Summary

Microfluidic Imaging Cytometría de flujo por Asimétrica de detección de tiempo de estiramiento Microscopía óptica (ATOM)

Published: June 28, 2017
doi:

Summary

Este protocolo describe la implementación de un sistema de microscopía óptica de estiramiento-tiempo de detección asimétrica para la obtención de imágenes de una sola célula en el flujo microfluídico ultrarrápido y sus aplicaciones en citometría de flujo por imágenes.

Abstract

Escalar el número de parámetros medibles, lo que permite el análisis de datos multidimensionales y, por tanto, resultados estadísticos de mayor confianza, ha sido la principal tendencia en el desarrollo avanzado de la citometría de flujo. En particular, la adición de capacidades de imagen de alta resolución permite el análisis morfológico complejo de estructuras celulares / sub-celulares. Esto no es posible con citómetros de flujo estándar. Sin embargo, es valiosa para avanzar en nuestro conocimiento de las funciones celulares y puede beneficiar la investigación de las ciencias de la vida, el diagnóstico clínico y el monitoreo ambiental. La incorporación de capacidades de imagen en citometría de flujo compromete el rendimiento del análisis, principalmente debido a las limitaciones en la velocidad y sensibilidad en las tecnologías de cámara. Para superar este reto de velocidad o rendimiento enfrentado a la citometría de flujo de imágenes mientras se preserva la calidad de imagen, se ha demostrado que la microscopía óptica de estiramiento de tiempo de detección asimétrica (ATOM) permiteCon una resolución sub-celular, con una capacidad de procesamiento de imágenes de hasta 100.000 células / s. Basado en el concepto de imagen de imágenes de estiramiento de tiempo convencional, que se basa en la codificación y recuperación de toda la imagen óptica mediante el uso de pulsos de láser de banda ancha ultrarrápidos, ATOM avanza adicionalmente el rendimiento de imagen aumentando el contraste de imagen de células no etiquetadas / no teñidas. Esto se logra accediendo a la información de gradiente de fase de las células, que se codifica espectralmente en impulsos de banda ancha de un solo disparo. Por lo tanto, el ATOM es particularmente ventajoso en mediciones de alto rendimiento de la morfología de una sola célula y de la textura – información indicativa de tipos de células, estados e incluso funciones. En última instancia, esto podría convertirse en una potente plataforma de citometría de flujo de imágenes para el fenotipado biofísico de las células, que complementa el estado actual de la técnica bioquímica basada en marcador de ensayo celular. Este trabajo describe un protocolo para establecer los módulos clave de un sistema ATOM (desde el frontend óptico a los datos pRocessing y visualización backend), así como el flujo de trabajo de citometría de flujo de imagen basado en ATOM, utilizando células humanas y microalgas como ejemplos.

Introduction

La imagen óptica presenta una poderosa herramienta y un ensayo basado en células para visualizar (casi) de forma no invasiva la distribución espacial detallada de muchos componentes celulares / subcelulares, descubriendo así una multitud de firmas morfológicas, biofísicas y biomoléculas de células. Sin embargo, esta capacidad para extraer información de alto contenido de células individuales ha sido generalmente comprometida cuando una enorme y heterogénea población de células tuvo que ser investigado. Esto marca una compensación común en los ensayos basados ​​en células entre el rendimiento de medición y el contenido. Un ejemplo notable es que la adición de capacidad de formación de imágenes a la citometría de flujo ha dado lugar a una disminución de la escala de rendimiento en al menos 1-2 órdenes de magnitud en comparación con la de la clásica no citometría de flujo de imágenes. A pesar de que podría ofrecer un análisis morfológico de células complejas que no es posible con citómetros de flujo estándar 1 , la citometría de flujo de imagen generalmente carece de suficiente rendimiento para idEnriqueciendo la heterogeneidad celular con alta confianza estadística. Esto es necesario para los nuevos descubrimientos en biología y para obtener una comprensión de la patogénesis de las enfermedades. El desafío técnico clave radica en el límite de velocidad inherente impuesto por las estrategias de imagen óptica comunes: exploración por haz láser ( por ejemplo, por espejos galvanométricos) y / o sensores de imagen ( por ejemplo, dispositivo de acoplamiento de carga (CCD) Óxido semiconductor (CMOS)). La velocidad de escaneado láser está intrínsecamente limitada por la inercia mecánica de los espejos de exploración, mientras que la velocidad de fotogramas de CCD o CMOS está limitada por el equilibrio fundamental entre velocidad de imagen y sensibilidad ( es decir, , y viceversa).

