Summary

Encellede kvantifisering av mRNA og overflaten Protein uttrykk i Simian immunsvikt-Virus-infiserte CD4+ T celler isolert fra Rhesus aper

Published: September 25, 2018
doi:

Summary

Beskrevet er en metode for å quantitate uttrykket av 96 gener 18 overflaten proteiner av enkeltceller ex vivo, tillater for identifikasjon av ulikt uttrykt gener og proteiner i virus-infiserte celler i forhold til uninfected celler. Vi bruker tilnærming til studiet SIV-infiserte CD4+ T celler isolert fra rhesus aper.

Abstract

Én celle analyse er et viktig verktøy for dissekere heterogene bestander av celler. Identifisering og isolering av sjeldne celler kan være vanskelig. For å overvinne denne utfordringen, en metodikk kombinere indeksert flowcytometri og høy gjennomstrømming multiplex kvantitative polymerasekjedereaksjons (qPCR) ble utviklet. Målet var å identifisere og karakterisere simian immunsviktvirus (SIV)-infiserte celler innenfor rhesus aper. Gjennom kvantifisering av overflaten protein av fluorescens-aktivert celle sortering (FACS) og mRNA av qPCR identifiseres virus-infiserte celler av viral genuttrykk, som er kombinert med verten genet og protein mål å opprette en flerdimensjonal profil . Vi kaller det tilnærming, målrettet encellede BG-transcriptional evaluering eller tSCEPTRE. For å utføre metoden, er levedyktige cellers farget med fluorescerende antistoffer spesifikke for overflate markører brukes for FACS isolering av en celle delsett og/eller nedstrøms fenotypiske analyse. Enkeltceller sorteres etterfulgt av umiddelbar lysis, multiplex omvendt transkripsjon (RT), PCR pre forsterkning og høy gjennomstrømning qPCR av opptil 96 transkripsjoner. FACS målinger registreres ved sortering og senere knyttet til den genuttrykk data av godt posisjon til å skape en kombinert protein og transcriptional profil. Å studere SIV-infiserte celler direkte ex vivo, cellene ble identifisert ved qPCR deteksjon av flere viral RNA arter. Kombinasjonen av viral utskrifter og antallet av hver gir en ramme for klassifisering celler i forskjellige stadier av viral levetid (f.eksproduktiv versus ikke-produktive). Videre var tSCEPTRE av SIV+ celler sammenlignet med infisert celler isolert fra samme prøven å vurdere ulikt uttrykt vert gener og proteiner. Analysen avdekket tidligere verdsatt viral RNA uttrykk heterogenitet blant infiserte celler så vel som i vivo SIV-mediert post-transcriptional gene regulering med encellede oppløsning. Metoden tSCEPTRE er relevant for analyse av noen celle befolkningen mottakelig for identifikasjon av uttrykk av overflaten protein marker(s), vert eller patogen gene(s) eller kombinasjoner av disse.

Introduction

Mange intracellulær patogener stole på verten celle maskiner å gjenskape, ofte endre vert cellebiologi eller målretting svært spesifikke subpopulasjoner av verten cellene å maksimere sine sjanser til overføring. Som et resultat, er celle biologiske prosesser ofte forstyrret, med skadelige konsekvenser for den generelle tilstanden til verten. Forstå samspillet mellom virus og verten cellene der de gjenskape vil belyse sykdom mekanismer som kan hjelpe til utvikling av bedre behandlinger og strategier å hindre infeksjon. Direkte analytisk verktøy som muliggjør studiet av vert-patogen interaksjoner er avgjørende mot dette formål. Én celle analyse er den eneste å entydig tillegge en mobilnettet fenotypen til bestemt genotype eller infeksjon status1. For eksempel skape patogene infeksjoner ofte både direkte og indirekte vertsceller. Derfor skille infiserte celler fra sine infisert kolleger er nødvendig å attributtendringer verten celle direkte infeksjon eller sekundære effekter, eksempel generalisert betennelse. Videre, for mange patogener, som SIV og humant immunsvikt-virus (HIV), verten celle infeksjon går gjennom flere faser, som tidlig, sent, eller latente, hver kan være preget av forskjellige gene og protein uttrykk profiler2 , 3 , 4 , 5. bulk analyser av cellen blandinger mislykkes å fange denne heterogene6. Derimot multiplekset svært encellede analyser kunne kvantifisere uttrykk for både virus og vert tilblivelse tilbud en betyr å løse infeksjon-spesifikke mobilnettet forstyrrelser, inkludert variasjoner over infeksjon stadier. Videre analysere vert-patogen interaksjoner i fysiologisk relevante innstillinger er avgjørende for identifikasjon av hendelser som forekommer i infiserte organismer. Dermed metoder som kan brukes direkte ex vivo er trolig best fange i vivo prosesser.

