$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Repräsentative dreifarbige Chromatin-dSTORM-Bilder
Das vorgeschlagene sequentielle Färbungsprotokoll wurde für verschiedene Zelllinien als gültig getestet, darunter BJ-Fibroblast, HCT116, AC16, HeLa, MCF10A usw. Abbildung 1 zeigt die repräsentativen Bilder von BJ-Fibroblast-, HeLa- und MCF10A-Zellen.
Validierung der Analysepipeline mit simulierten Datensätzen
Die Entwicklung eines dreifarbigen Immunfluoreszenzprotokolls erforderte die Entwicklung eines spezialisierten rechnergestützten Ansatzes, der in der Lage ist, die Komplexität von Multi-Target-nuklearen SMLM-Daten zu bewältigen (Abbildung 2A,2 B). Angesichts der dichten Chromatinumgebung, in der mehrere Ziele nebeneinander existieren, haben wir ein Punktwolkenanalyse-Framework implementiert, das Lokalisierungskoordinaten direkt verarbeitet, anstatt rekonstruierte Bilder zu verarbeiten. Dieser Ansatz nutzt die umfangreichen Clustering-Analysetools, die für Punktwolkendaten 40,41,42 verfügbar sind. Wir haben systematisch die Fähigkeit der Analysepipeline bewertet, biologisch bedeutsame räumliche Muster mithilfe kontrollierter simulierter Datensätze zu unterscheiden. Vier Verteilungstypen wurden generiert, um unterschiedliche Chromatin-Organisationsszenarien darzustellen: Normalverteilung für eng gruppierte Modifikationen, gleichmäßige Verteilung für verteilte Muster, toroidale Verteilungsmodellierung von Ausschlusszonen und Zufallsverteilung als organisatorische Kontrolle (Abbildung 2C). Diese simulierten Muster waren an echte Heterochromatin-Clusterpositionen verankert, die aus experimentellen H3K9me3-Daten abgeleitet wurden, wodurch realistische nukleare räumliche Einschränkungen erhalten blieben. Dieses Analyse-Framework verwendet DBSCAN-Clustering (Epsilon = 50 nm, Minimumpunkte = 3), was eine von vielen Methoden zur Clusteranalyse in SMLM-Daten 40,41,42 ist. Um korrekte Clustering-Parameter sicherzustellen, haben wir zuvor eine Optimierungsmethode beschrieben, die speziell für die Detektion der Chromatinpackungsdomänen34 entwickelt wurde. Bitte beachten Sie, dass die Nutzer bei der ersten Analyse die Parameter, die die Auswahl durch Struktur, Umgebung und Funktion ihres Ziels optimieren müssen. Hier werden die Clustergrenzen durch konvexe Hüllenberechnungen bestimmt, wodurch Annahmen über die Domänengeometrie ausgeschlossen werden. Unsere Validierung zeigte eine klare Unterscheidung zwischen allen simulierten Verteilungsmustern durch Histogrammprofile mit unterschiedlichen Distanzen (Abbildung 2D). Jeder räumliche Organisationstyp erzeugte charakteristische Signaturen, wenn Lokalisierungen relativ zu Heterochromatinzentriomiden analysiert wurden. Die Analyse der gemeinsamen Belegung wurde mit Dual-Marker-Simulationen mit kontrollierten räumlichen Beziehungen getestet (Abbildung 2E). Räumlich getrennte Marker (normal-toroidale Konfiguration) führten wie erwartet zu minimaler Gelenkdichte, was zu flachen Verteilungsprofilen führte (Abbildung 2E). Überlappende Markierungsmuster (normal-zufällige Konfiguration) führten zu einer abnehmenden Gelenkdichte mit zunehmender Entfernung zu den Referenzpunkten, was den theoretischen Vorhersagen entspricht. Diese Validierungsergebnisse zeigen die Fähigkeit unseres Frameworks, räumliche Kopplungsbeziehungen in komplexen Multi-Target-Datensätzen zu erkennen und zu quantifizieren. Für weitere Informationen darüber, wie diese simulierten Datensätze erstellt wurden, siehe bitte die vollständige Publikation34.
