Bulk-gen Ausdruck Messungen Wolke Einzelzelle Unterschiede in heterogenen Zellpopulationen. Hier beschreiben wir ein Protokoll wie einzellige gen Expressionsanalyse und Index Sortierung durch die Blüte aktiviert Zelle sortieren (FACS) kann kombiniert werden, um die Heterogenität zu umreißen und immunophenotypisch charakterisieren molekular unterschiedliche Zellpopulationen.
Immunophenotypic Charakterisierung und molekulare Analyse haben seit langem verwendet, um abzugrenzen Heterogenität und unterschiedliche Zellpopulationen zu definieren. FACS ist von Natur aus eine einzellige Assay, molekulare Analyse jedoch vor, die Zielzellen oft prospektiv in loser Schüttung, isoliert werden dadurch verlieren einzellige Auflösung. Einzellige gen Expressionsanalyse bietet die Möglichkeit, molekulare Unterschiede zwischen einzelnen Zellen in heterogenen Zellpopulationen zu verstehen. In Zelle Massenanalyse ergibt eine Überrepräsentation von einem deutlichen Zelltyp Vorurteile und Gefäßverschlüsse von Signalen von seltenen Zellen mit biologischer Bedeutung. Durch die Verwendung von FACS Index sortieren gekoppelt mit einzelligen gen Expressionsanalyse, Populationen untersucht werden können ohne den Verlust von einzelligen Auflösung während Zellen mit mittleren Zelle Oberfläche Marker Ausdruck auch erfasst werden, ermöglichen die Bewertung der die Relevanz der kontinuierliche Oberfläche Marker Ausdruck. Hier beschreiben wir einen Ansatz, der reversen Transkription einzellige kombiniert quantitative PCR (RT-qPCR) und FACS index sortieren gleichzeitig die molekulare Charakterisierung und Immunophenotypic Heterogenität innerhalb Zell-Populationen.
Im Gegensatz zu den einzelligen RNA Sequenzierung Methoden ermöglicht die Verwendung von qPCR mit zielgruppenspezifischen Verstärkung für robuste Messungen von niedrig-Fülle Transkripte mit weniger Aussetzer, während es durch Probleme im Zusammenhang mit Variationen von Zelle zu Zelle lesen Sie nicht verwechselt wird Tiefe. Darüber hinaus direkt Index-Sortierung Einzel-Zellen in Lyse-diese Methode Puffer, ermöglicht durch cDNA Synthese und zielgruppenspezifische Vorverstärkung in einem Schritt sowie für die Korrelation der später abgeleiteten molekulare Signaturen mit Zelloberfläche durchgeführt werden Marker-Ausdruck. Die beschriebene Vorgehensweise wurde entwickelt, um hämatopoetischen Einzel-Zellen zu untersuchen, aber haben auch erfolgreich auf andere Zelltypen eingesetzt.
Abschließend ermöglicht der hierin beschriebene Ansatz für empfindliche Messung der mRNA Ausdruck für ein Panel der vorgewählten Gene mit der Möglichkeit, Protokolle für angehende isoliert von molekular unterschiedliche Subpopulationen zu entwickeln.
Jede einzelne Blutzelle wird geglaubt, um in einer zellulären Hierarchie befinden wo Stammzellen bilden die Spitze auf der Oberseite eine Reihe von zunehmend engagierte fortgeschrittene Stammväter, die schließlich unheilbar in die endgültige Effektorzellen mit spezifischen unterscheiden biologische Funktionen1. Viel von dem Wissen über Stammzellen Systeme wie organisiert sind wurde im blutbildenden System, vor allem wegen der Fähigkeit, unterschiedliche hämatopoetische Populationen hochangereichertes für Stammzellen oder verschiedene Vorfahren2 prospektiv isolieren generiert durch FACS sortieren. Dies hat für viele dieser Populationen erlaubt, funktional oder molekular, überwiegend durch gen-Expressions-profiling3,4analysiert werden. Aber wenn Analyse der Genexpression von Schüttgut Populationen individuelle Unterschiede zwischen den Zellen sind gemittelt und verlor5. So kann Arbeitsunfähigkeit, Zell-Zell-Varianten in heterogenen Zelle Bruchteilen zu erkennen unser Verständnis der kritischen biologischen Prozesse verwirren, wenn kleine Teilmengen von Zellen für die abgeleitete biologische Funktion von dieser Bevölkerung6zu berücksichtigen, 7. Umgekehrt, Untersuchung von gen-Ausdruck-Signaturen bei einzelligen Auflösung bieten die Möglichkeit zu Heterogenität abzugrenzen und zu überschatten Einflüsse aus überrepräsentiert Teilmengen von Zellen8umgehen.
