JoVE Journal > Immunology and Infection
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Please note that all translations are automatically generated. Click here for the English version.
Immunologia e infezioni

Caractérisation des sous-ensembles de Monocyte humain de sang Flow Cytometry analyse

Published: October 17, 2018
doi:
10.3791/57941
, , , , ,
1Department of Surgery, Vascular Biology Research Centre,Westmead Hospital, 2Westmead Clinical School, Department of Surgery,The University of Sydney, 3Westmead Research Hub,Westmead Institute for Medical Research, 4Institute for Clinical Pathology and Medical Research,Westmead Hospital

Summary

Nous présentons ici un protocole pour caractériser les sous-ensembles de monocyte par cytométrie en flux de sang. Cela inclut décrivant comment les sous-ensembles de la porte et évaluer leur expression de marqueurs de surface et donne un exemple de l’évaluation de l’expression des marqueurs de M2 (anti-inflammatoire) et de M1 (inflammatoire).

Abstract

Les monocytes sont les principaux contributeurs dans divers troubles inflammatoires et altérations de ces cellules, y compris leurs proportions de sous-ensemble et fonctions, peuvent avoir de signification pathologique. Une méthode idéale pour l’examen des modifications des monocytes est cytométrie en flux de sang comme la manipulation minimale des échantillons par cette méthode limite d’activation des cellules artéfactuelle. Cependant, différentes approches sont prises pour les sous-ensembles de monocyte menant à l’identification incompatible des sous-ensembles entre les études de la porte. Nous démontrons une méthode à l’aide de cytométrie en flux de sang pour identifier et caractériser les sous-ensembles de monocyte humain (classiques, intermédiaires et non classique). Nous exposons comment préparer les échantillons de sang pour la cytométrie en flux, porte les sous-ensembles (Assurez-vous que les cellules contaminantes ont été supprimées) et déterminer l’expression de sous-ensemble de monocyte des marqueurs de surface — dans le présent exemple M1 et M2 marqueurs. Ce protocole peut être étendu à d’autres études qui nécessitent une méthode de blocage standard pour évaluer les proportions de sous-ensemble de monocytes et expression de sous-ensemble de monocyte des autres marqueurs fonctionnels.

Introduction

Les monocytes sont un type de globules blancs qui jouent un rôle majeur dans la promotion et la résolution de l’inflammation. Il y a trois principaux sous-ensembles de monocytes reconnues, classiques (~ 85 %), intermédiaire (~ 5 %) et non classique (~ 10 %) monocytes, qui sont caractérisées par leur niveau de cluster de différenciation (CD) 14 et CD16 expression1. Les proportions des sous-ensembles de monocytes peuvent varier avec la présence de la maladie, comme une proportion accrue des intermédiaires dans les divers états inflammatoires2,3 , y compris les maladies cardiovasculaires, où le niveau des intermédiaires est associé à des événements cliniques4,5. En outre, dans des conditions de maladie, monocytes peuvent aussi subir des changements fonctionnels, avec de nombreux changements détectables par une différence de surface marqueur expression6,7. Un tel exemple est monocyte M1-inclinaison, une augmentation de marqueurs associés à macrophages M1, qui a été observée dans les maladies cardiovasculaires, le diabète, l’obésité et syndrome métabolique7,8,9 , 10.

Malgré la popularité de cytométrie de flux pour évaluer la fonction et la proportion de sous-ensemble de monocytes, il y a une variabilité considérable dans la préparation des échantillons et sous-ensemble Gate entre les études, ce qui rend difficile de comparer les résultats entre ces études. Ce qui est important, il n’y a pas de consensus dans la délimitation des sous-ensembles de monocytes, mais une approche normalisée est essentielle compte tenu de l’importance clinique des changements dans les proportions de sous-ensemble dans plusieurs maladies. Une partie de la difficulté à blocage procède du fait que les monocytes différencient du classique à travers l’intermédiaire avec le sous-ensemble non-classique11 et à ce titre, les monocytes existent comme un spectre continu plutôt que des populations distinctes12 . Fait intéressant, Zawada et coll. ont montré qu’en utilisant soit un rectangulaire ou trapézoïdale blocage du sous-ensemble intermédiaire, tous deux entraîné dans un sous-groupe intermédiaire supérieur qui prédit une des manifestations cardiovasculaires13. Cela met en évidence que, au moins pour le calcul des proportions, la question clé est appliquant une stratégie cohérente de blocage entre les différents échantillons (et études), plutôt que d’essayer de distinguer définitivement les sous-ensembles. Blocage définitif peut être plus important lors de l’évaluation de fonction, le changement dans l’expression du marqueur entre sous-ensembles est incrémentielle de12,14, et donc encore une fois, cohérence dans le processus de blocage est peut-être clé. Par conséquent, un objectif gating méthode reproductible répartit les sous-ensembles de monocyte entre différents échantillons est nécessaire. Le but de la méthode présentée ici est à la porte des sous-ensembles de monocytes avec une explication claire et justification de la technique de blocage emploient et évaluer les sous-ensembles pour l’expression du marqueur de surface, offrant ainsi une méthode qui permet aux chercheurs d’avoir confiance dans l’utilisation de cette technique lors de l’évaluation des échantillons différents.

