Summary

마이크로어레이를 사용하여 암 세포 표현형에 대한 미세 환경적 영향을 심문

Published: May 21, 2019
doi:

Summary

여기에 제시된 방법의 목적은 미세 환경 마이크로어레이(MEMA)가 배양된 세포의 표현형에 대한 수천 개의 간단한 조합 미세 환경의 영향을 심문하기 위해 제조되고 사용될 수 있는 방법을 보여주는 것입니다.

Abstract

미세 환경이 세포의 표현형에 미치는 영향을 이해하는 것은 생체 내 미세 환경에서 수용성 성장 인자와 매트릭스 관련 단백질의 복잡한 혼합물로 인해 어려운 문제입니다. 또한, 시험관 내 미세 환경의 모델링을 위해 쉽게 사용할 수 있는 시약은 일반적으로 불완전하게 정의되고 배치 가변성으로 고통받는 단백질의 복잡한 혼합물을 이용합니다. 미세 환경 마이크로어레이(MEMA) 플랫폼은 단일 분석에서 세포 표현형에 미치는 영향에 대해 수천 가지의 미세 환경 단백질 조합을 평가할 수 있습니다. MEMA는 배열된 세포외 매트릭스(ECM) 단백질을 포함하는 우물을 분리하기 위해 개별 리간드를 첨가할 수 있는 웰 플레이트에 제조됩니다. 각 인쇄 된 ECM과 수용성 리간드의 조합은 독특한 조합을 형성한다. 전형적인 MEMA 분석은 세포가 단 하나 분석에서 드러내는 2,500의 유일한 조합 마이크로환경을 포함합니다. 시험 사례로서, 유방암 세포주 MCF7은 MEMA 플랫폼에서 도금되었다. 이 분석법의 분석은 이 세포의 성장 그리고 증식을 강화하고 억제하는 둘 다 인자를 확인했습니다. MEMA 플랫폼은 매우 유연하며 암 연구 를 넘어 다른 생물학적 질문과 함께 사용하기 위해 확장 될 수 있습니다.

Introduction

2차원(2D) 단층에서 플라스틱에 암 세포주를 배양하는 것은 암 연구자들의 주요 주력 중 하나입니다. 그러나, 미세 환경은 점점 세포 표현형에 영향을 미치는 그것의 기능에 대 한 인식 되 고. 암에서, 종양 미세환경은 성장, 생존, 침습 및치료요법에대한 반응 1,2를포함하는 다중 세포 행동에 영향을 미치는 것으로 알려져 있다. 전통적인 단층 세포 배양은 전형적으로 미세 환경 영향이 결여되어, 이는 시판되는 정제된 지하 막 추출물을 포함하여 세포를 성장시키기 위해 보다 복잡한 3차원(3D) 어설법의 발달을 주도하고 있다. 그러나, 이러한 정제된 행렬은 전형적으로 사용하기가 복잡하고 배치 가변성3 및 복잡한 조성물3과같은 기술적 문제로 고통받고 있다. 그 결과, 세포 표현형 3에 영향을 미칠 수 있는 특정 단백질에기능을 할당하는 것은 어려울 수 있습니다.

이러한 한계를 해결하기 위해, 우리는 세포 외 매트릭스 (ECM) 및 수용성 성장 인자 단백질4,5의 간단한 조합으로 미세 환경을 감소시키는 미세 환경 마이크로 어레이 (MEMA) 기술을 개발했습니다. . MEMA 플랫폼은 세포의 거동에 영향을 미치는 지배적인 미세 환경 요인을 식별할 수 있게 합니다. 배열 형식을 사용하면 단일 실험에서 수천 개의 미세 환경 요인 조합을 분석할 수 있습니다. 여기에 기술된 MEMA는 ~ 2,500개의 상이한 독특한 미세 환경 조건을 심문합니다. 잘 판에 인쇄된 ECM 단백질은 세포가 배양될 수 있는 성장 패드를 형성합니다. 수용성 리간드가 개별 우물에 첨가되어 세포가 노출되는 각 다른 지점에 고유한 조합 미세 환경(ECM + 리간드)을 생성합니다. 세포는 이러한 특정 미세 환경 조합에 노출의 결과로 세포 표현형을 평가하기 위해 며칠 동안 배양된 다음 고정, 염색 및 이미지화됩니다. 미세 환경은 간단한 조합이기 때문에 세포의 주요 현상형 변화를 유도하는 단백질을 식별하는 것은 간단합니다. MEMA는 세포 운명 결정 및 치료 4,5,6,7에대한 반응을 유도하는 요인을 포함하여 다중 세포 표현형에 영향을 미치는 요인을 확인하기 위해 성공적으로 사용되었습니다. 이러한 반응은 간단한 2D 실험에서 검증될 수 있고 종양 미세 환경의 복잡성을 보다 완전하게 재입증하는 조건하에서 평가될 수 있다. MEMA 플랫폼은 좋은 표현형 바이오마커를 사용할 수 있는 경우 다양한 세포 유형 및 종점에 매우 적응할 수 있습니다.