Basado en un mecanismo de codificación de imágenes ultrarrápido y óptico, se ha demostrado que la imagen óptica de tiempo-estiramiento es una plataforma atractiva para el flujo de imágenes de alto rendimiento cytOmeters, sin necesidad de los sensores convencionales de imagen o escaneo láser mecánico 2 , 3 . En las referencias 4 , 5 , 6 , 7 se pueden encontrar descripciones detalladas del principio de funcionamiento de la proyección de imagen de tiempo-estiramiento. En resumen, consta de dos etapas de mapeo intercambiables: (i) codificación espectral (mapeado de espacio de longitud de onda), en el que las coordenadas espaciales de la muestra de imagen son mapeadas a diferentes longitudes de onda a través del espectro del haz de luz pulsada 8 , Y (ii) una transformación de Fourier dispersiva 9 , en la que las componentes de longitud de onda de los pulsos individuales de un láser son transformadas (estiradas) a través de la dispersión de velocidad de grupo (GVD) en formas de onda temporales (longitud de onda). Un importanteCaracterística de la formación de imágenes de tiempo-estiramiento es la amplificación óptica, que juega un papel crítico en la lucha contra la pérdida de sensibilidad debido a la fotodetección ultrarrápida y la pérdida de GVD, aumentando así la relación señal-ruido de imagen sin ser contaminado por el ruido fotodetector 9 . Puesto que cada pulso de láser codifica un barrido de línea de la muestra de imagen, que es ortogonal al flujo unidireccional de las células, se determina una velocidad de barrido de línea efectiva por la velocidad de repetición del láser, que está típicamente por encima de 10 MHz. Esta operación ultrarrápida permite una captura de imagen de una sola célula sin fluctuaciones a un rendimiento de 10.000 a 100.000 células / es ( es decir, 10-100 veces mayor que la citometría de flujo de imagen convencional). Como resultado, la proyección de imágenes de tiempo-estiramiento podría encontrar aplicaciones únicas en cribado basado en imágenes de una sola célula, especialmente cuando hay una necesidad de identificar heterogeneidad desconocida o células raras / aberrantes dentro de una población considerable (miles a millones de imágenes) Cel Ls), como el rastreo de células cancerosas raras 10 o la clasificación de microalgas [ 11] .

La proyección de imagen de tiempo-estiramiento confía predominante en la captura de la imagen del campo brillante (BF), de la cual el contraste de la imagen se genera a través de la dispersión de la luz y de la absorción de las células 2 , 3 , 9 , 10 , Dichas capacidades de formación de imágenes de una sola célula libres de etiquetas podrían evitar los efectos perjudiciales asociados con las etiquetas fluorescentes, tales como la citotoxicidad y el fotoblanqueo, y proporcionar información valiosa para el análisis de una célula basada en la textura y morfología celular y subcelular. Estos parámetros libres de etiquetas se han demostrado eficaces para la clasificación profunda de las células, especialmente cuando existe una enorme población de células 11 ,"Xref"> 12. Sin embargo, en muchas ocasiones, la formación de imágenes BF no proporciona un contraste suficiente para revelar la morfología detallada de las células transparentes sin etiqueta. Se han desarrollado diferentes modalidades de formación de imágenes de tiempo de estiramiento temporal sin contraste de etiquetas para mejorar el contraste de imagen a velocidades de fotogramas ultrarrápidos 13 , 14 , 15 . Entre estas técnicas, se desarrolló microscopía óptica de estiramiento-tiempo de detección asimétrica (ATOM) para revelar el contraste gradiente de fase (contraste diferencial de interferencia-contraste (DIC)) basado en un concepto similar a la fotografía de Schlieren, Libre de alto contraste de células individuales a una velocidad microfluídica ultra alta (hasta 10 m / s) 16 . Este efecto puede generarse fácilmente mediante detección o iluminación oblicua bloqueando parcialmente la trayectoria del haz codificado por imagen o inclinando el haz antes de la fotodetección. Otra ventaja de ATOM es suPara adquirir simultáneamente dos contrastes de gradiente de fase a lo largo de orientaciones opuestas. La substracción de intensidad y la suma de dos imágenes de contraste opuesto proporcionan el contraste diferencial de gradiente de fase y el contraste de absorción, respectivamente, de la misma exploración de línea. Este trabajo presenta un protocolo detallado que describe la implementación de ATOM, incluyendo el establecimiento de la configuración óptica, la preparación de la muestra, y la adquisición y visualización de datos. Específicamente, este trabajo demuestra la operación ATOM con imágenes de células únicas de células sanguíneas humanas, células cancerosas y fitoplancton (microalgas). Esto pone de manifiesto la aplicabilidad de ATOM a la citometría de flujo de imagen, no sólo en el ámbito biomédico, sino también en la investigación marina y de biocombustibles 17 , 18 .