Protocol

Cette étude a été approuvée par le Comité d’éthique de recherche humaine WSLHD (HREC) (approbation AU rouge HREC/15/WMEAD/289). 1. préparation pour la cytométrie en flux de sang total Remarque : Comme le sang humain est potentiellement infectieux, le montage de l’échantillon doit être effectué sous une hotte de biohazard. Prélever les échantillons de sang des participants dans 3 mL d’éthylène diamine tétra acétique (EDTA) tubes. Déterminer le nombre de globules blancs (WBC) à l’aide d’un analyseur de hématologie ou un hémocytomètre. Diluée avec du sérum physiologique tamponné au phosphate (PBS) (pH ~ 7,4) pour ajuster la concentration d’environ 5 x 106 globules blancs/mL. Préparer la mélange maître suffisante pour le nombre de tubes (par exemple, pour les 14 tubes, préparer 16 x mélange principal) en combinant 16 x volumes de sang µL 50 µL 0,75 anti-CD14-V450, 0,5 µL anti CD16-APC et 0,625 µL anti HLA-DR-PerCP. Vortex et pipette 51,9 µL du mélange dans chaque tube (tableau 1).Remarque : Les anticorps devraient être réglées pour déterminer des concentrations optimales de coloration pour les anticorps fluorescents utilisés. Ajouter des marqueurs de surface (contrôle de M1 et M2 ou isotype, phycoérythrine (PE)) anticorps (par exemple selon le tableau 2) et PE des marqueurs de cellules T (CD3), les lymphocytes B (CD19), les neutrophiles (CD66b), et les cellules tueuses naturelles (NK) (CD56) (tableau 3). Vortex et incuber pendant 30 min, 4 ° C dans l’obscurité.Remarque : Les marqueurs pour les lymphocytes, les neutrophiles et les cellules NK sont inclus uniquement pour la validation de la méthode de blocage. Ajouter 250 µL de solution fixation combinée de globules rouges de la lyse des globules blancs, vortex, délicatement immédiatement et incuber pendant 10 min à l’obscurité à 4 ° C. Ajouter 250 µL de PBS et un essorage cellules vers le bas à 260 x g pendant 10 min à température ambiante. Retirer le surnageant, remettre en suspension les cellules dans 300 µL de 1 % de formaldéhyde.Remarque : Le formaldéhyde est toxique. Utilisez des gants en nitrile et sous hotte. Conserver à 4 ° C, abri de la lumière jusqu’à ce que l’analyse est réalisée.Remarque : Analyse des flux est recommandé dans les 48 h de préparation de l’échantillon. 2. cytométrie en flux Vérifiez journal cytomètre en flux pour assurer le personnel de l’établissement ont effectué des contrôles de qualité.Remarque : Pour garantir la cohérence entre les analyses, instrument de contrôle de qualité et maintenir cohérente intensités de fluorescence de cible à l’aide de billes de contrôle sont recommandées. Pour mettre en place l’expérience de cytométrie en flux, cliquez sur « nouvelle expérience puis « nouveau spécimen » et « nouveau tube » pour ajouter des tubes. Sélectionner les graphiques à deux variables en cliquant sur l’icône et utilisez les menus déroulants pour sélectionner les paramètres de l’axe. Assurer l’inclusion d’une parcelle de CD16/CD14 et une parcelle affichant un détecteur aux côtés de temps à surveiller l’acquisition. Insérez le tube et cliquez sur « Acquérir ». Vérifiez les paramètres de tension instrument assurant que détecteur de signaux ne sont pas hors échelle. Observer des cellules entrant dans la porte de monocyte de l’intrigue de CD14/CD16. La valeur seuil d’enregistrement 5 000 événements pour la porte de monocyte classique et cliquez sur « Enregistrer ». Continuer à enregistrer des données pour les tubes restants. Après que les données pour tous les tubes ont été enregistrées, exporter des données de débit sous forme de fichiers .fcs pour l’analyse.Remarque : Pour assurer l’exactitude, contrôles de couleur simple compensation doivent être enregistrés. Une matrice de compensation peut être calculée et appliquée aux données avant analyse pour tenir compte de déversement spectrale plus de15,16. 