Bisher wurden viele Protokolle für einzellige gen Expressionsanalyse entwickelt; mit jeder dieser Ansätze hat seine eigenen Vorbehalte. Die früheste Methode wurde RNA Fluoreszenz in Situ Hybridisierung (RNA-Fisch), die eine begrenzte Anzahl von Abschriften zu einem Zeitpunkt misst, sondern ist einzigartig, da es ermöglicht die Untersuchung von RNA Lokalisierung9,11. Frühe Methoden mittels PCR und qPCR um zu erkennen, dass ein einzelnes oder wenige Abschriften wurden auch entwickelt,12. Jedoch haben diese in letzter Zeit durch Mikrofluidik-basierte Methoden ersetzt, die gleichzeitig Ausdruck von Hunderten von Abschriften pro Zelle in Hunderten von Zellen durch qPCR analysieren können und ermöglichen so hochdimensionalen Heterogenität-Analyse mit gen Platten10,13im Vorhinein festgelegt. Vor kurzem RNA Sequenzierung basierenden Technologien haben werden am meisten benutzt für Einzelzelle Analyse, wie diese können theoretisch das ganze Transkriptom einer Zelle zu messen und dadurch eine explorative Dimension Heterogenität Analyse10, verleihen 14. Multiplexed qPCR Analyse und einzellige RNA Sequenzierung haben unterschiedliche Eigenschaften, so die Begründung für die Verwendung einer der Methoden hängt die Frage sowie die Anzahl der Zellen in der Zielpopulation. Hochdurchsatz- und low-cost pro Zelle zusammen mit unvoreingenommenen, explorative Eigenschaften der einzelligen RNA Sequenzierung sind erwünscht, wenn unbekannte Zelle oder große Populationen untersucht werden. Allerdings ist einzellige RNA Sequenzierung auch voreingenommen gegenüber Sequenzierung hohe reichliche Abschriften häufiger während Transkripte mit niedrigen Fülle anfällig für Ausfälle sind. Dies führt zu erheblich komplexer Daten, das stellt hohe Anforderungen an bioinformatische Analyse wichtige molekulare Signale zeigen, die oft subtil oder in technischen Lärm15verborgen sind. Also für gut charakterisierten Gewebe einzellige qPCR-Analyse mit vorbestimmt Primer Platten ausgewählt für funktionell wichtige Gene oder molekulare Marker können als ein sensibler, unkomplizierte Konzept zur Bestimmung der Heterogenität der dienen ein Bevölkerung. Allerdings ist anzumerken, dass im Vergleich zu einzellige RNA-FF, die Kosten pro Zelle ist im Allgemeinen höher für einzellige qPCR Methoden. Hier beschreiben wir einen Ansatz, der einzelligen RT-qPCR (geändert von Teles J. Et Al. kombiniert ( 16), FACS Index gleichzeitig17 und Bioinformatik Analyse18 zur Sortierung die molekularen und Immunophenotypic Heterogenität innerhalb von Populationen zu charakterisieren.