Protocol

참고: 예상 시간을 포함하여 전체 MEMA 프로세스의 개요는 그림1에 표시된 흐름 다이어그램에 설명되어 있습니다. 이 프로토콜은 8웰 플레이트에서 MEMA의 제작에 대해 자세히 설명합니다. 프로토콜은 다른 플레이트 또는 슬라이드에 적용될 수 있다. 1. 단백질, 희석제 및 염색 완충제의 준비 EPM, 리간드 및 사이토카인의 바이알을 실온(R…

Representative Results

세포 성장 및 증식에 대한 미세 환경적 영향을 단순화하고 세포 성장 및 증식을 촉진 또는 억제하는 조건을 식별하기 위해, 유방암 세포주 MCF7은 프로토콜에 기재된 바와 같이 8개의 8-well MEMA 세트에 시드되었다. 이 분석은 총 2736개의 조합 미세 환경 조건에 대해 48개의 상이한 EPM 및 57개의 다른 리간드에 세포를 노출하였다. 배양 에서 71 시간 후, 세포는 EdU, 고정, 투과 및 DAPI로 염색, EdU 검출에 대?…

Discussion

“차원성”과 맥락의 중요성은 미세 환경(11)과의상호 작용을 통해 암세포의 특성화에 도구로서 시험관 내 배양 시스템의 개발에 동기 부여 요인이되었습니다 11, 및 생체 외에서의 능력 생체 내 환경을 모방하는 문화 시스템은 이러한 문화 시스템을 개선하기 위한 탐구의 원동력입니다. 그러나 체외 시스템은 복잡한 생체 내 상황을 단순화된 모델12로증류하는 능?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

이 작품은 네트워크 셀룰러 서명 (LINCS) 보조금 HG008100 (J.W.G., L.M.H., 및 J.E.K)의 NIH 공통 기금 라이브러리에 의해 지원되었다.