3. monocyte Gate Fichiers ouverts dans le logiciel d’analyse. Double-cliquez sur le nom de tube et sélectionnez Paramètres dans les menus déroulants pour visualiser les cellules sur une zone de dispersion avant FSC (A) / Nuage de FSC(H) de hauteur en avant. Créer un portail d’exclusion doublet en cliquant sur l’icône de l’outil Polygone porte et enfermant les cellules (Figure 1 a). Sélectionnez les cellules fermées (en double cliquant sur la région fermée) et dans le nouveau display case ajuster paramètres du menu déroulant pour afficher les cellules sur un FSC (A) / parcelle de diffusion latérale SSC(A). Cliquez sur l’icône porte rectangulaire puis généreusement la population de monocyte basée sur les propriétés de dispersion vers l’avant et latéraux pour exclure la majorité des lymphocytes, les cellules NK et les granulocytes (Figure 1 b). Sélectionnez les cellules fermées et réafficher sur un terrain de CD14/CD16, en sélectionnant les paramètres en utilisant les menus déroulants. Cliquez sur la porte de polygone pour sélectionner les monocytes basées sur leur forme caractéristique « ┐ » (Figure 1). Sélectionnez les cellules à déchenchements périodiques et sur un terrain de CD16/HLA-DR en utilisant les menus déroulants pour sélectionner les paramètres d’affichage les monocytes. Cliquez sur la porte de polygone pour sélectionner les cellules positives de HLA-DR et exclure tout restant NK les cellules et les neutrophiles17 (Figure 1). Sélectionnez les cellules à déchenchements périodiques et sur un terrain de CD14/HLA-DR, en utilisant les menus déroulants pour sélectionner les paramètres d’affichage les cellules positives de HLA-DR. Cliquez sur la porte de polygone et dessinez une porte pour exclure les cellules de faible haute/CD14 HLA-DR (lymphocytes B expriment des niveaux élevés de HLA-DR, mais pas de CD14) (Figure 1E).Remarque : contamination de lymphocytes B peuvent survenir et donc devrait être étudiée. Si la population non classique à la Figure 1 n’est pas distincte de cellules à sa gauche, alors que la contamination est probable. Étape 3.5 peut être ignorée si lymphocytes B sont chevauchent pas avec des monocytes non-classique. Sélectionnez les cellules fermées et utilisez les menus déroulants pour les afficher sur un terrain de CD16/CD14. Des options de tracé, sélectionnez « Complot Zebra » qui permettra aux portes de sous-ensemble de monocytes à tirer pour déterminer les proportions de sous-ensemble (Figure 1F).Remarque : si zèbre intrigue n’est pas disponible sur le logiciel d’analyse, pseudo couleur (lisse) ou contour tracé peut convenir. Cliquez sur l’icône porte rectangulaire et sélectionnez les monocytes classiques en dessinant une porte rectangulaire environ autour de la population de monocytes bas, classique de haute/CD16 CD14. Dans « Affichage », sélectionnez « Afficher les médianes » pour afficher l’intensité de fluorescence médian pour les monocytes classiques. Régler la porte de sorte que la population a une répartition égale de la médiane à gauche et à droite qui englobe toutes les cellules vers la gauche. Sélectionnez la population intermédiaire en dessinant une porte rectangulaire qui englobe les cellules vers la droite de la porte classique. Régler le bas de la porte d’exclure les cellules non classique en alignant la porte avec le fond des cercles concentriques qui relèvent entièrement de la porte de monocyte classique, qui fait en sorte que le sous-ensemble intermédiaire a une expression de CD14 comparable à la population principale classique conforme à la nomenclature actuelle. Porte le sous-ensemble non classique en dessinant une boîte rectangulaire partir du bord inférieur du sous-ensemble intermédiaire, sélectionner toutes les cellules vers le bas de la population (Figure 1F). Dans « Affichage », sélectionnez « Afficher les fréquences porte » pour déterminer le pourcentage de chaque sous-ensemble de monocytes. 4. validation de la méthode de déclenchement Pour déterminer si les types de cellules potentiellement contaminante sont effectivement bloquées-out, tout d’abord identifier les différentes populations cellulaires avec des anticorps dirigés contre les lymphocytes T (CD3), les lymphocytes B (CD19), neutrophiles (CD66b) et les cellules NK (CD56) (Figure 2).NOTE : Ici T cellules neutrophiles ne siègent pas à proximité de la forme « ┐ » des monocytes et sont bloqués dehors à la Figure 1. Confirment que les cellules NK sont retirées à l’étape 3.4 (Figure 1), et les cellules B sont supprimés à l’étape 3.5 (Figure 1E) comme illustré à la Figure 3. Si les cellules NK ou les lymphocytes B ne sont pas bloquées-out, réajuster les portes. 5. phénotypique Monocyte Marker Expression Sélectionnez les cellules de chaque sous-ensemble de monocytes. Modifier les paramètres de la liste déroulante pour créer un histogramme pour chaque sous-ensemble de monocyte (Figure 1F) affichant chaque marqueur et son isotype correspondant (Figure 4). Calculer le degré d’expression de chaque marqueur (médiane ou moyenne géométrique) par rapport au contrôle isotype respectifs.

