Summary

Einzellige Quantifizierung der mRNA und Oberfläche Protein-Expression in Simian Immunodeficiency Virus-infizierten CD4+ T Zellen isoliert von Rhesus-Makaken

Published: September 25, 2018
doi:

Summary

Beschrieben ist eine Methodik, die Expression von Genen 96 quantitate und 18 Oberflächenproteine von einzelnen Zellen Ex Vivo, ermöglicht die Identifizierung von differenziell ausgedrückt, Genen und Proteinen in Virus-infizierten Zellen im Verhältnis zu nicht infizierten Zellen. Wir wenden das Konzept Studie SIV-infizierten CD4+ T Zellen isoliert von Rhesus-Makaken.

Abstract

Einzellige Analyse ist ein wichtiges Instrument für heterogene Populationen von Zellen zu sezieren. Die Identifizierung und Isolierung von seltenen Zellen können schwierig sein. Um diese Herausforderung zu meistern, eine Methodik kombinieren indiziert Durchflusszytometrie und Hochdurchsatz-Multiplex quantitative Polymerase-Kettenreaktion (qPCR) entwickelt wurde. Ziel war es, zu identifizieren und zu charakterisieren, simian immunodeficiencyvirus (SIV)-infizierten Zellen in Rhesus-Makaken. Durch Quantifizierung der Oberfläche Protein durch Fluoreszenz-aktivierte Zellsortierung (FACS) und mRNA von qPCR sind Virus-infizierten Zellen durch virale Genexpression identifiziert, kombiniert mit Host-gen und Protein Messungen ein mehrdimensionales Profil erstellen . Wir bezeichnen den Ansatz, gezielte einzellige Proteo-transcriptional Bewertung oder tSCEPTRE. Um die Methode auszuführen, sind vitaler Zellen spezifisch für oberflächenmarker verwendet für FACS Isolierung einer Zelle Teilmenge und/oder nachgeschalteten phänotypische Analyse mit fluoreszierenden Antikörpern gefärbt. Einzelne Zellen werden gefolgt von sofortige Lyse, Multiplex-reverse Transkription (RT), PCR Vorverstärkung und hohem Durchsatz qPCR bis zu 96 Transkripte sortiert. FACS-Messungen sind aufgenommen in die Zeit des Aussortierens und anschließend mit Genexpressionsdaten von gut Lage, einem kombinierten Protein und transkriptionellen Profil zu schaffen. Zur Untersuchung der SIV-infizierten Zellen direkt Ex Vivo, Zellen wurden von qPCR Erkennung von mehrere virale RNA-Spezies identifiziert. Die Kombination von viralen Transkripte und die Menge der einzelnen bilden den Rahmen für die Klassifizierung von Zellen in verschiedene Phasen des viralen Lebenszyklus (z.B.im Vergleich zu nicht-produktiven produktiv). Darüber hinaus wurden tSCEPTRE von SIV+ Zellen im Vergleich zu nicht infizierten Zellen isoliert von der gleichen Probe Host differentiell exprimierten Genen und Proteinen zu beurteilen. Die Analyse ergab bisher verkannte virale RNA Ausdruck Heterogenität unter den infizierten Zellen als auch in Vivo SIV-vermittelten posttranskriptionelle Genregulation mit einzelligen Auflösung. Die tSCEPTRE Methode ist relevant für die Analyse einer Zellpopulation Identifizierung durch Ausdruck der Oberfläche Protein Marker(s), Host oder Erreger ursächlich oder Kombinationen davon zugänglich.

