Summary

Анализ содержания капель Lipid в делении и подающих надежды дрожжах с использованием автоматизированной обработки изображений

Published: July 17, 2019
doi:

Summary

Здесь мы представляем MATLAB реализации автоматизированного обнаружения и количественного описания липидных капель в флуоресценционной микроскопии изображения деления и подающий надежды дрожжевых клеток.

Abstract

Липидный метаболизм и его регулирование представляют интерес как для фундаментальных, так и для прикладных наук о жизни и биотехнологии. В этой связи различные виды дрожжей используются в качестве моделей в липидных метаболических исследованиях или для промышленного производства липидов. Липидные капли являются высокодинамическими телами хранения, и их клеточное содержание представляет собой удобное считывание липидного метаболического состояния. Флуоресцентная микроскопия является методом выбора для количественного анализа клеточных липидных капель, так как он опирается на широко доступное оборудование и позволяет анализ отдельных липидных капель. Кроме того, микроскопический анализ изображений может быть автоматизирован, что значительно увеличивает общую пропускную мощность анализа. Здесь мы описываем экспериментальный и аналитический рабочий процесс для автоматизированного обнаружения и количественного описания отдельных липидных капель в трех различных видов дрожжей модели: расщепление дрожжей Schizosaccharomyces pombe и Schizosaccharomyces japonicus, и подающий надежды дрожжи Saccharomyces cerevisiae. Липидные капли визуализированы с помощью BODIPY 493/503, а клеточный флуоресцентный декетр добавляется в культурные носители, чтобы помочь определить границы клеток. Клетки подвергаются 3D эпифлюоресценции микроскопии в зеленых и синих каналах и в результате z-стек изображения обрабатываются автоматически трубопровода MATLAB. Процедура выводит богатые количественные данные о содержании клеточных липидных капель и индивидуальных характеристиках липидных капель в табличном формате, пригодном для анализа вниз по течению в основных электронных таблицах или статистических пакетах. Мы предоставляем пример ы анализ содержания липидных капель в различных условиях, которые влияют на клеточный метаболизм липидов.

Introduction

Липиды играют решающую роль в клеточной энергии и метаболизме углерода, синтезе мембранных компонентов и производстве биологически активных веществ. Липидный метаболизм дорабатывается в зависимости от условий окружающей среды, наличия питательных веществ и фазы1клеточного цикла. У людей метаболизм липидов был связан с такими заболеваниями, как ожирение, диабет II типа и рак2. В промышленности липиды, производимые микроорганизмами, такими как дрожжи, представляют собой перспективный источник возобновляемого дизельного топлива3. Клетки хранят нейтральные липиды в так называемых липидных каплях (ЛД). Эти эволюционно сохраненные тела состоят из триацилглицерола, стерилового эфира, внешнего фосфолипидного монослойного и связанных с ними белков1. ЛД возникают в эндоплазмической ретикулум, оказывают клеточного цикла или роста фазы динамики, и имеют важное значение для клеточного липидного гомеостаза1. LD номер и морфология может быть использован а также удобный прокси при анализе метаболизма липидов в различных условиях роста или при скрининге панели мутантов. Учитывая их динамичный характер, методы, способные анализировать свойства отдельных ЛД, представляют особый интерес в исследованиях липидного метаболизма.

Различные виды дрожжей были использованы для описания липидов связанных метаболических путей и их регулирования, или используется в биотехнологии для производства интересных соединений или топлива1. Кроме того, для модели дрожжей, таких как подающий надежды дрожжи Saccharomyces cerevisiae или отдаленно связанных деления дрожжей Schizosaccharomyces pombe, генома всей удаления деформации библиотеки доступны, которые могут быть использованы для высокой пропускной вещи экраны4,5. Недавно состав и динамика LD были описаны в S. pombe6,7,8,9,и мутанты, связанные с липидным метаболизмом, были изолированы в новых дрожжах модели Schizosaccharomyces japonicus10.