Bei diesem Ansatz die Zellpopulation des Interesses ist befleckt und Einzel-Zellen sind durch FACS direkt in Lyse Puffer in 96-Well-PCR-Platten sortiert. Gleichzeitig sind Ausdruck eines zusätzlichen Satzes der Zelloberfläche Marker für jede einzelne Zelle bei der FACS-Sortierung, eine Methode Drittel über dem Niveau, die als Index-Sortierung bezeichnet wird. Das lysierten Zellmaterial wird anschließend verstärkt und die Genexpression eine ausgewählte Gruppe von Genen mit RT-qPCR, mithilfe einer mikrofluidischen Plattform analysiert. Diese Strategie ermöglicht molekulare Analyse der sortierten einzellige sowie gleichzeitige Charakterisierung von jeder einzelnen Zelle Zelloberfläche Marker Ausdruck. Indem Sie direkt zuordnen molekular unterschiedliche Teilmengen von Zellen des Ausdrucks der indizierten sortierte Marker, können die Subpopulationen mit einer bestimmten Immunophenotype verknüpft werden, die für ihre zukünftigen Isolation verwendet werden können. Die Methode wird erläutert Schritt für Schritt in Abbildung 1. Eine vorbestimmte gen Gremium trägt eine höhere Auflösung der gezielten Genexpression, da sie Messung irrelevant reichlich Gene umgeht, die sonst feine gen Ausdruck Signale verdecken können. Robuste Messung von niedrigen ausgedrückt Transkripte, wie Transkriptionsfaktoren oder nicht-Poly-Adenylated-RNAs ermöglicht darüber hinaus der zielgruppenspezifischen Verstärkung, einen Schritt reversen Transkription und Verstärkung. Wichtig ist, zulassen qPCR Methoden für die Messung der mRNA von Schmelzverfahren Proteine, die wichtig sind bei der Untersuchung von bestimmten bösartigen Erkrankungen19. Zu guter Letzt die fokussierte Zahl der Gene untersucht, geringe Drop-out-Raten und begrenzten technischen Unterschiede zwischen den Zellen machen diese Methode leicht analysiert im Vergleich zu höher dimensionale Methoden, z. B. einzellige RNA-seq. Anhand des Protokolls kann eine gesamte Experiment durchgeführt werden, von der Sortierung Zellen analysierten Ergebnisse innerhalb von drei Tagen, so dass dies eine unkomplizierte und schnelle Methode für sensible, Hochdurchsatz einzellige Ausdruck Genanalyse.
1. Vorbereitung der Lyse Platten
2. Vorbereitung der Zellen Zellsortierung
(3) Zellsortierung
(4) reverse Transkription und zielgruppenspezifische Verstärkung
5. Vorbereitung der Probe und Assay-Platten für Multiplex mikrofluidischen Gene Expression Analysis
6. Laden der Mikrofluidik-Chip
7. laufende Chip auf Multiplex mikrofluidischen Gen-Expression-Plattform
8. vorläufige Analyse der Chip Run
9. einzellige Analyse mit SCExV
Hinweis: Ein Einführungsfilm ist präsent20 , das Werkzeug einzuführen. Hier ist eine kurze Empfehlung wie man Analyse mithilfe der Steuerelemente in das Protokoll eingeführt präsentiert.
10. Index-Sortierung Analyse
In den letzten Jahren ist Ausdruck von einzelligen Genanalyse eine wertvolle Ergänzung zu definieren, die Heterogenität der einzelnen Zelle Bevölkerungen23geworden. Das Aufkommen der RNA Sequenziertechnologien theoretisch bietet die Möglichkeit, das gesamte Transkriptom einer Zelle zu messen, aber diese Methoden durch Variationen in tiefen von Zelle zu Zelle Sequenzierung und Aussteiger kompliziert sind. Einzellige qPCR bietet eine sensible und robuste Analyse des Ausdrucks von Hunderten von kritischen Genen wo alle Zellen werden ebenso behandelt, technische Lärmminderung. Die zielgerichtete Analyse von einer begrenzten Anzahl von Abschriften ermöglicht darüber hinaus für eine vereinfachte Analyse ohne Einmischung von stark exprimierten Gene.