Representative Results

La stratégie de blocage de monocytes et analyse en cytométrie en flux utilisé ici (Figure 1) correctement contrôlé les sous-ensembles de monocytes et révèlent leurs proportions relatives. Les proportions (pour cet exemple) ont été calculées comme des classiques de 88,1 %, 4,33 % intermédiaires et 7,49 % non-classiques. Ces portes de sous-ensemble n’étaient pas contaminés par les lymphocytes B, les lymphocytes T, neutrophiles ou cellules NK, qui a été confirmé avec les marqueurs CD19, CD3, CD56 et CD66b, respectivement. En évaluant la position relative des autres populations, il est clair que les lymphocytes T et les neutrophiles tombent bien en dehors de la forme de monocytes » ┐ » sur un terrain de CD16/CD14 (Figure 2 a et 2D). Cependant, les cellules NK et les populations de lymphocytes B se chevauchent avec la population de monocyte non classique (Figure 2 b et 2C). Les étapes de la stratégie de blocage (Figure 1 et 1E) ont été confirmés d’exclure les cellules NK (Figure 3 a) et les lymphocytes B (Figure 3 b). Bien que la population de lymphocytes B comprenait une petite partie des monocytes non classique, la quantité est négligeable. Après avoir contrôlé les sous-ensembles, le degré auquel ils ont exprimé différents marqueurs de surface, M1 (CD64, CD86 et CD120b) et M2 (CD163, CD11b et CD93) a été évaluée. Les marqueurs ont montré expression positive par rapport à leurs contrôles correspondants de l’isotype, comme en témoigne le passage des histogrammes (Figure 4). La médiane des marqueurs était supérieure à celle des témoins isotype. Application de cette stratégie de blocage à un échantillon de sang, qui a été divisée en quatre tubes, colorées et analysés séparément, les rendements des résultats comparables entre les tubes (tableau 4). Figure 1 : monocyte représentant gating stratégie dans le sang humain total. (A) FSC(A) vs FSC(H) terrain : bloquant les cellules qui ont une superficie égale et une hauteur, éliminant ainsi les touffes (plus FSC(A) par rapport à des FSC(H)) et des débris (très faible FSC) K = 1000. (B) FSC(A) vs SSC(A) terrain : large choix de monocytes selon leurs propriétés SSC/FSC. (C) CD16 vs CD14 intrigue : Gating pour sélectionner les monocytes basé sur leur forme caractéristique « ┐ ». (D) CD16 vs HLA-DR intrigue : mécanisme de sélection pour sélectionner les cellules positives de HLA-DR et éliminer les cellules NK. (E) CD14 vs HLA-DR : blocage d’exclure les cellules B (HLA-DR haute/CD14 faible) les monocytes. (F) sélectionné monocytes réaffichées sur CD16 vs CD14 complot pour porte les sous-ensembles de monocytes. Pour A-F couleur représente la densité cellulaire bleu et vert indiquant la densité faible, rouge et orange indiquant haute densité et orange indiquant la densité du milieu de gamme. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure. Figure 2 : Validation de gating stratégie par l’identification de cellules pourraient les contaminer. Les cellules potentiellement contaminantes sont identifiés par des marqueurs cellules (A) T (CD3), (B), B (CD19) des cellules, les cellules NK (C) (CD56) et neutrophiles (D) (CD66b). Les panneaux de gauche montrent d’identification de chaque population après déclenchement selon Figure 1bis et 1 b, avec la couleur qui représente la densité cellulaire de haute (rouge) à faible (bleu). Les panneaux de droite montrent chaque population cellulaire (bleu) superposée à l’intrigue de CD16/CD14 monocyte final de révéler à proximité de ces populations aux monocytes (rouges). S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure. Figure 3 : Confirmation que les étapes gating supprimer cellules contaminantes. Chaleur des cartes montrant le niveau d’expression du haut (rouge) en bas pour (bleu) du CD56 (A) et (B) CD19. Gating d’étapes excluent avec succès les cellules avec haute CD56 (cellules NK) et haute CD19 (cellules B). S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure. Figure 4 : expression de Monocyte de M1 (CD120b) et M2 (CD93) marqueurs. Lissé les histogrammes des monocytes M1 et M2 marqueur expression montrant un changement manifeste de l’isotype (rouge) pour (A) classiques, des intermédiaires (B) et (C) non-classiques (bleue). S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure. Anticorps Volume (sang de 50 µL) Sang de 800 µL volume (x 16) CD14 – V450 0.75 ΜL 12 ΜL CD16 – APC 0,5 ΜL 8 ΜL HLA-DR-PerCP 0,625 ΜL 10 ΜL Tableau 1 : Anticorps pour l’écoulement de sang total et mélange principal. Tube Anticorps de PE Code Isotype Match Concentration de stock Volume de travail 1 IgG1 BD (555749) NA 1,0 µg/20 µL 0,625 ΜL 2 CD163 BD (556018) IgG1 de BD 0,125 µg/20 µL 5 ΜL 3 CD64 BD (558592) IgG1 de BD 0,06 µg/20 µL 10 ΜL 4 IgG1 BD (555749) NA 1,0 µg/20 µL 1,25 ML 5 CD86 BD (555658) IgG1 de BD 1,0 µg/20 µL 1,25 ML 6 CD11b BD (561001) IgG1 de BD 1,0 µg/20 µL 1,25 ML 7 IgG2a R & D (IC003P) NA 25 µg/mL 5 ΜL 8 CD120b (TNFRII) R & D (FAB226P) R & D IgG2a 25 µg/mL 5 ΜL 9 IgG1 BL (400112) NA 0,2 mg/mL 2,5 ΜL 10 CD93 BL (336108) IgG1 BL 50 µg/mL 1,25 ML Tableau 2 : M1/M2-PE Fluorochrome étiquetés anticorps monoclonaux pour l’écoulement de sang. Tube Anticorps Volume de travail 11 CD3 5 ΜL 12 CD19 5 ΜL 13 CD66b 1,25 ML 14 CD56 5 ΜL Tableau 3 : PE Fluorochrome étiquetés anticorps monoclonaux pour les lymphocytes (cellules T, lymphocytes B), les neutrophiles et les cellules NK. Tube % De musique classique % Intermédiaire % Non classique 1 84,3 5.11 10.1 2 84,2 5.05 10.5 3 84,3 5.03 10.7 4 81,6 5.03 12.1 Tableau 4 : Des proportions de sous-ensemble de monocytes du un sang échantillon souillé et analysé séparément.