SIV og HIV målrette CD4+ T celler, som de motvirke vert antiviral “begrensning” faktorer og downregulate antigen presentere molekyler å etablere produktiv infeksjon og unngå immun overvåking7,8, 9,10,11. Uten behandling, infeksjonen resulterer i enorme tap av CD4+ T celler, til slutt kulminerte i ervervet immunodeficiency syndrome (AIDS)12. I innstillingen av antiretroviral terapi vedvare latently infiserte cellen reservoarer i flere tiår, poserer en formidabel barriere til helbredende strategier. Forstå egenskapene i vivo HIV/SIV-infiserte celler har potensial til å avsløre verten celle funksjoner i patogenesen og utholdenhet. Men har dette vært meget utfordrende, hovedsakelig på grunn av low frequency av infiserte celler og mangel på reagenser kan lett identifisere dem. Celler som transkribere viral RNA, er anslått til å være tilstede på 0,01 – 1% av CD4+ T celler i blodet og lymfoidvev13,14,15. Under undertrykkende terapi er latently infiserte celler enda sjeldnere 10-3– 10-7 16,17,18. Viral protein flekker søk som brukes til å studere i vitro infeksjoner, slik som for intracellulær Gag, er suboptimal på grunn av bakgrunnen flekker 0,01-0,1%, lik eller større enn hyppigheten av infiserte celler13, 14. Overflate flekk for konv protein bruker godt karakterisert SIV/HIV konv-spesifikke monoklonale antistoffer har også vist seg for å være vanskelig, trolig av lignende grunner. Nylig romanen verktøy mål å forbedre gjenkjenning av celler som uttrykker Gag enten omfatter søk bestemt for kneble RNA eller ved å bruke alternative bildebehandling teknologier14,15,19. Men disse forbli begrenset i antall kvantitative mål utføres på hver celle.

Her beskriver vi metodikk som (1) identifiserer enkelt virus-infiserte celler direkte ex vivo av sensitiv og bestemt viral genet kvantitative qPCR og (2) kvantifiserer uttrykk for opptil 18 overflaten proteiner og 96 gener for hver infisert (og infisert) cellen. Denne metodikken kombinerer encellede overflaten protein måling av FACS etterfulgt av umiddelbar celle lyse og gene expression analyse bruker multiplekset målrettet qPCR på Biomark systemet. Integrert fluidic krets (IFC) teknologien tillater multiplex kvantifisering av 96 gener fra 96 prøver samtidig ved en matrise av 9,216 kamre som individuelle qPCR reaksjonene utføres. Levende celle FACS sorteringen registrerer høyt innhold protein overflod mål mens bevare det hele transcriptome for analyse utført umiddelbart nedstrøms. Identifisere virus-infiserte celler, analyser bestemt alternativt skjøtes og unspliced viral RNAs (vRNA) er inkludert i qPCR analyse, sammen med et panel av brukerdefinerte analyser totalt opptil 96 gener, maksimalt antall analyser er innkvartert i IFC. Genuttrykk og protein-informasjon som er samlet for hver celle er knyttet av godt posisjon. Vi har tidligere rapportert resultater fra denne analysen andre steder20. Her gir vi mer detaljert metodiske retningslinjene samt ytterligere beskrivende phenotyping av SIV-infiserte CD4+ T celler.

