Kombination von Laser Capture Microdissection und Microfluidic qPCR zur Analyse von Transkriptionsprofilen einzelner Zellen: Ein systembiologischer Ansatz zur Opioidabhängigkeit
Summary
Dieses Protokoll erklärt, wie einzelne Neuronen, Mikroglia und Astrozyten aus dem zentralen Kern der Amygdala mit hoher Genauigkeit und anatomischer Spezifität mit Laser-Capture-Mikrodissektion zu sammeln. Darüber hinaus erklären wir unsere Verwendung von mikrofluidischem RT-qPCR, um eine Teilmenge des Transkriptoms dieser Zellen zu messen.
Abstract
Die tiefgreifende transkriptionelle Heterogenität in anatomisch angrenzenden Einzelzellen legt nahe, dass eine robuste Gewebefunktionalität durch zelluläre Phänotypvielfalt erreicht werden kann. Einzelzellige Experimente, die die Netzwerkdynamik biologischer Systeme untersuchen, zeigen zelluläre und Gewebereaktionen auf verschiedene Bedingungen bei biologisch sinnvoller Auflösung. Hierin erklären wir unsere Methoden zur Sammlung einzelner Zellen an anatomisch spezifischen Stellen und zur genauen Messung einer Teilmenge ihrer Genexpressionsprofile. Wir kombinieren Lasercapture Microdissection (LCM) mit mikrofluidischen Reverse Transkriptionsquantitativepolymerase-Kettenreaktionen (RT-qPCR). Wir verwenden diese mikrofluidische RT-qPCR-Plattform, um die mikrobielle Fülle von Darminhalten zu messen.
Introduction
Die Messung der Genexpressionsprofile einzelner Zellen hat eine umfassende phänotypische Heterogenität innerhalb eines Gewebes gezeigt. Diese Komplexität hat unser Verständnis der biologischen Netzwerke, die die Gewebefunktion steuern, erschwert. Unsere Gruppe und andere haben dieses Phänomen in vielen Geweben und Bedingungen1,2,3,4,5,6untersucht. Diese Experimente deuten nicht nur darauf hin, dass die Regulierung von Genexpressionsnetzwerken einer solchen Heterogenität zugrunde liegt, sondern auch, dass die einzellige Auflösung eine Komplexität in der Gewebefunktion offenbart, die die Gewebeauflösung nicht zu schätzen weiß. Tatsächlich kann nur eine kleine Minderheit von Zellen auf eine bestimmte Erkrankung oder Herausforderung reagieren, aber die Auswirkungen dieser Zellen auf die allgemeine Physiologie können erheblich sein. Darüber hinaus kann ein systembiologischer Ansatz, der multivariate Methoden auf hochdimensionale Datasets aus mehreren Zelltypen und Geweben anwendet, systemweite Behandlungseffekte aufklären.
Wir kombinieren LCM und mikrofluidische RT-qPCR, um solche Datensätze zu erhalten. Wir verfolgen diesen Ansatz hier im Gegensatz zur Erfassung einzelner Zellen über fluoreszenzaktivierte Zellsortierung (FACS) und der Verwendung von RNA-Sequenzierung (RNA-Seq), um ihr Transkriptom zu messen. Der Vorteil von LCM gegenüber FACS ist, dass die exakte anatomische Spezifität einzelner Zellen mit LCM relativ und absolut dokumentiert werden kann. Während RNA-seq mehr Funktionen messen kann, als RT-qPCR, ist der mikrofluidische RT-qPCR kostengünstiger und hat eine höhere Empfindlichkeit und Spezifität7.
In diesem repräsentativen Experiment untersuchten wir die Auswirkungen von Opioidabhängigkeit und Naltrexon-gefälltem Opioidentzug auf die neuronale, mikroglia und astrozyte Genexpression der Ratte im zentralen Kern der Amygdala (CeA) und Darmmikroflora Fülle4. Vier Behandlungsgruppen wurden analysiert: 1) Placebo, 2) Morphin, 3) Naltrexon und 4) Entzug (Abbildung 1). Wir fanden heraus, dass die Opioidabhängigkeit die Genexpression nicht wesentlich verändert, sondern dass der Opioid-Entzug die Expression entzündlicher Gene, insbesondere Tnf, induzierte. Astrozyten waren der am stärksten betroffene Zelltyp. Das Darmmikrobiom wurde durch Opioid-Entzug stark beeinflusst, wie durch eineAbnahme des Firmicutes-Zu-Bacteroides-Verhältnisses angezeigt wird, das ein etablierter Marker für Darmdysbiose8,9 ist.
