Summary

ヒト膵島の単一細胞RNAシーケンシングと解析

Published: July 18, 2019
doi:

Summary

ここでは、液滴ベースのマイクロ流体単一細胞RNAシーケンシング技術を用いて、単体ヒト膵島から単一細胞の高品質で大規模なトランスクリプトームデータを生成するプロトコルを提示する。

Abstract

膵島は、特徴的なホルモン発現パターンを有する内分泌細胞からなる。内分泌細胞は、正常および病理学的状態に応答して機能的な違いを示す。このプロトコルの目的は、液滴ベースのマイクロ流体単一細胞RNAシーケンシング技術を使用して、各内分泌細胞タイプの高品質で大規模なトランスクリプトームデータを生成することです。このようなデータは、正常または特定の条件で各内分泌細胞型の遺伝子発現プロファイルを構築するために利用することができる。このプロセスには、慎重な取り扱い、正確な測定、および厳格な品質管理が必要です。このプロトコルでは、ヒト膵島の解離、シーケンシング、およびデータ解析の詳細な手順について説明する。約20,000個のヒト単一のイレット細胞の代表的な結果は、プロトコルの正常な適用を実証する。

Introduction

膵島は、血糖値を調節するために内分泌ホルモンを放出します。機能的および形態的に異なる5つの内分泌細胞タイプは、この重要な役割に関与している:α細胞はグルカゴン、β細胞インスリン、δ細胞ソマトスタチン、PP細胞膵臓ポリペプチド、およびε細胞グレリン1を産生する。遺伝子発現プロファイリングは、正常または特定の状態で内分泌細胞を特徴付ける有用なアプローチである。歴史的に、全イレット遺伝子発現プロファイリングは、マイクロアレイと次世代RNAシーケンシング2、3、4、5、6、7を用いて生成された。,8.全てのイレットトランスクリプトームは、臓器特異的転写物および疾患候補遺伝子を同定するのに有益であるが、各イレット細胞型の分子不均一性を明らかにすることができない。レーザー捕捉微細解剖(LCM)技術は、島9、10、11、12から直接特定の細胞タイプを得るために適用されているが、標的細胞の純度に満ちばない人口。これらの制限を克服するために、蛍光活性化細胞選別(FACS)は、α細胞およびβ細胞13、14、15、16などの特定の内分泌細胞集団を選択するために使用されてきた。,17歳,18.さらに、Dorrellらは抗体ベースのFACS選別アプローチを用いてβ細胞を4つの亜集団19に分類した。FACSソートされたイレット細胞は、単一細胞のRNAシーケンシング用にメッキすることも可能です。しかし、プレートベースの方法は、スケーラビリティ20、21、22の課題に直面しています。

各内分泌細胞型の高品質で大規模なトランスクリプトームデータを生成するために、ヒトのイレット細胞にマイクロ流体技術を応用しました。マイクロ流体プラットフォームは、ハイスループット、高品質、スケーラブルな方法で多数の単一細胞からトランスクリプトームデータを生成します23,24,25, 26,27.大量に捕捉された細胞型の分子特性を明らかにするとともに、スケーラブルなマイクロ流体プラットフォームにより、十分な細胞が提供されたときに希少な細胞タイプを同定することができます。従って、ヒト膵島へのプラットフォームの適用は、グレリン分泌ε細胞のプロファイリングを可能にし、その希少性28に起因するほとんど知られていない機能を持つ稀な内分泌細胞型である。近年、技術29、30、31、32を用いたヒト島の大規模な転写データを報告する研究がいくつか出版されている。 33.このデータは、内分泌細胞の不均一性と疾患への影響を研究するために、公に入手可能で有用なリソースです。

ここでは、α-、β-、δ-、PP、ε細胞、および非内分泌細胞の小さな割合を含む約20,000個のヒトイヌアレット細胞のトランスクリプトームデータを生成するために使用されている液滴ベースのマイクロ流体単一細胞RNAシーケンシングプロトコルについて説明します。32.ワークフローは、孤立した人間の島から始まり、島細胞の解離、単一細胞のキャプチャ、およびデータ分析のステップを示しています。このプロトコルは、新たに分離された島を使用する必要があり、ヒトやげっ歯類などの他の種からの島に適用することができます。このワークフローを使用して、ベースラインおよび他の条件の下で公平で包括的な入り点細胞アトラスを構築することができる。