Introduction

Viele intrazelluläre Erreger abhängig von Host Cell Maschinen zu replizieren, oft Host Zellbiologie zu verändern oder gezielt ganz bestimmte Subpopulationen von Wirtszellen zu maximieren Sie ihre Chancen auf Fortpflanzung. Infolgedessen sind biologischer Zellprozesse häufig gestört, mit schädlichen Folgen für die allgemeine Gesundheit des Wirts. Verständnis der Wechselwirkungen zwischen Viren und den Wirtszellen, in denen sie replizieren, wird Krankheitsmechanismen aufzuklären, die in die Entwicklung von verbesserten Therapien und Strategien helfen kann, um Infektionen zu vermeiden. Direkte Analyse Tools, mit denen das Studium der Wirt-Pathogen Interaktionen sind zu diesem Zweck unerlässlich. Einzellige Analyse bietet die einzige Möglichkeit, eindeutig einen zellulären Phänotyp einer bestimmten Genotyp oder einer Infektion Wartestatus1zuzuschreiben. Beispielsweise bedeuten pathogene Infektionen häufig sowohl direkte als auch indirekte Änderungen in Wirtszellen. Daher unterscheiden infizierte Zellen von nicht infizierten Gegenstücke ist notwendig, um Host Zelle Attributänderungen entweder direkte Infektion oder Nebenwirkungen, wie z. B. generalisierte Entzündung. Darüber hinaus für viele Krankheitserreger wie SIV und Human-Immundefizienz-Viren (HIV), Host Zelle Infektion durchläuft mehrere Phasen, wie früh, spät oder latent, von denen jedes kann durch verschiedene Gene und Protein-Expression profile2 gekennzeichnet werden , 3 , 4 , 5. Bulk Analysen der Zelle Mischungen fehl, diese Heterogenität6zu erfassen. Dagegen sehr gemultiplext einzellige Analysen den Ausdruck beider Viren quantifizieren und Host Gene bieten ein Mittel zur Infektion-spezifische zelluläre Störungen, einschließlich Variationen über Stadien der Infektion zu beheben. Darüber hinaus analysieren Wirt-Pathogen Interaktionen in physiologisch relevante Einstellungen ist entscheidend für die Identifizierung der Ereignisse, die in infizierten Organismen auftreten. Also Methoden, die angewendet werden können, direkt ex Vivo sind wahrscheinlich beste Aufnahme in Vivo verarbeitet.

SIV und HIV Ziel CD4+ T-Zellen, in denen sie Host antivirale “Einschränkung” Faktoren und Downregulate antigenpräsentierende Moleküle, um produktive Infektion zu etablieren und zu vermeiden immunüberwachung7,8, entgegenwirken, 9,10,11. Ohne Behandlung führt die Infektion zu massiven Verlust von CD4+ T Zellen letztlich gipfelte in erworbene Immunschwäche-Syndrom (AIDS)12. In der Einstellung der antiretroviralen Therapie bestehen bleiben latent infizierten Zelle Stauseen jahrzehntelang posiert eine beeindruckende Sperre zu kurativen Strategien. Verständnis der Eigenschaften von in Vivo HIV/SIV-infizierten Zellen hat das Potenzial, Host Zelle Funktionen in der Pathogenese und Beharrlichkeit zu offenbaren. Allerdings ist dies sehr, vor allem aufgrund der Low frequency der infizierten Zellen und Reagenzien in der Lage, sie leicht zu identifizieren eine Herausforderung gewesen. Zellen, die virale RNA transkribiert werden voraussichtlich bei 0,01-1 % der CD4-Zellen im Blut und Lymphgewebe13,14,15+ T. Unter suppressive Therapie sind latent infizierte Zellen sogar seltener um 10-3– 10-7 16,17,18. Virale Protein Beflecken assays, dass Arbeit auch für ein Studium in Vitro Infektionen, wie z. B. intrazellulären Gag sind suboptimale aufgrund Hintergrundfärbung von 0,01-0,1 %, ähnlich wie oder größer als die Häufigkeit der infizierten Zellen13, 14. Oberfläche Beflecken für Env Protein mit gut charakterisierten SIV von HIV/AIDS Env-spezifischen monoklonalen Antikörpern ist auch nachgewiesen worden, wahrscheinlich aus ähnlichen Gründen schwierig sein. Vor kurzem, neuartige Werkzeuge wollen die Erkennung von Zellen Gag zu äußern, indem entweder verbessern Integration Tests speziell für Gag RNA oder durch die Verwendung alternativer bildgebender Technologien14,15,19. Solche Ansätze bleiben jedoch beschränkt auf jede Zelle die Anzahl der quantitativen Messungen durchgeführt.

Wir beschreiben hier, Methodik, die (1) einzige Virus-infizierten Zellen identifiziert direkt ex Vivo von empfindlichen und spezifischen viralen Gens quantitative qPCR und (2) den Ausdruck von bis zu 18 Oberflächenproteine und 96 Gene für jeden infizierten quantifiziert (und nicht infizierte) Zelle. Diese Methode kombiniert einzelne Zelle Oberfläche Protein Messung durch FACS gefolgt von unmittelbaren Zelle Lysis und Gen-Ausdruck Analyse mit gezielten qPCR auf dem Biomark System gemultiplext. Die integrierte fluidische Schaltung (IFC) Technologie ermöglicht Multiplex Quantifizierung 96 Gene von 96 Proben gleichzeitig erreicht, indem eine Matrix von 9.216 Kammern, in denen die einzelnen qPCR Reaktionen durchgeführt werden. Die live FACS Zellsortierung zeichnet High-Content Protein Fülle Messungen während Erhaltung der gesamten transkriptoms für Analyse sofort durchgeführt stromabwärts. Um Virus-infizierten Zellen zu identifizieren, sind Tests speziell für Alternativ gespleißt und unspliced viralen RNAs (vRNA) enthalten in der qPCR-Analyse, zusammen mit einer Gruppe von benutzerdefinierten Assays in Höhe von bis zu 96 Gene, die Höchstzahl Assays, die derzeit untergebracht die IFC. Die Genexpression und Protein erfassten Daten für die einzelnen Zellen sind durch gut Position verbunden. Wir berichteten bereits Ergebnisse aus dieser Analyse an anderer Stelle20. Hier bieten wir detaillierte methodische Richtlinien sowie weitere beschreibende Phänotypisierung von SIV-infizierten CD4+ T Zellen.