Da der Ansatz nur eine Teilmenge der Gene in den Zellen untersucht, ist es sehr wichtig, den richtigen Satz von Genen zu wählen, wenn das Gen-Panel zu entwerfen. Die Wahl von Genen kann auf verschiedene Weise durchgeführt werden; durch Literatur, bisherigen Erkenntnissen durch Massenanalyse und Bioinformatik Analyse öffentlich verfügbarer Daten. Das ist nicht unbedeutend; mit den richtigen Satz von Genen kann jedoch der Ansatz sehr mächtig. Wenn das Gen-Panel entwickelt wurden, ist es wichtig zu überprüfen, ob die Primer während Multiplexen nicht beeinträchtigt werden. Hier empfehlen wir Analyse, wenn die Primer linear sind, durch eine Verdünnungsreihe mit reichlich Stoff Vorformen; eine Verdünnung, die Serie in dieser Studie verwendeten Primer in ergänzenden gezeigt ist Figur 2D in Warfvinge Et al. 22
Die zwei wichtigsten Einschränkungen des hier vorgestellten Protokolls sind die begrenzte Anzahl von Zellen und Gene untersucht. Jedoch Obwohl bei jedem Durchlauf nur 96 Zellen untersucht werden, dieses relativ einfache Protokoll kann in einem Tag abgeschlossen werden und somit Hunderte von Zellen in einer Woche analysiert werden können. Darüber hinaus konnte die Anzahl der Gene untersucht gesteigert werden, wenn weitere Primer in der Target-spezifische Vorverstärkung Schritt enthalten sind. In diesem Fall sind mehrere Chips benötigt, um jeden Satz von 96 Primer zu untersuchen.
Wenn Gene oder Zellen mit stark ausgedrückt hohe RNA-Gehalt werden analysiert, die Anzahl der Zyklen optimiert für hämatopoetische Stammzellen mit niedrigen insgesamt gen Ausdruck23 geändert werden sollte. Ändern Verstärkung Zyklen ist auch wichtig, bei der Untersuchung von Bulk-Populationen. Für Massenanalyse von hämatopoetischen Stammzellen (100 Zellen) empfehlen wir die Verringerung der Menge an Vorverstärkung Zyklen von 25 auf 18.
Die häufigsten Gründe für Fehler beim läuft aufgrund der erfolglosen Sortierung der Einzel-Zellen in den Brunnen der Lyse Platte, Sortierung der nicht lebensfähige Zellen, suboptimale Vorverstärkung oder Chip Ladefehler. Die Rox-Ebene in jede Reaktionskammer ist ein Indikator für die Belastung der Probe oder Assay, und wenn diese niedrig sind, es wird empfohlen, dass die Proben auf einem neuen Chip seit niedrigen Rox erneut ausgeführt werden, die Ebenen wahrscheinlich durch Einführung von Luftblasen während des Ladens verursacht sind. Mangel an dotierten Eingabesteuerelement RNA Ausdruck ist ein Indikator für das Pre-Amps sind gescheitert, wahrscheinlich aufgrund von Problemen mit Vorverstärkung- oder reverse Transkription Reagenzien. In diesem Fall empfiehlt es sich, dass ein neuer Chip mit neu sortierten Zellen und neue Reaktionspartner ausgeführt wird. Erkennung des Steuerelements RNA aber keine Anzeichen für andere Genexpression Signale Aufschluss über erfolglose einzellige FACS vor gen Expressionsanalyse Sortierung ist. Zur Vermeidung von Fehlern während der FACS sortieren es ist darauf zu achten, dass die einzelnen Zellen in der Mitte jedes gut sortiert sind. Dies kann durch Sortieren von Perlen in einen leeren Teller und visuell prüfen, wo der Tropfen landet. Achten Sie darauf, Test-Art in alle Vertiefungen in die Kanten der Platte um sicherzustellen, dass die Einrichtung nicht nur für die ersten paar Brunnen stimmt. Wenn zutreffend, Einzel-Zellen können parallel für in-vitro- Wachstum sortiert und analysiert vor der qPCR Analyse zur Kontrolle für erfolgreiche Sortierung Protokolle. Index-Sortierung Informationen lässt sich nicht nur für die Untersuchung der Immunophenotyped von einer molekular unterschiedliche Subpopulation aber bieten auch nützliche Erkenntnisse bei der Problembehandlung Wenn Sie einer undefinierten Bevölkerung sortieren und viele minderwertige Zellen sind in den einzelligen Genanalyse Ausdruck vorhanden. Die Index-Sortierung Informationen lässt sich die gating-Strategie zu optimieren und zukünftige Sortierung von minderwertigen Zellen zu vermeiden.