Protocol
Representative Results
Discussion
Die Einzelzellbiologie hat die Heterogenität zellulärer Phänotypen und die Robustheit der Gewebefunktion nachgewiesen. Diese Ergebnisse haben Einblicke in die Organisation biologischer Systeme sowohl auf Makro- als auch auf Mikroserskala gegeben. Hier beschreiben wir die Kombination von zwei Methoden, LCM und mikrofluidische qPCR, um einzellige Transkriptom-Maßnahmen zu erhalten, die anatomische Spezifität und Transkriptionsgenauigkeit zu relativ niedrigen Kosten bieten (Abbildung 1). U…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Die hier vorgestellten Arbeiten wurden durch die NIH HLB U01 HL133360 an JS und RV, NIDA R21 DA036372 an JS und EVB und T32 AA-007463 an Jan Hoek zur Unterstützung von SJO’S verliehen.
Materials
| 20X DNA Binding Dye | Fluidigm | 100-7609 | NA |
| 2x GE Assay Loading Reagent | Fluidigm | 85000802-R | NA |
| 48.48 Dynamic Array IFC for Gene Expression | Fluidigm | BMK-M-48.48 | NA |
| 96.96 Dynamic Array IFC for Gene Expression | Fluidigm | BMK-M-96.96 | NA |
| Anti-Cd11β Antibody | Genway Biotech | CCEC48 | Microglia Stain |
| Anti-NeuN Antibody, clone A60 | EMD Millipore | MAB377 | Neuronal Stain |
| ArcturusXT Laser Capture Microdissection System | Arcturus | NA | NA |
| Biomark HD | Fluidigm | NA | RT-qPCR platform |
| Bovine Serum Antigen | Sigma-Aldrich | B4287 | |
| CapSure Macro LCM Caps | ThermoFisher Scientific | LCM0211 | NA |
| CellDirect One-Step qRT-PCR Kit | ThermoFisher Scientific | 11753500 | Lysis buffer solution components |
| DAPI | ThermoFisher Scientific | 62248 | Nucleus Stain |
| DNA Suspension Buffer | TEKnova | T0221 | |
| Exonuclease I | New Englnad BioLabs, Inc. | M0293S | NA |
| ExtracSure Sample Extraction Device | ThermoFisher Scientific | LCM0208 | NA |
| Fisherbrand Superfrost Plus Microscope Slides | ThermoFisher Scientific | 22-037-246 | Plain glass slides |
| GeneAmp Thin-Walled Reaction Tube | ThermoFisher Scientific | N8010611 | |
| GFAP Monoclonal Antibody | ThermoFisher Scientific | A-21294 | Astrocyte Stain |
| Goat anti-Mouse IgG (H+L), Superclonal™ Recombinant Secondary Antibody, Alexa Fluor 488 | ThermoFisher Scientific | A28175 | Seconadry Antibody |
| IFC Controller | Fluidigm | NA | NA |
| RNaseOut | ThermoFisher Scientific | 10777019 | |
| SsoFast EvaGreen Supermix with Low Rox | Bio-Rad | PN 172-5211 | Rox master mix |
| SuperScript VILO cDNA Synthesis Kit | ThermoFisher Scientific | 11754250 | Contains VILO and SuperScript |
| T4 Gene 32 Protein | New Englnad BioLabs, Inc. | M0300S | NA |
| TaqMan PreAmp Master Mix | ThermoFisher Scientific | 4391128 | NA |
| TE Buffer | TEKnova | T0225 | NA |
References
- Park, J., et al. Inputs drive cell phenotype variability. Genome Research. 24, 930-941 (2014).
- Park, J., Ogunnaike, B., Schwaber, J., Vadigepalli, R. Identifying functional gene regulatory network phenotypes underlying single cell transcriptional variability. Progress in Biophysics and Molecular Biology. 117, 87-98 (2015).
- Park, J., et al. Single-Cell Transcriptional Analysis Reveals Novel Neuronal Phenotypes and Interaction Networks Involved in the Central Circadian Clock. Frontiers in Neuroscience. 10, 481 (2016).
- O’Sullivan, S. J., et al. Single-Cell Glia and Neuron Gene Expression in the Central Amygdala in Opioid Withdrawal Suggests Inflammation With Correlated Gut Dysbiosis. Frontiers in Neuroscience. 13, 665 (2019).
- Buettner, F., et al. Computational analysis of cell-to-cell heterogeneity in single cell RNA-sequencing data reveals hidden subpopulations of cells. Nature Biotechnology. 33, 155-160 (2015).
- Papalexi, E., Satija, R. Single-cell RNA sequencing to explore immune cell heterogeneity. Nature Reviews Immunolology. 18, 35-45 (2018).
- SEQC/MAQC-III Consortium. A comprehensive assessment of RNA-seq accuracy, reproducibility and information content by the Sequencing Quality Control Consortium. Nature Biotechnology. 32, 903-914 (2014).
- Rowin, J., Xia, Y., Jung, B., Sun, J. Gut inflammation and dysbiosis in human motor neuron disease. Physiological Reports. 5, (2017).
- Tamboli, C. P., Neut, C., Desreumaux, P., Colombel, J. F. Dysbiosis in inflammatory bowel disease. Gut. 53, 1-4 (2004).
- Paxinos, G., Watson, C. . The Rat Brain in Stereotaxic Coordinates: Hard Cover Edition. , (2006).