Dieser Ansatz, den wir tSCEPTRE nennen, kann an den Aufhängungen lebensfähigen Zellpopulation reaktiv, eindringmittel beschriftete Antikörper und mit dem Ausdruck einer Transkriptom kompatibel zur Verfügung qPCR Tests angewendet werden. Beispielsweise kann es für die Charakterisierung von differenziellen gen- und Proteinexpression in seltenen Zellen oder Zellen, die nicht leicht zu unterscheiden durch Oberfläche Protein-Marker verwendet werden. Die Probenvorbereitung stützt sich auf einen Standard Färbeprotokoll mit handelsüblichen Antikörpern. Cytometers mit einzelligen Sortier-Funktion sind auch im Handel erhältlich, aber zusätzliche biologische Sicherheit Vorsichtsmaßnahmen sind erforderlich für die Bearbeitung von infektiöser lebenden Zellen. Aufnahme der Single – Cell Protein Expressionsprofil für jede Zelle durch gut Lage, hierin ist als indiziert, Sortierung, ein gemeinsames Merkmal der im Handel erhältlichen FACS sortieren Software. Computergestützte Analyse von Host differentiell exprimierten Gene zwischen Zell-Populationen von Interesse ist hier nicht beschrieben, sondern Verweise werden bereitgestellt, um zuvor veröffentlichten Methoden.

Protocol

Hinweis: Eine schematische Darstellung des Protokoll-Workflow ist in Abbildung 1dargestellt. Es besteht aus drei wesentlichen Schritten: FACS, RT und cDNA Vorverstärkung und qPCR für bis zu 96 Gene gleichzeitig. Zwei Versionen des Protokolls, Zellen in Verdünnungen zu begrenzen und einzelne Zellen Sortieren Sortierung werden bzw. in Schritt 5 und 6, ausführlicher beschrieben. Diese Strategien befassen sich verschiedene Forschungsfragen doch ähnliche Verfahren zu folgen. <p class="jo…

Representative Results

Der Workflow für das gesamte Protokoll wird in Abbildung 1dargestellt. Es besteht aus zwei Varianten definiert durch die Anzahl der Zellen sortiert: entweder begrenzende Verdünnung oder als einzelne Zellen, wie im Text beschrieben. Beispiele für Primer-Sonden Qualifikation Analysen auf 2-fold RNA Verdünnungsreihen sind in Abbildung 2dargestellt. Die gating Strategie identifizieren potenzielle SIV+ -Zellen ist in <s…

Discussion

Das Protokoll hier beschriebenen, genannt tSCEPTRE, einzellige Oberfläche Protein Quantifizierung von multiparameter Durchflusszytometrie mit quantitativen einzellige mRNA Expression von hoch Multiplex RT-qPCR integriert. Die Vereinigung dieser beiden Technologien ermöglicht High-Content Momentaufnahmen des kombinierten transkriptionelle und Protein Profil einzelner Zellen in einem Hochdurchsatz-Format. Wir verwenden die Methode bisher schwer mit SIV in Vivoinfizierte Zellen identifizieren und beschreiben Host…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Die Autoren möchten NIAID VRC Flow Cytometry Kern und die MHRP Flow Cytometry Kern Einrichtungen für Wartung und Betrieb von FACS Instrumenten und Sortieranlagen danken; Maria Montero, Vishakha Sharma, Kaimei Song für kompetente technische Unterstützung; Michael Piatak, Jr. (verstorben), für die Unterstützung mit SIV qPCR Assay Design; und Brandon Keele und Matthew Scarlotta für SIV isolieren Sequenzen. Geäußerten Meinungen sind diejenigen der Autoren und sind nicht zur Darstellung der Positionen von der US-Armee oder das Department of Defense auszulegen. Forschung wurde durchgeführt unter einem genehmigten Tierversuche-Protokoll in einer AAALAC akkreditierten Einrichtung im Einklang mit dem Tierschutzgesetz und andere Bundesgesetze und Verordnungen in Bezug auf Tiere und Experimente mit Tieren und hält sich an Prinzipien in der Anleitung für die Pflege und Verwendung der Versuchstiere, NRC Publikation, Ausgabe 2011 angegeben.

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).

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