Protocol

1. 人間のアイレット解離 研究目的のために特定の人口統計を有するドナーからの島が必要でない限り、15〜80歳の性別の死体臓器提供者から単離されたヒトの島を得る。 単離後、隔離された島をサプライヤーで2〜3日間組織培養施設に保管する。多くの場合、イレットの損傷が見えるようになるまでに1日以上かかります。 ボトルに島を入れ、島培地に完全に浸します。?…

Representative Results

単細胞RNAシーケンシングワークフローは、無傷のヒト島を単一細胞懸濁液に解離すること、液滴ベースの技術を用いて単一細胞を捕捉すること、およびRNA-seqデータを解析するという3つのステップで構成されています(図1)。まず、後天したヒト島を一晩インキュベートした。無傷の島を顕微鏡下で調べた(図2A)。解離された?…

Discussion

近年開発された単細胞技術は、細胞型を特徴付け、ヒト膵島の分子不均一性を研究する新しいプラットフォームを提供します。我々は、ヒトの島を研究するために、液滴ベースのマイクロ流体単一細胞単一細胞単一細胞単一細胞単一細胞の単一細胞分離とデータ解析のプロトコルを採用した。我々のプロトコルは、配列の品質とバッチ効果の比較的小さな変動を持つ20,000以上の単一ヒトイス?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

なし

Materials

30 µm Pre-Separation Filters Miltenyi Biotec 130-041-407 Cell strainer
8-chamber slides Chemometec 102673-680 Dell counting assay slides
Bioanalyzer High Sensitivity DNA Kit Agilent 5067-4626 for QC
Bovine Serum Albumin Sigma-Aldrich A9647 Single cell media
Chromium Single Cell 3' Library & Gel Bead Kit v2, 16 rxns 10X Genomics 120237 Single cell reagents
Chromium Single Cell A Chip Kit v2, 48 rx (6 chips) 10X Genomics 120236 Microfluidic chips
CMRL-1066 ThermoFisher 11530-037 Complete islet media
EB Buffer Qiagen 19086 Elution buffer
Eppendorf twin-tec PCR plate, 96-well, blue, semi-skirted VWR 47744-112 Emulsion plate
Fetal Bovine Serum ThermoFisher 16000-036 Complete islet media
Human islets Prodo Labs HIR Isolated human islets
L-Glutamine (200 mM) ThermoFisher 25030-081 Complete islet media
Nextera DNA Library Preparation Kit (96 samples) Illumina FC-121-1031 Library preparation reagents
NextSeq 500/550 High Output Kit v2.5 (75 cycles) Illumina FC-404-2005 Sequencing
Penicillin-Streptomycin (10,000 U/mL) ThermoFisher 15140-122 Complete islet media
Qubit High Sensitivity dsDNA Kit Life Technologies Q32854 for QC
Solution 18 Chemometec 103011-420 Cell counting assay reagent
SPRISelect Reagent Fisher Scientific B23318 Purification beads
Tissue Culture Dishes (10 cm) VWR 10861-594 for islet culture
TrypLE Express Life Technologies 12604-013 Cell dissociation solution
Zymo DNA Clean & Concentrator-5, 50 reactions VWR 77001-152 Library clean up columns