Materials

Aushon 2470 Aushon BioSystems Arrayer robot system used in the protocol
Nikon HCA Nikon High Content Imaging system designed around Nikon Eclipse Ti Inverted Microscope
BioTek Precision XS liquid Handler BioTek liquid handling robot used in the protocol
Trizma hydrochloride buffer solution Sigma T2069
EDTA Invitrogen 15575-038
Glycerol Sigma G5516
Triton X100 Sigma T9284
Tween 20 Sigma P7949
Kolliphor P338 BASF 50424591
384-well microarray plate, cylindrical well Thermo Fisher ab1055
Nunc 8 well dish Thermo Fisher 267062
Paraformaldehyde 16% solution Electron Microscopy Science 15710
BSA Fisher BP-1600
Sodium Azide Sigma S2002
Cell Mask Molecular Probes H32713
Click-iTEdU Alexa Fluor Molecular Probes C10357
DAPI Promo Kine PK-CA70740043
ALCAM R & D Systems 656-AL ECM
Cadherin-20 (CDH20) R & D Systems 5604-CA ECM
Cadherin-6 (CDH6) R & D Systems 2715-CA ECM
Cadherin-8 (CDH8) R & D Systems 188-C8 ECM
CD44 R & D Systems 3660-CD ECM
CEACAM6 R & D Systems 3934-CM ECM
Collagen I Cultrex 3442-050-01 ECM
Collagen Type II Millipore CC052 ECM
Collagen Type III Millipore CC054 ECM
Collagen Type IV Sigma C5533 ECM
Collagen Type V Millipore CC077 ECM
COL23A1 R & D Systems 4165-CL ECM
Desmoglein 2 R & D Systems 947-DM ECM
E-cadherin (CDH1) R & D Systems 648-EC ECM
ECM1 R & D Systems 3937-EC ECM
Fibronectin R & D Systems 1918-FN ECM
GAP43 Abcam ab114188 ECM
HyA-500K R & D Systems GLR002 ECM
HyA-50K R & D Systems GLR001 ECM
ICAM-1 R & D Systems 720-IC ECM
Laminin Sigma L6274 ECM
Laminin-5 Abcam ab42326 ECM
Lumican R & D Systems 2846-LU ECM
M-Cad (CDH15) R & D Systems 4096-MC ECM
Nidogen-1 R & D Systems 2570-ND ECM
Osteoadherin/OSAD R & D Systems 2884-AD ECM
Osteopontin (SPP) R & D Systems 1433-OP ECM
P-Cadherin (CDH3) R & D Systems 861-PC ECM
PECAM1 R & D Systems ADP6 ECM
Tenascin C R & D Systems 3358-TC ECM
VCAM1 R & D Systems ADP5 ECM
vitronectin R & D Systems 2308-VN ECM
Biglycan R & D Systems 2667-CM ECM
Decorin R & D Systems 143-DE ECM
Periostin R & D Systems 3548-F2 ECM
SPARC/osteonectin R & D Systems 941-SP ECM
Thrombospondin-1/2 R & D Systems 3074-TH ECM
Brevican R & D Systems 4009-BC ECM
Elastin BioMatrix 5052 ECM
Fibrillin Lynn Sakai Lab OHSU N/A ECM
ANGPT2 RnD_Systems_Own 623-AN-025 Ligand
IL1B RnD_Systems_Own 201-LB-005 Ligand
CXCL8 RnD_Systems_Own 208-IL-010 Ligand
IGF1 RnD_Systems_Own 291-G1-200 Ligand
TNFRSF11B RnD_Systems_Own 185-OS Ligand
BMP6 RnD_Systems_Own 507-BP-020 Ligand
FLT3LG RnD_Systems_Own 308-FK-005 Ligand
CXCL1 RnD_Systems_Own 275-GR-010 Ligand
DLL4 RnD_Systems_Own 1506-D4-050 Ligand
HGF RnD_Systems_Own 294-HGN-005 Ligand
Wnt5a RnD_Systems_Own 645-WN-010 Ligand
CTGF Life_Technologies_Own PHG0286 Ligand
LEP RnD_Systems_Own 398-LP-01M Ligand
FGF2 Sigma_Aldrich_Own SRP4037-50UG Ligand
FGF6 RnD_Systems_Own 238-F6 Ligand
IL7 RnD_Systems_Own 207-IL-005 Ligand
TGFB1 RnD_Systems_Own 246-LP-025 Ligand
PDGFB RnD_Systems_Own 220-BB-010 Ligand
WNT10A Genemed_Own 90009 Ligand
PTN RnD_Systems_Own 252-PL-050 Ligand
BMP3 RnD_Systems_Own 113-BP-100 Ligand
BMP4 RnD_Systems_Own 314-BP-010 Ligand
TNFSF11 RnD_Systems_Own 390-TN-010 Ligand
CSF2 RnD_Systems_Own 215-GM-010 Ligand
BMP5 RnD_Systems_Own 615-BMC-020 Ligand
DLL1 RnD_Systems_Own 1818-DL-050 Ligand
NRG1 RnD_Systems_Own 296-HR-050 Ligand
KNG1 RnD_Systems_Own 1569-PI-010 Ligand
GPNMB RnD_Systems_Own 2550-AC-050 Ligand
CXCL12 RnD_Systems_Own 350-NS-010 Ligand
IL15 RnD_Systems_Own 247-ILB-005 Ligand
TNF RnD_Systems_Own 210-TA-020 Ligand
IGFBP3 RnD_Systems_Own 675-B3-025 Ligand
WNT3A RnD_Systems_Own 5036-WNP-010 Ligand
PDGFAB RnD_Systems_Own 222-AB Ligand
AREG RnD_Systems_Own 262-AR-100 Ligand
JAG1 RnD_Systems_Own 1277-JG-050 Ligand
BMP7 RnD_Systems_Own 354-BP-010 Ligand
TGFB2 RnD_Systems_Own 302-B2-010 Ligand
VEGFA RnD_Systems_Own 293-VE-010 Ligand
IL6 RnD_Systems_Own 206-IL-010 Ligand
CXCL12 RnD_Systems_Own 351-FS-010 Ligand
NRG1 RnD_Systems_Own 378-SM Ligand
IGFBP2 RnD_Systems_Own 674-B2-025 Ligand
SHH RnD_Systems_Own 1314-SH-025 Ligand
FASLG RnD_Systems_Own 126-FL-010 Ligand