Многочисленные методы доступны для изучения содержания и динамики Ld. Большинство используют какой-то окрашивания LDs с липофильных красителей, таких как Нил Красный или BODIPY 493/503. Последний показывает более узкое возбуждение и спектры выбросов, а также повышенную специфичность в отношении нейтральных липидов (ЛД), в отличие от фосфолипидов (мембран)11. Фторметрические и цитометрии потока методы были успешно использованы в различных грибковых видов, чтобы раскрыть гены и условия роста, которые влияют на содержание липидовхранения 12,13,14,15. Хотя эти методы подходят для высокопроизводительных приложений, они не могут измерять числа и морфологию отдельных ЛД в клетках, которые могут значительно отличаться между условиями роста и генотипами. Когерентное раганского рассеяния или цифровой голографической микроскопии являются без этикетки методами, которые дают данные ld-уровня, но требуют специализированного дорогостоящего оборудования16,17,18. Флуоресценция микроскопии, с другой стороны, может обеспечить подробные данные о содержании ЛД, используя при этом широко доступные инструменты и программные средства анализа изображений. Существует несколько аналитических рабочих процессов, которые имеют различные степени сложности и автоматизации в обнаружении ячеек/Ld из данных изображений, и оптимизированы для различных типов клеток, таких как метазоановые клетки с большими LDs19,20 , 21, или подающий надежды дрожжи17,22,23. Некоторые из этих подходов работают только в 2D (например, на максимальных проекционных изображениях), которые могут не описать достоверно содержание клеточного ЛП. Насколько нам известно, не существует инструментов для определения содержания ЛД и морфологии от деления дрожжей микроскопических данных. Разработка автоматизированного и надежного анализа на уровне ЛД обеспечит повышенную чувствительность и повышение статистической мощи, а также даст богатую информацию о нейтральном содержании липидов, в идеале в нескольких видах дрожжей.

Мы разработали рабочий процесс для анализа содержания ЛД из 3D флуоресцентной микроскопии изображений дрожжевых клеток. Клетки жизни окрашены С BODIPY 493/503 и Каскад Синий dextran для визуализации LDs и определить границы клеток, соответственно. Клетки обездвижены на стеклянных слайдах и подвергаются z-стек изображений с помощью стандартного эпифлюоресцентного микроскопа. Изображения затем обрабатываются автоматизированным конвейером, внедряемым в MATLAB, широко используемом (коммерческом) пакете для статистического анализа. Конвейер выполняет предобработку изображения, сегментацию (клетки против фона, удаление мертвых ячеек) и идентификацию LD. Богатые данные ld-уровня, такие как размер ЛД и интенсивность флуоресценции, затем предоставляются в табликовом формате, совместимом с основными программными средствами электронной таблицы. Рабочий процесс был успешно использован для определения влияния наличия источников азота на метаболизм липидов в S. pombe24. Теперь мы демонстрируем функциональность рабочего процесса в S. pombe, S. japonicus и S. cerevisiae, используя условия роста или мутанты, которые влияют на содержание клеточного LD.

Protocol

1. Подготовка решений и средств массовой информации Подготовка липидного окрашивающего раствора. Для приготовления бульонного липидного окрашивающего растворения растворяются 10 мг BODIPY 493/503 в 10 мл ангидроусного ДМСО (окончательная концентрация 1 мг/мл). Растворите ?…

Representative Results

Вся процедура обобщена в рисунке 1 для дрожжей деления (подающий надежды дрожжей рабочий процесс является аналогичным), а ниже мы приведены примеры того, как рабочий процесс может быть использован для изучения содержания ЛД в трех различных видов дрожжей в различных усл…

Discussion

Понимание липидного метаболизма и его регуляции имеет важное значение как для базовой биологии, так и для клинического и биотехнологического применения. Содержание ЛД представляет собой удобное считывание состояния липидного метаболизма клетки, при этом флуоресцентная микроскопия ?…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Эта работа была поддержана Чарльзуниверситет гранты PRIMUS/MED/26, GAUK 1308217 и SVV 260310. Мы благодарим Ондржея Зебеста за помощь в микроскопии и разработке конвейера анализа изображений. Мы благодарим лабораторию ReGenEx за штаммы S. cerevisiae, а также лабораторию JapoNet и Хиронари Ники за штаммы S. japonicus. Ppc1-88 штамм был предоставлен Дрожжи генетический ресурсный центр Японии. Микроскопия проводилась в Лаборатории конфокальной и флуоресценцийной микроскопии, совместно финансируемой Европейским фондом регионального развития и государственным бюджетом Чешской Республики (Проект No. К.1.05/4.1.00/16.0347 и КЗ.2.16/3.1.00/21515).