Protocol

1. Preparación de la muestra Preparación de la muestra (células adherentes, células MCF-7) Saque el plato de cultivo celular de la incubadora y drene el medio de cultivo. Enjuague las células en un plato con 1x solución salina tamponada con fosfato (PBS) para eliminar el medio de cultivo excesivo. Añadir 3 ml de una solución de 0,25% de tripsina al plato de cultivo (diámetro de 100 mm) y ponerlo en una incubadora a 37ºC, 5% de CO 2 durante 4 m…

Representative Results

Este trabajo ilustra dos demostraciones de una sola célula de imágenes por ATOM: una con células de mamíferos (células mononucleares de sangre periférica humana (PBMC) y células de cáncer de mama (MCF-7)) y otra con fitoplancton s (Scenedesmus y Chlamydomonas). El primer experimento fue motivado por el creciente interés en la biopsia líquida para la detección, enumeración y caracterización de células tumorales circulantes (CTC) en la sangre <sup class…

Discussion

Hay varios detalles técnicos que requieren atención especial durante la configuración del sistema ATOM. En primer lugar, es esencial observar que la iluminación codificada espectralmente asimétrica / oblicua podría introducir componentes de gradiente de fase residual ( es decir, el efecto de sombreado) en el contraste de absorción e influir en el aumento del contraste de gradiente de fase en ATOM. Por lo tanto, este efecto de la iluminación oblicua debe ser minimizado. En segundo lugar, se debe enfatiza…

Declarações

The authors have nothing to disclose.

Acknowledgements

Damos las gracias al Sr. P. Yeung por haber preparado el MCF-7 para nosotros. Este trabajo fue parcialmente apoyado por las subvenciones del Consejo de Subvenciones de Investigación de la Región Administrativa Especial de Hong Kong (China) (Proyecto nº 17259316, 17207715, 17207714, 17205215 y HKU 720112E), el Programa de Apoyo a la Innovación y la Tecnología (ITS / 090/14 ), Y el Fondo de Desarrollo Universitario de HKU.

Materials

Nikon Plan Fluorite Physiology Objectives 40X Nikon MRF07420 Objective lens (Obj2)
Olympus Plan Fluorite Objective, 0.75 NA, 0.51 mm WD, 40X Olympus RMS40X-PF Objective lens (Obj1)
N-BK7 Plano-Convex Lenses Thorlabs LA1145-C For relaying spectral shower
FC/APC Fiber Collimation Package Thorlabs F220APC-1064 For outputing and collecting laser pulses
Pellicle beamsplitter Thorlabs BP145B3 For making beam replica
Protected silver mirror Thorlabs PF10-03-P01 For reflecting light
800-1650nm 12GHz single mode DC-coupled NIR Photoreceiver Newport 1544-B For converting light into electrical signal
Infiniium High-Performance Oscilloscope Agilent DSOX91604A To save the light-converted electrical signals
HI1060 optical fiber Corning HI1060 Optical fiber for time-stretch
YTTERBIUM DOPED FIBER AMPLIFIER Keopsys KPS-STD-BT-YFA-37-BO-SM-111-FA-FA Optical in-line amplifier
Holographic grating Wasatch Photonics 020305-6 Grating
Infuse/Withdraw Syringe Pumps Harvard Apparatus PHD 2000 Syringe pump for sample loading in micro-fluidic channels