Denne tilnærmingen, som vi kaller tSCEPTRE, kan brukes av suspensjon av noen levedyktig celle befolkningen reaktiv til fluorescently merket antistoffer og uttrykke en transcriptome kompatibel med tilgjengelig qPCR analyser. Det kan for eksempel brukes for å karakterisere differensial gene og protein uttrykk i sjeldne celler eller celler som ikke lett skilles ved overflaten protein. Eksempel utarbeidelsen er avhengig av en standard flekker kommersielt tilgjengelig antistoffer-protokoll. Cytometers med én celle sortering evnen er også kommersielt tilgjengelig, men flere biosikkerhet forholdsregler er nødvendige for behandling smittsomme lever celler. Innspillingen single – cellen protein uttrykk profilen for hver celle av godt posisjon, referert til heretter er som indeksert sortering, en vanlig funksjon i kommersielt tilgjengelig FACS sortering programvare. Beregningsorientert analyse av ulikt uttrykt vert gener blant celle populasjoner av interesse er ikke beskrevet her, men referanser tilbys til tidligere publiserte metoder.

Protocol

Merk: En skjematisk av protokollen arbeidsflyten er vist i figur 1. Det består av tre viktigste trinn: FACS, RT og cDNA før forsterkning og qPCR for opptil 96 gener samtidig. To versjoner av protokollen, sortere celler i begrense fortynninger og sortering enkeltceller, er beskrevet nærmere i trinn 5 og 6, henholdsvis. Disse strategiene adresse ulike problemstillinger, men Følg lignende fremgangsmåter. 1. forutsetning eller tidligere analyser Valider…

Representative Results

Arbeidsflyten for hele protokollen er avbildet i figur 1. Det består av to varianter som er definert av antall celler sortert: enten begrensende fortynning eller som enkelt celler, som beskrevet i teksten. Eksempler på primer-sonden kvalifisering analyser på 2-fold føljetong RNA fortynninger vises i figur 2. Gating strategien for å identifisere potensielle SIV+ celler vises i Figur 3….

Discussion

Protokollen beskrevet her, kalt tSCEPTRE, integrerer encellede overflaten protein kvantifisering av multiparameter flowcytometri med kvantitative encellede mRNA uttrykk av meget multiplex RT-qPCR. Unionen av disse to teknologiene kan høyt innhold øyeblikksbilder av den kombinerte transcriptional og protein profilen til enkeltceller i et format som høy gjennomstrømming. Vi bruker metoden til å identifisere hittil unnvikende celler infisert med SIV i vivo, og Beskriv ulikt uttrykt vert gener og proteiner. Pro…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Forfatterne gjerne takke NIAID VRC Flow cytometri kjernen og MHRP Flow cytometri Core fasiliteter for vedlikehold og drift av FACS instrumenter og sortering utstyr; Maria Montero, Vishakha Sharma, Kaimei Song for ekspert teknisk assistanse; Michael Piatak Jr (død) for hjelp med SIV qPCR analysen design; og Brandon Keele og Matthew Scarlotta for SIV isolere sekvenser. Synspunktene er de av forfatterne, og bør ikke tolkes som representerer plasseringen av den amerikanske hæren eller forsvarsdepartementet. Forskningen ble utført under en godkjent dyr bruk protokoll i et AAALAC akkreditert anlegg i samsvar med det dyr velferd gjerning og andre føderale lover og forskrifter relatert til dyr og eksperimenter som involverer dyr og overholder personvernprinsippene angitt i veiledningen for omsorg og bruk av forsøksdyr, NRC publikasjon, 2011 utgaven.

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).
check_url/57776?article_type=t

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