg, A., Thomsen, C., Ruff, D., Aman, P. Quantitative PCR analysis of DNA, RNAs, and proteins in the same single cell. Clin Chem. 58 (12), 1682-1691 (2012).
  32. Assarsson, E., et al. Homogenous 96-plex PEA immunoassay exhibiting high sensitivity, specificity, and excellent scalability. PLoS One. 9 (4), e95192 (2014).
  33. Fredriksson, S., et al. Protein detection using proximity-dependent DNA ligation assays. Nat Biotechnol. 20 (5), 473-477 (2002).
  34. Genshaft, A. S., et al. targeted profiling of single-cell proteomes and transcriptomes in a single reaction. Genome Biol. 17 (1), 188 (2016).
  35. Mahnke, Y. D., Roederer, M. Optimizing a multicolor immunophenotyping assay. Clin Lab Med. 27 (3), 469-485 (2007).
  36. Liang, C., Hu, J., Russell, R. S., Kameoka, M., Wainberg, M. A. Spliced human immunodeficiency virus type 1 RNA is reverse transcribed into cDNA within infected cells. AIDS Res Hum Retroviruses. 20 (2), 203-211 (2004).
  37. Stegle, O., Teichmann, S. A., Marioni, J. C. Computational and analytical challenges in single-cell transcriptomics. Nat Rev Genet. 16 (3), 133-145 (2015).
  38. Wu, M., Singh, A. K. Single-cell protein analysis. Curr Opin Biotechnol. 23 (1), 83-88 (2012).
  39. Haque, A., Engel, J., Teichmann, S. A., Lonnberg, T. A practical guide to single-cell RNA-sequencing for biomedical research and clinical applications. Genome Med. 9 (1), 75 (2017).

Play Video

Cite This Article
Tokarev, A., Creegan, M., Eller, M. A., Roederer, M., Bolton, D. L. Single-cell Quantitation of mRNA and Surface Protein Expression in Simian Immunodeficiency Virus-infected CD4+ T Cells Isolated from Rhesus macaques. J. Vis. Exp. (139), e57776, doi:10.3791/57776 (2018).

View Video