References

  1. Hanahan, D., Coussens, L. M. Accessories to the crime: functions of cells recruited to the tumor microenvironment. Cancer Cell. 21 (3), 309-322 (2012).
  2. Quail, D. F., Joyce, J. A. Microenvironmental regulation of tumor progression and metastasis. Nature Medicine. 19 (11), 1423-1437 (2013).
  3. Hughes, C. S., Postovit, L. M., Lajoie, G. A. Matrigel: a complex protein mixture required for optimal growth of cell culture. Proteomics. 10 (9), 1886-1890 (2010).
  4. LaBarge, M. A., et al. Human mammary progenitor cell fate decisions are products of interactions with combinatorial microenvironments. Integrative Biology (Cambridge). 1 (1), 70-79 (2009).
  5. Watson, S. S., et al. Microenvironment-Mediated Mechanisms of Resistance to HER2 Inhibitors Differ between HER2+ Breast Cancer Subtypes. Cell Systems. 6 (3), 329-342 (2018).
  6. Ranga, A., et al. 3D niche microarrays for systems-level analyses of cell fate. Nature Communications. 5, 4324 (2014).
  7. Malta, D. F. B., et al. Extracellular matrix microarrays to study inductive signaling for endoderm specification. Acta Biomater. 34, 30-40 (2016).
  8. Kamentsky, L., et al. Improved structure, function and compatibility for CellProfiler: modular high-throughput image analysis software. Bioinformatics. 27 (8), 1179-1180 (2011).
  9. Gagnon-Bartsch, J. A., Jacob, L., Speed, T. P. Removing Unwanted Variation from High Dimensional Data with Negative Controls. University of California, Berkeley, Department of Statistics, University of California, Berkeley. , (2013).
  10. Allan, C., et al. OMERO: flexible, model-driven data management for experimental biology. Nature Methods. 9 (3), 245-253 (2012).
  11. Simian, M., Bissell, M. J. Organoids: A historical perspective of thinking in three dimensions. Journal of Cell Biology. 216 (1), 31-40 (2017).
  12. Bissell, M. J. The differentiated state of normal and malignant cells or how to define a “normal” cell in culture. International Review of Cytology. 70, 27-100 (1981).
  13. Serban, M. A., Prestwich, G. D. Modular extracellular matrices: solutions for the puzzle. Methods. 45 (1), 93-98 (2008).
  14. Kaylan, K. B., et al. Mapping lung tumor cell drug responses as a function of matrix context and genotype using cell microarrays. Integrative Biology (Cambridge). 8 (12), 1221-1231 (2016).
  15. Lin, C. H., Jokela, T., Gray, J., LaBarge, M. A. Combinatorial Microenvironments Impose a Continuum of Cellular Responses to a Single Pathway-Targeted Anti-cancer Compound. Cell Reports. 21 (2), 533-545 (2017).
  16. Gjorevski, N., et al. Designer matrices for intestinal stem cell and organoid culture. Nature. 539 (7630), 560-564 (2016).
check_url/58957?article_type=t

Play Video

Cite This Article
Smith, R., Devlin, K., Kilburn, D., Gross, S., Sudar, D., Bucher, E., Nederlof, M., Dane, M., Gray, J. W., Heiser, L., Korkola, J. E. Using Microarrays to Interrogate Microenvironmental Impact on Cellular Phenotypes in Cancer. J. Vis. Exp. (147), e58957, doi:10.3791/58957 (2019).

View Video