Referências

  1. Lau, A. K. S., Wong, T. T. W., Shum, H. C., Wong, K. K. Y., Tsia, K. K., Barteneva, N. S., Vorobjev, I. A. . Imaging Flow Cytometry: Methods and Protocols. , 23-45 (2016).
  2. Goda, K., Tsia, K. K., Jalali, B. Serial time-encoded amplified imaging for real-time observation of fast dynamic phenomena. Nature. 458 (7242), 1145-1149 (2009).
  3. Goda, K., Jalali, B. Dispersive Fourier transformation for fast continuous single-shot measurements. Nat Photon. 7 (2), 102-112 (2013).
  4. Lau, A. K., Shum, H. C., Wong, K. K., Tsia, K. K. Optofluidic time-stretch imaging – an emerging tool for high-throughput imaging flow cytometry. Lab Chip. 16 (10), 1743-1756 (2016).
  5. Lau, A. K. S., Tang, A. H. L., Xu, J., Wong, X. W., Y, K. K., Tsia, K. K. Optical Time Stretch for High-Speed and High-Throughput Imaging – From Single-Cell to Tissue-Wide Scales. IEEE J. Sel. Top. in Quant. Electron. 22 (4), (2016).
  6. Lei, C., Guo, B., Cheng, Z., Goda, K. Optical time-stretch imaging: Principles and applications. Appl Phys Rev. 3 (1), 011102 (2016).
  7. Lei, C., Guo, B., Cheng, Z., Goda, K. Optical time-stretch imaging: Principles and applications. Applied Physics Reviews. 3 (011102), (2016).
  8. Goda, K., et al. High-throughput single-microparticle imaging flow analyzer. Proc Natl Acad Sci U S A. 109 (29), 11630-11635 (2012).
  9. Goda, K., Solli, D. R., Tsia, K. K., Jalali, B. Theory of amplified dispersive Fourier transformation. Physical Review A. 80 (4), 043821 (2009).
  10. Goda, K., et al. High-throughput single-microparticle imaging flow analyzer. Proc Natl Acad Sci U S A. 109 (29), 11630-11635 (2012).
  11. Lai, Q. T. K., et al. High-throughput time-stretch imaging flow cytometry for multi-class classification of phytoplankton. Opt. Express. 24 (25), 28170-28184 (2016).
  12. Chen, C. L., et al. Deep Learning in Label-free Cell Classification. Sci Rep. 6, 21471 (2016).
  13. Fard, A. M., et al. Nomarski serial time-encoded amplified microscopy for high-speed contrast-enhanced imaging of transparent media. Biomed Opt Express. 2 (12), 3387-3392 (2011).
  14. Lau, A. K., et al. Interferometric time-stretch microscopy for ultrafast quantitative cellular and tissue imaging at 1 mum. J Biomed Opt. 19 (7), 76001 (2014).
  15. Mahjoubfar, A., Chen, C., Niazi, K. R., Rabizadeh, S., Jalali, B. Label-free high-throughput cell screening in flow. Biomed Opt Express. 4 (9), 1618-1625 (2013).
  16. Wong, T. T., et al. Asymmetric-detection time-stretch optical microscopy (ATOM) for ultrafast high-contrast cellular imaging in flow. Sci Rep. 4, 3656 (2014).
  17. Mata, T. M., Martins, A. A., Caetano, N. S. Microalgae for biodiesel production and other applications: A review. Renew Sustainable Energy Rev. 14 (1), 217-232 (2010).
  18. Irigoien, X., Huisman, J., Harris, R. P. Global biodiversity patterns of marine phytoplankton and zooplankton. Nature. 429 (6994), 863-867 (2004).
  19. Wei, X., et al. Coherent Laser Source for High Frame-Rate Optical Time-Stretch Microscopy at 1.0 µm. IEEE J. Sel. Top. Quantum Electron. 20 (5), 384-389 (2014).
  20. Wei, X., et al. Breathing laser as an inertia-free swept source for high-quality ultrafast optical bioimaging. Opt. Lett. 39 (23), 6593-6596 (2014).
  21. Xu, Y., Wei, X., Ren, Z., Wong, K. K. Y., Tsia, K. K. Ultrafast measurements of optical spectral coherence by single-shot time-stretch interferometry. Sci Rep. 6, 27937 (2016).
  22. Tsia, K. K., Goda, K., Capewell, D., Jalali, B. Performance of serial time-encoded amplified microscope. Opt. Express. 18 (10), 10016-10028 (2010).
  23. Alix-Panabières, C., Pantel, K. Challenges in circulating tumour cell research. Nat Rev Cancer. 14 (9), 623-631 (2014).
  24. Kling, J. Beyond counting tumor cells. Nat Biotech. 30 (7), 578-580 (2012).
  25. Hodgkinson, C. L., et al. Tumorigenicity and genetic profiling of circulating tumor cells in small-cell lung cancer. Nat Med. 20 (8), 897-903 (2014).
  26. Ozkumur, E., et al. Inertial focusing for tumor antigen-dependent and -independent sorting of rare circulating tumor cells. Sci Transl Med. 5 (179), (2013).
  27. Hou, H. W., et al. Isolation and retrieval of circulating tumor cells using centrifugal forces. Scientific Reports. 3, 1259 (2013).
  28. Karabacak, N. M., et al. marker-free isolation of circulating tumor cells from blood samples. Nat. Protocols. 9 (3), 694-710 (2014).
  29. Krebs, M. G., et al. Molecular analysis of circulating tumour cells-biology and biomarkers. Nat Rev Clin Oncol. 11 (3), 129-144 (2014).
  30. Wu, J., et al. Ultrafast Laser-Scanning Time-Stretch Imaging at Visible Wavelengths. Light Sci Appl. , (2016).

Play Video

Citar este artigo
Tang, A. H. L., Lai, Q. T. K., Chung, B. M. F., Lee, K. C. M., Mok, A. T. Y., Yip, G. K., Shum, A. H. C., Wong, K. K. Y., Tsia, K. K. Microfluidic Imaging Flow Cytometry by Asymmetric-detection Time-stretch Optical Microscopy (ATOM). J. Vis. Exp. (124), e55840, doi:10.3791/55840 (2017).

View Video