References

  1. Gutierrez, G. D., Gromada, J., Sussel, L. Heterogeneity of the Pancreatic Beta Cell. Frontiers in Genetics. 8 (22), (2017).
  2. Eizirik, D. L., et al. The human pancreatic islet transcriptome: expression of candidate genes for type 1 diabetes and the impact of pro-inflammatory cytokines. PLoS Genetics. 8 (3), e1002552 (2012).
  3. Fadista, J., et al. Global genomic and transcriptomic analysis of human pancreatic islets reveals novel genes influencing glucose metabolism. Proceedings of the National Academy of Sciences. 111 (38), 13924-13929 (2014).
  4. Gunton, J. E., et al. Loss of ARNT/HIF1beta mediates altered gene expression and pancreatic-islet dysfunction in human type 2 diabetes. Cell. 122 (3), 337-349 (2005).
  5. Kutlu, B., et al. Detailed transcriptome atlas of the pancreatic beta cell. BMC Medical Genomics. 2 (3), (2009).
  6. Maffei, A., et al. Identification of tissue-restricted transcripts in human islets. Endocrinology. 145 (10), 4513-4521 (2004).
  7. Moran, I., et al. Human beta cell transcriptome analysis uncovers lncRNAs that are tissue-specific, dynamically regulated, and abnormally expressed in type 2 diabetes. Cell Metabolism. 16 (4), 435-448 (2012).
  8. van de Bunt, M., et al. Transcript Expression Data from Human Islets Links Regulatory Signals from Genome-Wide Association Studies for Type 2 Diabetes and Glycemic Traits to Their Downstream Effectors. PLoS Genetics. 11 (12), e1005694 (2015).
  9. Ebrahimi, A., et al. Evidence of stress in beta cells obtained with laser capture microdissection from pancreases of brain dead donors. Islets. 9 (2), 19-29 (2017).
  10. Marselli, L., Sgroi, D. C., Bonner-Weir, S., Weir, G. C. Laser capture microdissection of human pancreatic beta-cells and RNA preparation for gene expression profiling. Methods in Molecular Biology. 560, 87-98 (2009).
  11. Marselli, L., et al. Gene expression profiles of Beta-cell enriched tissue obtained by laser capture microdissection from subjects with type 2 diabetes. PLoS One. 5 (7), e11499 (2010).
  12. Sturm, D., et al. Improved protocol for laser microdissection of human pancreatic islets from surgical specimens. Journal of Visualized Experiments. (71), (2013).
  13. Ackermann, A. M., Wang, Z., Schug, J., Naji, A., Kaestner, K. H. Integration of ATAC-seq and RNA-seq identifies human alpha cell and beta cell signature genes. Molecular Metabolism. 5 (3), 233-244 (2016).
  14. Benner, C., et al. The transcriptional landscape of mouse beta cells compared to human beta cells reveals notable species differences in long non-coding RNA and protein-coding gene expression. BMC Genomics. 15 (620), (2014).
  15. Blodgett, D. M., et al. Novel Observations From Next-Generation RNA Sequencing of Highly Purified Human Adult and Fetal Islet Cell Subsets. Diabetes. 64 (9), 3172-3181 (2015).
  16. Bramswig, N. C., et al. Epigenomic plasticity enables human pancreatic alpha to beta cell reprogramming. The Journal of Clinical Investigation. 123 (3), 1275-1284 (2013).
  17. Dorrell, C., et al. Transcriptomes of the major human pancreatic cell types. Diabetologia. 54 (11), 2832-2844 (2011).
  18. Nica, A. C., et al. Cell-type, allelic, and genetic signatures in the human pancreatic beta cell transcriptome. Genome Research. 23 (9), 1554-1562 (2013).
  19. Dorrell, C., et al. Human islets contain four distinct subtypes of beta cells. Nature Communications. 7, 11756 (2016).
  20. Li, J., et al. Single-cell transcriptomes reveal characteristic features of human pancreatic islet cell types. EMBO Reports. 17 (2), 178-187 (2016).
  21. Muraro, M. J., et al. A Single-Cell Transcriptome Atlas of the Human Pancreas. Cell Systems. 3 (4), 385-394 (2016).
  22. Segerstolpe, A., et al. Single-Cell Transcriptome Profiling of Human Pancreatic Islets in Health and Type 2 Diabetes. Cell Metabolism. 24 (4), 593-607 (2016).