Discussion

Cytométrie en flux de sang est une approche idéale pour étudier les monocytes que les cellules sont examinées dans des conditions proches de leur microenvironnement physiologique, fournissant un aperçu de leur rôle dans les maladies infectieuses et inflammatoires. En outre, l’utilisation de produits frais (c’est-à-dire, en l’État) des échantillons de sang réduit au minimum les modifications ou transformations cellulaires qui peuvent se produire en raison de stockage ou manipulation18,19, tels que ceux connus pour se produire avec les monocytes de gel-dégel 20. préparation de l’échantillon rapide est recommandée car certains marqueurs sont surexprimés si les échantillons sont conservés à température ambiante avant de la traiter19. Les concentrations optimales de marqueurs M1 et M2 ont été déterminées par titrage, et cela devrait être fait pour les tout nouveaux anticorps afin de limiter les liaisons non spécifiques tout en s’assurant que le degré de changement est due à l’expression de l’antigène et pas limités par l’absence d’anticorps. L’élimination des globules rouges et la fixation des globules blancs avec solution de lyse sont une étape importante dans le présent protocole, comme la présence de globules rouges peut interférer avec l’écoulement cytometry21,22. Notez que bien que certaines solutions de lyse soient compatibles avec une coloration non-laver, les populations plus claires sont évidentes entre nos mains lorsqu’une étape de lavage est utilisée.

Montage correct du cytomètre est également critique en comparant l’expression des marqueurs de monocyte. Nous recommandons que les chercheurs maintiennent les intensités de fluorescence des cibles cohérentes des perles de contrôle et effectuent un contrôle qualité sur l’instrument à utiliser pour fournir des résultats cohérents à travers différents échantillons courir sur des jours différents. En outre, isotype contrôles sont utilisés pour aider à interpréter n’importe quel signal de fond non spécifiques généré par la liaison des anticorps non-spécifiques. Monocytes ont des récepteurs de Fc11 élevées et sont donc sujettes à non-spécifiques. À noter, le degré de liaison non spécifique est différent pour les différents sous-ensembles, et ainsi l’utilisation d’un contrôle d’isotype devient importante lorsque l’on compare le degré d’expression de marqueurs entre sous-ensembles.

Un autre critère important à prendre en considération est le mécanisme de sélection mesures employé. Certaines études suggèrent qu’il est crucial de dessiner une porte étanche autour du monocyte population FSC(A)/SSC(A) complotent pour se débarrasser de la plupart des non-monocytaire CD16 cellules positives23,24,25, mais cela peut conduire à la perte de certains monocytes comme non-monocyte cellules monocytes sur FSC/SSC peuvent chevaucher parcelles26. Pour exclure toute les autres cellules sanguines susceptibles de contaminer les monocytes, l’inclusion d’un troisième marqueur de monocyte outre CD14 et CD16, est plutôt essentiel26,27. Pour cette raison, HLA-DR est souvent utilisé et est idéal car il n’est pas exprimée par NK cellules ou neutrophiles17,28. Bien que les lymphocytes (cellules B et les lymphocytes T) peuvent exprimer HLA-DR, ils diffèrent des monocytes à l’égard de l’expression de CD14. HLA-DR est un marqueur de troisième idéal, CD86 a aussi été recommandé5,27,29 mais non utilisée ici car c’est aussi un marqueur de M1 et ainsi son degré d’expression sur des sous-ensembles de monocyte a été évaluée.

Validation de la stratégie de blocage utilisée est d’une importance cruciale. Alors que les cellules NK sont connus pour se chevauchent avec non-classiques, si ils ne sont pas bloquées28, nous remarquons que les cellules B peuvent se chevauchent aussi avec le non-classiques (Figure 2 b) ; Si c’est le cas dans d’autres études peut dépendre le choix fluorochrome, configuration de l’instrument, sensibilité du détecteur ou même l’état pathologique en cours d’examen. Ici, le chevauchement B cellules ont montré forte expression de HLA-DR et ont été bloqués pas dehors par la sélection des cellules positives de HLA-DR dans la Figure 1. Au contraire, pour éliminer les cellules de B, nous avons utilisé une parcelle supplémentaire de CD14 / HLA-DR, où les cellules B séparent de non-classiques en raison de leur supérieur HLA-DR et faible expression CD14.