Materials

12-bit monochromatic CCD camera Hamamatsu ORCA C4742-80-12AG Hamamatsu   or equivalent
Adenine hemisulfate salt, ≥99% Merck A9126-25G  
BODIPY 493/503 (4,4-Difluoro-1,3,5,7,8-Pentamethyl-4-Bora-3a,4a-Diaza-s-Indacene) Thermo Fisher Scientific D3922 for neutral lipid staining
D-(+) – Glucose, ≥99.5% Merck G7021  
Dextran, Cascade Blue, 10,000 MW, Anionic, Lysine Fixable Thermo Fisher Scientific D1976 for negative staining of cells
Dimethyl sulfoxide, ≥99.5% Merck D4540 or higher purity, keep anhydrous on molecular sieves
EMM broth without dextrose Formedium PMD0405 medium may also be prepared from individual components
Fiji/ImageJ software NIH   or equivalent; for visual inspection of microscopic data
High precision cover glasses, 22×22 mm, No 1.5 VWR 630-2186 use any # 1.5 cover glass
Image Processing Toolbox for MATLAB, version 10.0 Mathworks    
Lectin from Glycine max (soybean) Merck L1395 for cell immobilization on slides
MATLAB software, version 9.2 Mathworks    
Microscope slide, 26 x 76 mm, 1 mm thickness Knittel Glass L762601.2 use any microscope slide fitting your microscope stage, clean thoroughly before loading cells
Olympus CellR microscope with automatic z-axis objective movement Olympus   or equivalent
pentaband filter set Semrock F66-985 brightfield, green and blue channels are sufficient
Signal Processing Toolbox for MATLAB, version 7.4 Mathworks    
SP supplements Formedium PSU0101  
standard office computer capable of running MATLAB      
Statistics and Machine Learning Toolbox for MATLAB, version 11.1 Mathworks    
Universal peptone M66 for microbiology Merck 1070431000  
UPLSAPO 60XO objective Olympus   or equivalent
Yeast extract Formedium YEA03  
Yeast nitrogen base without amino acids Formedium CYN0405  