  23. Bose, S., et al. Scalable microfluidics for single-cell RNA printing and sequencing. Genome Biology. 16 (120), (2015).
  24. Fan, H. C., Fu, G. K., Fodor, S. P. Expression profiling. Combinatorial labeling of single cells for gene expression cytometry. Science. 347 (6222), 1258367 (2015).
  25. Klein, A. M., et al. Droplet barcoding for single-cell transcriptomics applied to embryonic stem cells. Cell. 161 (5), 1187-1201 (2015).
  26. Macosko, E. Z., et al. Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell. 161 (5), 1202-1214 (2015).
  27. Zheng, G. X., et al. Massively parallel digital transcriptional profiling of single cells. Nature Communications. 8 (14049), (2017).
  28. Dominguez Gutierrez, G., et al. Signature of the Human Pancreatic epsilon Cell. Endocrinology. 159 (12), 4023-4032 (2018).
  29. Baron, M., et al. A Single-Cell Transcriptomic Map of the Human and Mouse. Pancreas Reveals Inter- and Intra-cell Population Structure. Cell Systems. 3 (4), 346-360 (2016).
  30. Lawlor, N., et al. Single-cell transcriptomes identify human islet cell signatures and reveal cell-type-specific expression changes in type 2 diabetes. Genome Research. 27 (2), 208-222 (2017).
  31. Wang, Y. J., et al. Single-Cell Transcriptomics of the Human Endocrine Pancreas. Diabetes. 65 (10), 3028-3038 (2016).
  32. Xin, Y., et al. Pseudotime Ordering of Single Human beta-Cells Reveals States of Insulin Production and Unfolded Protein Response. Diabetes. 67 (9), 1783-1794 (2018).
  33. Xin, Y., et al. RNA Sequencing of Single Human Islet Cells Reveals Type 2 Diabetes Genes. Cell Metabolism. 24 (4), 608-615 (2016).
  34. Chemometec. . Nucleocounter NC-250: Cell count and viability assay. , (2015).
  35. 10X Genomics. . 10X Genomics: Chromium Single Cell 3’ Reagents Kits v2: User Guide. , (2017).
  36. Agilent Technologies. . Agilent Bioanalyzer: High Sensitivity DNA Kit Guide. , (2013).
  37. Thermo Fischer Scientific. . Qubit: dsDNA High Sensitivity Assay Kit. , (2015).
  38. Illumina. . Illumina Nextera DNA Library Prep Reference Guide. , (2016).
  39. Illumina. . llumina NextSeq 500 System Guide. , (2018).
  40. Scrucca, L., Fop, M., Murphy, T. B., Raftery, A. E. mclust 5: Clustering, Classification and Density Estimation Using Gaussian Finite Mixture Models. R J. 8 (1), 289-317 (2016).
  41. Butler, A., Hoffman, P., Smibert, P., Papalexi, E., Satija, R. Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nature Biotechnology. 36 (5), 411-420 (2018).
  42. Stuart, T., et al. Comprehensive integration of single cell data. Preprint at bioRixv. , (2018).
  43. DePasquale, E. A. K., et al. DoubletDecon: Cell-State Aware Removal of Single-Cell RNA-Seq Doublets. bioRxiv. , (2018).
  44. McGinnis, C. S., Murrow, L. M., Gartner, Z. J. DoubletFinder: Doublet detection in single-cell RNA sequencing data using artificial nearest neighbors. bioRxiv. , (2018).
  45. Wolock, S. L., Lopez, R., Klein, A. M. Scrublet: computational identification of cell doublets in single-cell transcriptomic data. bioRxiv. , (2018).
  46. Dominguez Gutierrez, G., et al. Gene Signature of Proliferating Human Pancreatic alpha Cells. Endocrinology. 159 (9), 3177-3186 (2018).
  47. Habib, N., et al. Massively parallel single-nucleus RNA-seq with DroNc-seq. Nature Methods. 14 (10), 955-958 (2017).
  48. Habib, N., et al. Div-Seq: Single-nucleus RNA-Seq reveals dynamics of rare adult newborn neurons. Science. 353 (6302), 925-928 (2016).
  49. Stoeckius, M., et al. Cell Hashing with barcoded antibodies enables multiplexing and doublet detection for single cell genomics. Genome Biology. 19 (1), 224 (2018).

Play Video

Cite This Article
Xin, Y., Adler, C., Kim, J., Ding, Y., Ni, M., Wei, Y., Macdonald, L., Okamoto, H. Single-cell RNA Sequencing and Analysis of Human Pancreatic Islets. J. Vis. Exp. (149), e59866, doi:10.3791/59866 (2019).

View Video