Il y a aussi des différentes manières dont les portes pour les monocytes eux-mêmes ont été tirés dans la littérature ; Il s’agit de quadrants (les sous-ensembles sont séparées par des marqueurs de quadrant) et les boîtes rectangulaires ou trapézoïdales13 (avec des cases distinctes pour chaque sous-ensemble) qui par ailleurs se distinguent par leur placement délimiter où un sous-ensemble se termine et une autre commence. Ces différences susceptibles de tenir compte du fait que les monocytes existent comme un ensemble homogène de cellules, différenciant des classiques à non-classique, plutôt que comme des populations bien distinctes. Cependant, parce que les variations de techniques pour identifier les sous-ensembles eux-mêmes peuvent conduire à des différences dans les proportions de sous-ensemble de monocyte calculé, il devient important que la méthode de blocage est raisonnablement objectif plutôt que subjectif, comme cela sera rendez la méthode plus robustes et reproductibles. Certaines études utilisent un contrôle de l’isotype pour CD16 afin de déterminer la frontière entre les sous-ensembles classique et intermédiaire30. En revanche, pour définir la séparation entre intermédiaires et non classiques, il a été proposé que la ligne de coupure peut être verticale ou oblique, avec le choix jusqu’à les enquêteurs, la condition étant qu’il doit être reproductible, mais une porte rectangulaire a été recommandée pour faciliter les comparaisons entre les études13,30,31. Ici, objectivité accrue a été obtenue en traçant les données sur un terrain de zèbre et en appliquant des règles objectives visuelles, parce que zebra parcelles fournissent un signal supplémentaire de visualisation en mélangeant le dégradé de couleur à chaque emplacement de probabilité égale sur un tracé d’isolignes traditionnel. La bordure droite du sous-ensemble classique a été dessinée de telle que la population est uniformément répartie autour de la médiane de la population. La division entre les intermédiaires et les non-classiques ont été également normalisée en ayant à la base des intermédiaires s’aligner sur le fond des cercles concentriques au sein de la population classique (c’est-à-dire la population intermédiaire clairement exprime des niveaux élevés de CD14, selon la nomenclature normalisée1).

Alors que certaines études ont suggéré l’utilisation de marqueurs additionnels, tels que C-C type de récepteur de chimiokine 2 (CCR2) ou de sulfo-6 LacNAc (SLAN) pour obtenir l’énumération réussie de monocytes et de révéler leur signification clinique32,33 , dans nos mains le niveau d’expression de nombreux repères fonctionnels de monocyte varie considérablement entre les individus,14. Une telle variation peut limiter l’utilité de ces marqueurs pour définir des sous-ensembles en fonction de leur expression. Des approches informatiques automatisés ont également servis à visualiser et sous-ensembles de monocyte notamment visuel interactif stochastique voisin embedding (viSNE), t-distribué stochastique voisin embedding (tSNE) ou Spanning tree Progression de cluster Analyse de densité normalisé événements (bêche)34,35, qui peut fournir une représentation visuelle des cellules basées sur le jeu de multiples marqueurs utilisés. Tandis que ceci a été montré pour augmenter la précision de la stratégie de blocage dans la classification de sous-ensemble de monocytes, il est reconnu qu’un inconvénient est le nombre d’anticorps (et les canaux correspondants de fluorophore) requis. Son utilité dépend de questions posées ; la complexité supplémentaire ne peut pas être justifiée, par exemple, dans les études de l’énumération.

Monocytes gated avec notre technique montrent des proportions conforme à la littérature et l’expression des marqueurs de surface par les trois sous-ensembles peut être facilement déterminée. Globalement, la technique et la méthode expliquée ici fournit une méthode normalisée et simple énumération des proportions de sous-ensemble de monocytes et évaluer l’expression de marqueurs de surface, qui peut être étendue pour inclure les autres marqueurs ainsi, ce qui valider leurs rôles fonctionnels dans d’autres conditions.

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Cytométrie en flux a été réalisée dans le Flow Cytometry Facility de Core qui est pris en charge par l’Institut de Westmead pour la recherche médicale, Westmead Research Hub, Cancer Institute de New South Wales et la National Health and Medical Research Council. Cette étude a été financée par Clinical Chemistry Research and Education Fund.

