Özet

Sequenciamento de RNA de célula única e análise de ilhotas pancreáticas humanas

Published: July 18, 2019
doi:

Özet

Aqui, nós apresentamos um protocolo para gerar de alta qualidade, dados do transcriptoma em grande escala das únicas pilhas das ilhotas pancreatic humanas isoladas usando uma tecnologia de sequenciamento microfluídico do RNA da único-pilha da gota-baseada.

Abstract

As ilhotas pancreáticas compreendem células endócrinas com padrões distintivos de expressão hormonal. As células endócrinas mostram diferenças funcionais em resposta às condições normais e patológicas. O objetivo deste protocolo é gerar dados de transcriptomas de alta qualidade e em grande escala de cada tipo de célula endócrina com o uso de uma tecnologia de sequenciamento de RNA de célula única microfluídico baseada em gotas. Tais dados podem ser utilizados para construir o perfil de expressão gênica de cada tipo de célula endócrina em condições normais ou específicas. O processo exige a manipulação cuidadosa, a medida exata, e o controle rigoroso da qualidade. Neste protocolo, nós descrevemos etapas detalhadas para a dissociação, o sequenciamento, e a análise dos dados dos ilhotas pancreatic humanos. Os resultados representativos de aproximadamente 20.000 pilhas humanas da ilífica única demonstram a aplicação bem sucedida do protocolo.

Introduction

Ilhotas pancreáticas liberar hormônios endócrinos para regular os níveis de glicose no sangue. Cinco tipos de células endócrinas, que diferem funcionalmente e morfologicamente, estão envolvidos neste papel essencial: α-células produzem glucagon, β-células de insulina, δ-células somatostatina, células PP polipeptídeo pancreático, e ε-células grelina1. O perfil da expressão gênica é uma abordagem útil para caracterizar as células endócrinas em condições normais ou específicas. Historicamente, todo o perfil de expressão gênica de Islet foi gerado usando Microarray e sequenciamento de RNA de próxima geração2,3,4,5,6,7 , 8. embora o transcriptoma do Islet inteiro seja informativo para identificar os transcritos órgão-específicos e os genes do candidato da doença, não descobre a heterogeneidade molecular de cada tipo da pilha do Islet. A técnica da microdissecção da captação do laser (LCM) foi aplicada para obter diretamente tipos específicos da pilha dos ilhotas9,10,11,12 mas cai a falta da pureza da pilha alvejada População. Para superar essas limitações, a triagem celular ativada por fluorescência (FACS) tem sido usada para selecionar populações específicas de células endócrinas, como as células α e β-13,14,15,16 , 17 anos de , 18. Além disso, Dorrell et al. utilizaram uma abordagem de triagem de FACS baseada em anticorpos para classificar as células β em quatro subpopulações19. As pilhas da ilhada FACS-classificadas podem igualmente ser chapeadas para arranjar em seqüência do RNA de únicas pilhas; no entanto, os métodos baseados em placa enfrentam desafios na escalabilidade20,21,22.

Para gerar alta qualidade, dados de transcriptoma em grande escala de cada tipo de célula endócrina, aplicamos a tecnologia microfluídico a células de Illet humanas. A plataforma microfluídico gera dados de transcriptoma a partir de um grande número de células individuais em uma maneira de alta taxa de transferência, alta qualidade e escalável23,24,25,26,27. Além de revelar características moleculares de um tipo de célula capturado em uma grande quantidade, a plataforma microfluídico altamente escalável permite a identificação de tipos de células raras quando são fornecidas pilhas suficientes. Assim, a aplicação da plataforma às ilhotas pancreáticas humanas permitiu o perfilamento das ε-células secretores de grelina, um tipo raro de células endócrinas com pouca função conhecida devido à sua escassez28. Nos últimos anos, vários estudos foram publicados por nós e outros relatando dados de transcriptoma em larga escala de ilhotas humanas usando a tecnologia29,30,31,32, 33. Os dados estão disponíveis publicamente e os recursos úteis para a Comunidade do Islet para estudar a heterogeneidade da pilha de glândula endócrina e sua implicação nas doenças.

Aqui, nós descrevemos um protocolo de sequenciamento microfluídico com base em gotas de RNA de célula única, que tem sido usado para produzir dados de transcriptomas de aproximadamente 20.000 células de ilhas humanas, incluindo α-, β-, δ-, PP, ε-Cells, e uma menor proporção de células não-endócrinas 32. o fluxo de trabalho começa com ilhotas humanas isoladas e retrata etapas de dissociação de células de ilhotas, captura de célula única e análise de dados. O protocolo requer o uso de ilhotas recém-isoladas e pode ser aplicado a ilhotas de seres humanos e outras espécies, como roedores. Usando este fluxo de trabalho, untendenciosa e abrangente Islet célula Atlas em linha de base e outras condições podem ser construídas.

Protocol

1. dissociação de Illet humana Obter ilhotas humanas isoladas de doadores de órgãos de cadáveres de qualquer sexo, com idades entre 15-80 anos, sem doenças pré-existentes, a menos que ilhotas de doadores com dados demográficos específicos sejam necessárias para o propósito do estudo. Após a isolação, tenha as ilhotas isoladas mantidas na facilidade da cultura do tecido por 2-3 dias no fornecedor. Toma frequentemente mais de 1 dia para que os danos do Islet tornem-se visíveis. C…

Representative Results

O fluxo de trabalho de sequenciamento de RNA de célula única consiste em três etapas: dissociando ilhotas humanas intactas em suspensão de célula única, capturando células únicas usando uma tecnologia baseada em gotas e analisando dados de RNA-Seq (Figura 1). Em primeiro lugar, as ilhotas humanas adquiridas foram incubadas durante a noite. As ilhotas intactas foram examinadas o microscópio (Figura 2a). A integridade de p…

Discussion

As tecnologias de célula única desenvolvidas nos últimos anos fornecem uma nova plataforma para caracterizar os tipos de células e estudar a heterogeneidade molecular em ilhotas pancreáticas humanas. Nós adotamos um protocolo do isolamento microfluídico da único-pilha da gota-baseado e da análise dos dados para estudar ilhotas humanas. Nosso protocolo produziu com sucesso dados de sequenciamento de RNA de mais de 20.000 células de Ilíadas humanas únicas com variações relativamente pequenas na qualidade da s…

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Nenhum

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

Referanslar

  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

Bu Makaleden Alıntı Yapın
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