References

  1. Koch, B., Schmidt, C., Daum, G. Storage lipids of yeasts: a survey of nonpolar lipid metabolism in Saccharomyces cerevisiae, Pichia pastoris, and Yarrowia lipolytica. FEMS Microbiology Reviews. 38 (5), 892-915 (2014).
  2. Krahmer, N., Farese, R. V., Walther, T. C. Balancing the fat: lipid droplets and human disease. EMBO Molecular Medicine. 5 (7), 973-983 (2013).
  3. Lazar, Z., Liu, N., Stephanopoulos, G. Holistic Approaches in Lipid Production by Yarrowia lipolytica. Trends in Biotechnology. 36 (11), 1157-1170 (2018).
  4. Kim, D. U., et al. Analysis of a genome-wide set of gene deletions in the fission yeast Schizosaccharomyces pombe. Nature Biotechnology. 28 (6), 1628-1629 (2010).
  5. Giaever, G., Nislow, C. The yeast deletion collection: a decade of functional genomics. Génétique. 197 (2), 451-465 (2014).
  6. Meyers, A., et al. The protein and neutral lipid composition of lipid droplets isolated from the fission yeast, Schizosaccharomyces pombe. Journal of Microbiology (Seoul, Korea). 55 (2), 112-122 (2017).
  7. Meyers, A., et al. Lipid Droplets Form from Distinct Regions of the Cell in the Fission Yeast Schizosaccharomyces pombe. Traffic (Copenhagen, Denmark). 17 (6), 657-659 (2016).
  8. Long, A. P., et al. Lipid droplet de novo formation and fission are linked to the cell cycle in fission yeast. Traffic (Copenhagen, Denmark). 13 (5), 705-714 (2012).
  9. Yang, H. J., Osakada, H., Kojidani, T., Haraguchi, T., Hiraoka, Y. Lipid droplet dynamics during Schizosaccharomyces pombe sporulation and their role in spore survival. Biology Open. , 8 (2016).
  10. Aoki, K., Shiwa, Y., Takada, H., Yoshikawa, H., Niki, H. Regulation of nuclear envelope dynamics via APC/C is necessary for the progression of semi-open mitosis in Schizosaccharomyces japonicus. Genes To Cells: Devoted To Molecular & Cellular Mechanisms. 18 (9), 733-752 (2013).
  11. Karolin, J., Johansson, L. B. A., Strandberg, L., Ny, T. Fluorescence and Absorption Spectroscopic Properties of Dipyrrometheneboron Difluoride (BODIPY) Derivatives in Liquids, Lipid Membranes, and Proteins. Journal of the American Chemical Society. 116 (17), 7801-7806 (1994).
  12. Bozaquel-Morais, B. L., Madeira, J. B., Maya-Monteiro, C. M., Masuda, C. A., Montero-Lomeli, M. A new fluorescence-based method identifies protein phosphatases regulating lipid droplet metabolism. PloS One. 5 (10), e13692 (2010).
  13. Sitepu, I. R., et al. An improved high-throughput Nile red fluorescence assay for estimating intracellular lipids in a variety of yeast species. Journal of Microbiological Methods. 91 (2), 321-328 (2012).
  14. Rostron, K. A., Lawrence, C. L. Nile Red Staining of Neutral Lipids in Yeast. Methods in Molecular Biology (Clifton, N.J.). 1560, 219-229 (2017).
  15. Romero-Aguilar, L., Montero-Lomeli, M., Pardo, J. P., Guerra-Sánchez, G. Lipid Index Determination by Liquid Fluorescence Recovery in the Fungal Pathogen Ustilago Maydis. Journal of Visualized Experiments. (134), 1-6 (2018).
  16. Gupta, A., Dorlhiac, G. F., Streets, A. M. Quantitative imaging of lipid droplets in single cells. The Analyst. , (2018).
  17. Wolinski, H., Bredies, K., Kohlwein, S. D. Quantitative imaging of lipid metabolism in yeast: from 4D analysis to high content screens of mutant libraries. Methods in Cell Biology. , 108-365 (2012).
  18. Campos, V., Rappaz, B., Kuttler, F., Turcatti, G., Naveiras, O. High-throughput, nonperturbing quantification of lipid droplets with digital holographic microscopy. Journal of Lipid Research. 59 (7), 1301-1310 (2018).
  19. Ranall, M. V., Gabrielli, B. G., Gonda, T. J. High-content imaging of neutral lipid droplets with 1,6-diphenylhexatriene. BioTechniques. 51 (1), 35-42 (2011).
  20. Schnitzler, J. G., et al. Nile Red Quantifier: a novel and quantitative tool to study lipid accumulation in patient-derived circulating monocytes using confocal microscopy. Journal of Lipid Research. 58 (11), 2210-2219 (2017).
  21. Bombrun, M., Gao, H., Ranefall, P., Mejhert, N., Arner, P., Wählby, C. Quantitative high-content/high-throughput microscopy analysis of lipid droplets in subject-specific adipogenesis models. Cytometry. Part A the journal of the International Society for Analytical Cytology. 91 (11), 1068-1077 (2017).
  22. Capus, A., Monnerat, M., Ribeiro, L. C., de Souza, W., Martins, J. L., Sant’Anna, C. Application of high-content image analysis for quantitatively estimating lipid accumulation in oleaginous yeasts with potential for use in biodiesel production. Bioresource Technology. 203, 309-317 (2016).
  23. Lv, X., et al. Identification of gene products that control lipid droplet size in yeast using a high-throughput quantitative image analysis. Biochimica et biophysica acta. Molecular and Cell Biology Of Lipids. 1864 (2), 113-127 (2018).
  24. Zach, R., Tvarůžková, J., Schätz, M., Ťupa, O., Grallert, B., Převorovský, M. Mitotic defects in fission yeast lipid metabolism “cut” mutants are suppressed by ammonium chloride. FEMS Yeast Research. 18 (6), 1-7 (2018).
  25. Petersen, J., Russell, P. Growth and the Environment of Schizosaccharomyces pombe. Cold Spring Harbor Protocols. 2016 (3), (2016).
  26. Aoki, K., Furuya, K., Niki, H. Schizosaccharomyces japonicus: A Distinct Dimorphic Yeast among the Fission Yeasts. Cold Spring Harbor Protocols. (12), (2017).
  27. Curran, B. P. G., Bugeja, V. Basic investigations in Saccharomyces cerevisiae. Methods in Molecular Biology (Clifton, N.J.). , 1-14 (2014).
  28. Sabatinos, S. A., Forsburg, S. L. Molecular genetics of Schizosaccharomyces pombe. Methods in Enzymology. 470 (10), 759-795 (2010).
  29. Schindelin, J., Rueden, C. T., Hiner, M. C., Eliceiri, K. W. The ImageJ ecosystem: An open platform for biomedical image analysis. Molecular Reproduction and Development. 82 (7-8), 518-529 (2015).
  30. Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  31. Nakamura, T., Pluskal, T., Nakaseko, Y., Yanagida, M. Impaired coenzyme A synthesis in fission yeast causes defective mitosis, quiescence-exit failure, histone hypoacetylation and fragile DNA. Open Biology. 2 (9), 120117 (2012).
  32. Furuya, K., Niki, H. Isolation of heterothallic haploid and auxotrophic mutants of Schizosaccharomyces japonicus. Yeast. 26 (4), 221-233 (2009).
  33. Ivnitski-Steele, I., et al. Identification of Nile red as a fluorescent substrate of the Candida albicans ATP-binding cassette transporters Cdr1p and Cdr2p and the major facilitator superfamily transporter Mdr1p. Analytical Biochemistry. 394 (1), 87-91 (2009).
  34. Wolinski, H., Kohlwein, S. D. Microscopic analysis of lipid droplet metabolism and dynamics in yeast. Methods in Molecular Biology (Clifton, N.J.). 457 (1), 151-163 (2008).
  35. Graml, V., et al. A genomic Multiprocess survey of machineries that control and link cell shape, microtubule organization, and cell-cycle progression. Developmental Cell. 31 (2), 227-239 (2014).

Play Video

Citer Cet Article
Princová, J., Schätz, M., Ťupa, O., Převorovský, M. Analysis of Lipid Droplet Content in Fission and Budding Yeasts using Automated Image Processing. J. Vis. Exp. (149), e59889, doi:10.3791/59889 (2019).

View Video