Einzellige gen Expressionsanalyse revolutioniert wie heterogen Zelle Populationen untersucht werden und ebnet den Weg für das weitere Verständnis der Zelldifferenzierung. In Hämatopoese einzellige gen Expressionsanalyse verwendet wurden, um Sortierstrategien für Teilmengen von HSZ7, zu verfeinern, um die Heterogenität der multipotenten Vorläuferzellen Populationen6,24,25 zu beheben , und Therapie unempfindlich leukämischen Stammzellen Populationen22,26zu identifizieren. Kombination von Index sortieren mit einzelligen gen – Expression und Funktionsanalyse hat zuvor nachweislich zuverlässig und effizient bei der Untersuchung von Immunophenotype und Heterogenität der verschiedenen Populationen27, 28,29. Hier, einen Ansatz für die Untersuchung von molekularen und Immunophenotypic Heterogenität der Zelle Bevölkerungen wurden beschrieben in der Kombination von einzelligen qPCR mit Index sortieren ermöglicht schnelle und reproduzierbare Ergebnisse ohne komplizierte Analyse in kurzer Zeitrahmen.
The authors have nothing to disclose.
CD14 PECY5 | eBioscience | 15-0149-42 | Clone: 61D3 |
CD16 PECY5 | Biolegend | 302010 | Clone: 3G8 |
CD56 PECY5 | Biolegend | 304608 | Clone: MEM-188 |
CD19 PECY5 | Biolegend | 302210 | Clone: HIB19 |
CD2 PECY5 | Biolegend | 300210 | Clone: RPA-2.10 |
CD3 PECY5 | Biolegend | 300310 | Clone: HIT3a |
CD123 PECY5 | Biolegend | 306008 | Clone: 6H6 |
CD235A PECY5 | BD Pharma | 559944 | Clone GAR2 |
CD34 FITC | Biolegend | 343604 | Clone: 561 |
CD38 APC | Biolegend | 303510 | Clone: Hit2 |
CD90 PE | Biolegend | 328110 | Clone: 5E10 |
CD45RA BV421 | BD bioscience | 560362 | Clone: HI100 |
CD49f Pecy7 | eBioscience | 25-0495-82 | Clone: eBioGOH3 |
FBS | HyClone | SV30160.3 | |
PBS | HyClone | SH30028.02 | |
96-well u-bottom Plate | VWR | 10861-564 | |
SFEM | Stem cell technologies | 9650 | |
Penicillin streptomycin | HyClone | SV30010 | |
TPO | Peprotech | 300-18 | |
SCF | Peprotech | 300-07 | |
FLT3L | Peprotech | 300-19 | |
Falcon Tube 15 mL | Sarstedt | 62.554.502 | |
Eppendorph tube | Sarstedt | 72.690.001 | |
CST beads | BD | 642412 | |
Accudrop Beads | BD | 345249 | 6 µm particles |
Adhesive film Clear | Thermo scientific | AB-1170 | |
Adhesive film Foil | Thermo scientific | AB-0626 | |
96 well PCR plate | Axygen | PCR-96M2-HS-C | |
PCR 1.5 mL tube | Axygen | MCT-150-L-C | |
T100 PCR cycler | BioRad | 186-1096 | |
10% NP40 | Thermo scientific | 85124 | |
10 mM dNTP | Takara | 4030 | |
0.1 M DTT | Invitrogen | P2325 | |
RNAsout | Invitrogen | 10777-019 | RNAse inhibitor |
CellsDirect One-Step qRT-PCR Kit | Invitrogen | 11753-100 | |
Neuclease free water | Invitrogen | 11753-100 | from CellsDirect kit |
2x Reaction Mix | Invitrogen | 11753-100 | from CellsDirect kit |
SuperScript III RT/Platinum Taq Mix | Invitrogen | 11753-100 | from CellsDirect kit |
Platinum Taq DNA Polymerase | Invitrogen | 10966026 | |