Materials

BD vacutainer blood collection set Becton Dickinson 367286
BD vacuitainer K2E 5.5 mg plus blood collection tubes -3.0 ml Becton Dickinson 7128959
Phospahate Buffered Saline (PBS) Lonza 17-516F
5ml polystyrene round bottom FACS tube (12 x 75 mm style) Invitro technologies 352054
V450 Mouse Anti-Human CD14 Antibody [MφP9] BD Biosciences 560349
APC Mouse monoclonal Anti-CD16 Antibody [3G8] Abcam Australia ab140477
Per CP Anti-Human HLA-DR Antibody [L243] BioLegend 307628
PE Mouse IgG1 κ Isotype Control [MOPC-21] BD Biosciences 555749 Lot # 4283901
PE Mouse Anti-Human CD163 Antibody [GHI/61] BD Biosciences 556018 Lot # 2335626
PE Mouse Anti-Human CD64 Antibody [10.1] BD Biosciences 558592 Lot # 36768
PE Mouse Anti-Human CD86 Antibody [2331 (FUN-1)] BD Biosciences 555658 Lot # 3109766
PE Mouse Anti-Human CD11b/Mac-1 Antibody [ ICRF44] BD Biosciences 561001 Lot # 3228959
PE Mouse IgG2A Isotype control [20102] R&D Systems IC003P Lot # 1212031
PE Human TNF RII/TNFRSF1B Antibody [22235] R&D Systems FAB226P Lot # 612051
PE Mouse IgG1, κ Isotype Control [MOPC-21] BioLegend 400112 Lot # B220359
PE Anti-human CD93 Antibody [VIMD2] BioLegend 336107 Lot # B143544
PE Mouse Anti-Human CD3 Antibody [SK7] BD Biosciences 347347 Lot # 3010929
PE Mouse Anti-Human CD19 Antibody [HIB19] BD Biosciences 561741 Lot # 2307721
PE Mouse Anti-Human CD56 Antibody [B159] BD Biosciences 561903 Lot # 3011796
PE Anti-human CD66b Antibody [G10F5] BioLegend 305105 Lot # B154037
OptiLyse C Beckman Coulter A11895
Formaldehyde solution 37% Sigma F1635
BD FACSCanto II Flow Cytometer BD Biosciences
Automatic haematology analyser, XT-1800i Sysmex
Centrifuge GS-6R Beckman
Flowjo software v10.0.7 Tree Star Inc
DOWNLOAD MATERIALS LIST

Riferimenti

  1. Ziegler-Heitbrock, L., et al. Nomenclature of monocytes and dendritic cells in blood. Blood. 116 (16), e74-e80 (2010).
  2. Rossol, M., Kraus, S., Pierer, M., Baerwald, C., Wagner, U. The CD14(bright) CD16+ monocyte subset is expanded in rheumatoid arthritis and promotes expansion of the Th17 cell population. Arthritis & Rheumatism. 64 (3), 671-677 (2012).
  3. Wildgruber, M., et al. The "Intermediate" CD14++CD16+ monocyte subset increases in severe peripheral artery disease in humans. Scientific Reports. 6, 39483 (2016).
  4. Heine, G. H., et al. Monocyte subpopulations and cardiovascular risk in chronic kidney disease. Nature Review Nephrology. 8 (6), 362-369 (2012).
  5. Rogacev, K. S., et al. CD14++CD16+ monocytes independently predict cardiovascular events: a cohort study of 951 patients referred for elective coronary angiography. Journal of the American College of Cardiology. 60 (16), 1512-1520 (2012).
  6. Bories, G., et al. Impaired alternative macrophage differentiation of peripheral blood mononuclear cells from obese subjects. Diabetes and Vascular Disease Research. 9 (3), 189-195 (2012).
  7. Fadini, G. P., et al. An unbalanced monocyte polarisation in peripheral blood and bone marrow of patients with type 2 diabetes has an impact on microangiopathy. Diabetologia. 56 (8), 1856-1866 (2013).
  8. Satoh, N., et al. Unbalanced M1/M2 phenotype of peripheral blood monocytes in obese diabetic patients: effect of pioglitazone. Diabetes Care. 33 (1), 7 (2010).
  9. Chen, X., Devaraj, S. Monocytes from metabolic syndrome subjects exhibit a proinflammatory M1 phenotype. Metabolic Syndrome and Related Disorders. 12 (7), 362-366 (2014).
  10. Williams, H., et al. Human classical monocytes display unbalanced M1/M2 phenotype with increased atherosclerotic risk and presence of disease. International Angiology. 36 (2), 145-155 (2017).
  11. Wong, K. L., et al. Gene expression profiling reveals the defining features of the classical, intermediate, and nonclassical human monocyte subsets. Blood. 118 (5), e16-e31 (2011).
  12. Hijdra, D., Vorselaars, A. D., Grutters, J. C., Claessen, A. M., Rijkers, G. T. Phenotypic characterization of human intermediate monocytes. Frontiers in Immunology. 4, 339 (2013).
  13. Zawada, A. M., et al. Comparison of two different strategies for human monocyte subsets gating within the large-scale prospective CARE FOR HOMe Study. Cytometry Part A. 87 (8), 750-758 (2015).
  14. Patel, V. K., Williams, H., Li, S. C. H., Fletcher, J. P., Medbury, H. J. Monocyte inflammatory profile is specific for individuals and associated with altered blood lipid levels. Atherosclerosis. 263, 15-23 (2017).
  15. Bayer, J., Grunwald, D., Lambert, C., Mayol, J. F., Maynadie, M. Thematic workshop on fluorescence compensation settings in multicolor flow cytometry. Cytometry Part B: Clinical Cytometry. 72 (1), 8-13 (2007).
  16. Szaloki, G., Goda, K. Compensation in multicolor flow cytometry. Cytometry Part A. 87 (11), 982-985 (2015).
  17. Abeles, R. D., et al. CD14, CD16 and HLA-DR reliably identifies human monocytes and their subsets in the context of pathologically reduced HLA-DR expression by CD14(hi) /CD16(neg) monocytes: Expansion of CD14(hi) /CD16(pos) and contraction of CD14(lo) /CD16(pos) monocytes in acute liver failure. Cytometry Part A. 81 (10), 823-834 (2012).
  18. Mukherjee, R., et al. Non-Classical monocytes display inflammatory features: Validation in Sepsis and Systemic Lupus Erythematous. Scientific Reports. 5, 13886 (2015).
  19. Lundahl, J., Halldén, G., Hallgren, M., Sköld, C. M., Hed, J. Altered expression of CD11b/CD18 and CD62L on human monocytes after cell preparation procedures. Journal of Immunological Methods. 180 (1), 93-100 (1995).
  20. Appleby, L. J., et al. Sources of heterogeneity in human monocyte subsets. Immunology Letters. 152 (1), 32-41 (2013).
  21. Dagur, P. K., McCoy, J. P., Robinson, J. P., et al. Collection, Storage, and Preparation of Human Blood Cells. Current protocols in cytometry. 73, (2015).
  22. Einwallner, E., et al. Lysis matters: Red cell lysis with FACS Lyse affects the flow cytometric enumeration of circulating leukemic blasts. Journal of Immunological Methods. 390 (1), 127-132 (2013).
  23. Tsujioka, H., et al. Impact of Heterogeneity of Human Peripheral Blood Monocyte Subsets on Myocardial Salvage in Patients With Primary Acute Myocardial Infarction. Journal of the American College of Cardiology. 54 (2), 130-138 (2009).
  24. Autissier, P., Soulas, C., Burdo, T. H., Williams, K. C. Immunophenotyping of lymphocyte, monocyte and dendritic cell subsets in normal rhesus macaques by 12-color flow cytometry: Clarification on DC heterogeneity. Journal of Immunological Methods. 360 (1), 119-128 (2010).
  25. Hristov, M., Schmitz, S., Nauwelaers, F., Weber, C. A flow cytometric protocol for enumeration of endothelial progenitor cells and monocyte subsets in human blood. Journal of Immunological Methods. 381 (1-2), 9-13 (2012).
  26. Zawada, A. M., et al. Monocyte heterogeneity in human cardiovascular disease. Immunobiology. 217 (12), 1273-1284 (2012).
  27. Zawada, A. M., et al. SuperSAGE evidence for CD14++CD16+ monocytes as a third monocyte subset. Blood. 118 (12), e50-e61 (2011).
  28. Heimbeck, I., et al. Standardized single-platform assay for human monocyte subpopulations: Lower CD14+CD16++ monocytes in females. Cytometry Part A. 77 (9), 823-830 (2010).
  29. Rogacev, K. S., et al. Monocyte heterogeneity in obesity and subclinical atherosclerosis. European Heart Journal. 31 (3), 369-376 (2010).
  30. Ziegler-Heitbrock, L., Hofer, T. P. J. Toward a Refined Definition of Monocyte Subsets. Frontiers in Immunology. 4, 23 (2013).
  31. Weber, C., et al. Role and analysis of monocyte subsets in cardiovascular disease. Joint consensus document of the European Society of Cardiology (ESC) Working Groups “Atherosclerosis & Vascular Biology” and “Thrombosis”. Thromb Haemost. 116 (4), 626-637 (2016).
  32. Shantsila, E., et al. Immunophenotypic characterization of human monocyte subsets: possible implications for cardiovascular disease pathophysiology. Journal of Thrombosis and Haemostasis. 9 (5), 1056-1066 (2011).
  33. Hofer, T. P., et al. slan-defined subsets of CD16-positive monocytes: impact of granulomatous inflammation and M-CSF receptor mutation. Blood. 126 (24), 2601-2610 (2015).
  34. Qiu, P., et al. Extracting a cellular hierarchy from high-dimensional cytometry data with SPADE. Nature Biotechnology. 29, 886 (2011).
  35. Thomas, G. D., et al. Human Blood Monocyte Subsets: A New Gating Strategy Defined Using Cell Surface Markers Identified by Mass Cytometry. Arteriosclerosis, Thrombosis, and Vascular Biology. 37 (8), 1548-1558 (2017).

Tags

Monocyte SubsetsFlow CytometryWhole Blood AnalysisCD14CD16HLA-DRM1 And M2 MarkersGatingRed Blood Cell LysisWhite Blood Cell FixationSample PreparationFlow Cytometry SetupQuality Control

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
Marimuthu, R., Francis, H., Dervish, S., Li, S. C., Medbury, H., Williams, H. Characterization of Human Monocyte Subsets by Whole Blood Flow Cytometry Analysis. J. Vis. Exp. (140), e57941, doi:10.3791/57941 (2018).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image