TaqMan Cells-to-CT Control Kit | Invitrogen | 4386995 | |
Xeno RNA Control | Invitrogen | 4386995 | From TaqMan Cells-to-CT Control Kit |
20x Xeno RNA Control Taqman Gene Expression Assay | Invitrogen | 4386995 | From TaqMan Cells-to-CT Control Kit |
96.96 Sample/Loading Kit—10 IFCs | Fluidigm | BMK-M10-96.96 | |
2x Assay Loading Reagent | Fluidigm | From 96.96 Sample/Loading Kit | |
20x GE Sample Loading Reagent | Fluidigm | From 96.96 Sample/Loading Kit | |
Control line fluid | Fluidigm | From 96.96 Sample/Loading Kit | |
TaqMan Gene Expression Master Mix | Applied Biosystems | 4369016 | |
BioMark HD | Fluidigm | BMKHD-BMKHD | |
96.96 Dynamic Array IFC | Fluidigm | BMK-M10-96.96GT | |
Excel | Microsoft | Microsoft | |
FlowJo V10 | TreeStar | TreeStar | |
Fluidigm real time PCR analysis | Fluidigm | Fluidigm | |
CD179a.VPREB1 | Thermofisher scientific | Hs00356766_g1 | |
ACE | Thermofisher scientific | Hs00174179_m1 | |
AHR | Thermofisher scientific | Hs00169233_m1 | |
BCR_ABL.52 | Thermofisher scientific | Hs03043652_ft | |
BCR_ABL41 | Thermofisher scientific | Hs03024541_ft | |
BMI1 | Thermofisher scientific | Hs00995536_m1 | |
CCNA2 | Thermofisher scientific | Hs00996788_m1 | |
CCNB1 | Thermofisher scientific | Hs01030099_m1 | |
CCNB2 | Thermofisher scientific | Hs01084593_g1 | |
CCNC | Thermofisher scientific | Hs01029304_m1 | |
CCNE1 | Thermofisher scientific | Hs01026535_g1 | |
CCNF | Thermofisher scientific | Hs00171049_m1 | |
CCR9 | Thermofisher scientific | Hs01890924_s1 | |
CD10.MME | Thermofisher scientific | Hs00153510_m1 | |
CD11a | Thermofisher scientific | Hs00158218_m1 | |
CD11c.ITAX | Thermofisher scientific | Hs00174217_m1 | |
CD123.IL3RA | Thermofisher scientific | Hs00608141_m1 | |
CD133.PROM1 | Thermofisher scientific | Hs01009250_m1 | |
CD151 | Thermofisher scientific | Hs00911635_g1 | |
CD220.INSR | Thermofisher scientific | Hs00961554_m1 | |
CD24.HSA | Thermofisher scientific | Hs03044178_g1 | |
NCOR1 | Thermofisher scientific | Hs01094540_m1 | |
CD26.DPP4 | Thermofisher scientific | Hs00175210_m1 | |
CD274 | Thermofisher scientific | Hs01125301_m1 | |
CD276 | Thermofisher scientific | Hs00987207_m1 | |
CD32.FCGR2B | Thermofisher scientific | Hs01634996_s1 | |
CD33 | Thermofisher scientific | Hs01076281_m1 | |
CD34 | Thermofisher scientific | Hs00990732_m1 | |
CD344.FZD4 | Thermofisher scientific | Hs00201853_m1 | |
CD352.SLAMF6 | Thermofisher scientific | Hs01559920_m1 | |
CD38 | Thermofisher scientific | Hs01120071_m1 | |
CD4 | Thermofisher scientific | Hs01058407_m1 | |
CD41.ITGA2B | Thermofisher scientific | Hs01116228_m1 | |
CD49f.ITGA6 | Thermofisher scientific | Hs01041011_m1 | |
CD56.NCAM1 | Thermofisher scientific | Hs00941830_m1 | |
CD9 | Thermofisher scientific | Hs00233521_m1 | |
CD97 | Thermofisher scientific | Hs00173542_m1 | |
CD99 | Thermofisher scientific | Hs00908458_m1 | |
CDK6 | Thermofisher scientific | Hs01026371_m1 | |
CDKN1A | Thermofisher scientific | Hs00355782_m1 | |
CDKN1B | Thermofisher scientific | Hs01597588_m1 | |
CDKN1C | Thermofisher scientific | Hs00175938_m1 | |
CEBPa | Thermofisher scientific | Hs00269972_s1 | |
CSF1r | Thermofisher scientific | Hs00911250_m1 | |
CSF2RA | Thermofisher scientific | Hs00531296_g1 | |
CSF3RA | Thermofisher scientific | Hs01114427_m1 | |
E2A.TCF3 | Thermofisher scientific | Hs00413032_m1 | |
EBF1 | Thermofisher scientific | Hs01092694_m1 | |
ENG | Thermofisher scientific | Hs00923996_m1 | |
EPOR | Thermofisher scientific | Hs00959427_m1 | |
ERG | Thermofisher scientific | Hs01554629_m1 | |
FLI1 | Thermofisher scientific | Hs00956711_m1 | |
FLT3 | Thermofisher scientific | Hs00174690_m1 | |
FOXO1 | Thermofisher scientific | Hs01054576_m1 | |
GAPDH | Thermofisher scientific | Hs02758991_g1 | |
GATA1 | Thermofisher scientific | Hs00231112_m1 | |
GATA2 | Thermofisher scientific | Hs00231119_m1 | |
GATA3 | Thermofisher scientific | Hs00231122_m1 | |
GFI1 | Thermofisher scientific | Hs00382207_m1 | |
HES1 | Thermofisher scientific | Hs01118947_g1 | |
HLF | Thermofisher scientific | Hs00171406_m1 | |
HMGA2 | Thermofisher scientific | Hs00171569_m1 | |
HOXA5 | Thermofisher scientific | Hs00430330_m1 | |
HOXB4 | Thermofisher scientific | Hs00256884_m1 | |
ID2 | Thermofisher scientific | Hs04187239_m1 | |
IGF2BP1 | Thermofisher scientific | Hs00198023_m1 | |
IGF2BP2 | Thermofisher scientific | Hs01118009_m1 | |
IKZF1 | Thermofisher scientific | Hs00172991_m1 | |
IL1RAP | Thermofisher scientific | Hs00895050_m1 | |
IL2RG | Thermofisher scientific | Hs00953624_m1 | |
IRF8 | Thermofisher scientific | Hs00175238_m1 | |
ITGB7 | Thermofisher scientific | Hs01565750_m1 | |
KIT | Thermofisher scientific | Hs00174029_m1 | |
Lin28B | Thermofisher scientific | Hs01013729_m1 | |
LMO2 | Thermofisher scientific | Hs00153473_m1 | |
LYL1 | Thermofisher scientific | Hs01089802_g1 | |
Meis1 | Thermofisher scientific | Hs01017441_m1 | |
mKi67 | Thermofisher scientific | Hs01032443_m1 | |
MPL | Thermofisher scientific | Hs00180489_m1 | |
MPO | Thermofisher scientific | Hs00924296_m1 | |
NFIB | Thermofisher scientific | Hs01029175_m1 | |
Notch1 | Thermofisher scientific | Hs01062011_m1 | |
Pten | Thermofisher scientific | Hs02621230_s1 | |
RAG2 | Thermofisher scientific | Hs01851142_s1 | |
RPS18 | Thermofisher scientific | Hs01375212_g1 | |
RUNX1 | Thermofisher scientific | Hs00231079_m1 | |
Shisa2 | Thermofisher scientific | Hs01590823_m1 | |
Spi1 | Thermofisher scientific | Hs02786711_m1 | |
Sterile.IgH | Thermofisher scientific | Hs00378435_m1 | |
TAL1 | Thermofisher scientific | Hs01097987_m1 | |
THY1 | Thermofisher scientific | Hs00264235_s1 | |
Tim.3.HAVCR2 | Thermofisher scientific | Hs00958618_m1 | |
VWF | Thermofisher scientific | Hs00169795_m1 |