Repräsentative Ergebnisse aus der Chromatinorganisationsanalyse
Die Umsetzung unseres validierten Analyseansatzes in biologischen Proben zeigt charakteristische räumliche Organisationsmuster, die durch dieses Protokoll erreichbar sind. Mit HeLa-Zellen, die mit unserem Drei-Farb-Färbeverfahren für H3K9me3, H3K27ac und RNA-Polymerase II verarbeitet werden, demonstrieren wir die analytischen Fähigkeiten, die durch diese Methodik ermöglicht werden. H3K9me3-Heterochromatin dient als ideales Referenzsystem, basierend auf etablierten Belegen für die konzentrische Chromatinorganisation auf der 200-nm-Skala aus früheren Superauflösungsuntersuchungen 23,28,35. Die Analyse beginnt mit DBSCAN-basierter Identifikation von Heterochromatin-Domänen, die anschließend nach effektiven Radiusen kategorisiert werden: kleine Domänen (25–40 nm), mittlere Domänen (40–80 nm) und große Domänen (80–253 nm). Diese Größenschichtung erklärt die dokumentierte Heterogenität der DNA-Packungsdomänendimensionen, wobei durchschnittliche Domänen etwa 80 nm im Radius25 messen. Entfernungsmessungen verwenden ein 1,5-faches Cluster-Radius-Suchfenster (Abbildung 2B oben), um proximale Euchromatin- und Polymerasesignale zu erfassen (Abbildung 3A, B).
Repräsentative Ergebnisse zeigen, dass sowohl H3K27ac als auch RNA-Polymerase II konsistent nahe Heterochromatingrenzen in allen Domänenkategorien lokalisieren, was mit früheren Studien28,44 und Modellen für die Transkriptionsposition relativ zu Chromatindomänen 23,35,45,46 übereinstimmt. Die quantitative Entfernungsanalyse zeigt mittlere Positionen sehr nahe an den Domänenranden: Große Domänen zeigen H3K27ac bei -1,0 nm und RNA-Polymerase II bei 8,4 nm von Grenzen entfernt, während kleinere Domänen vergleichbare periphere Assoziationen mit geringfügigen Positionsunterschieden aufweisen. Diese Messungen zeigen, dass aktive Chromatinelemente sich an der Grenzfläche zwischen repressiven und permissiven Domänen konzentrieren, anstatt vollständig ausgeschlossen zu sein. Die Analyse der Gelenkdichte zeigt die Fähigkeit des Protokolls, räumliche Kopplungen zwischen ko-labelten Zielen aufzuzeigen (Abbildung 3C-F). Eine Analyse im Vergleich zu Heterochromatindomänen zeigt eine Spitzendichte der Gelenke knapp außerhalb der Domänengrenzen (r/r₀> 1), was auf eine bevorzugte H3K27ac-RNA-Polymerase-II-Kolokalisierung in peripheren Regionen hinweist (Abbildung 3G-I). Diese Ergebnisse zeigen, wie diese Färbungs- und Analysepipeline dazu beitragen kann, komplexe räumliche Beziehungen in dichten Umgebungen zu untersuchen.

Abbildung 1: Drei Farbabbildungen der verwendeten Zellen. Dreifarbige Bilder von (A) BJ-Fibroblast, (B) HeLa und (C) MCF10A. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 2: Quantitativer Analyserahmen für die räumliche Organisation von Zielen relativ zu Heterochromatinclustern. (A) Analysepipeline für in dieser Studie verwendete Mehrkanal-SMLM-Daten. (B) Schaltplan der Abstandsberechnungen zur Peripherie für identifizierte Heterochromatincluster und Joint Affinity Counting-Methode. Beide Methoden werden verwendet, um die Anordnung zweier Ziele in Bezug auf die Struktur des Heterochromatinclusters quantitativ zu bestimmen. (C) Beispiel-Streuverteilungen um spezifische Heterochromatin-Cluster, die in einerStudie 34 verwendet wurden, um unterschiedliche biologische Organisationen zielgerichteter Strukturen zu bestimmen (innerhalb einer Domäne gruppiert vs. um die Domäne herum vs. nicht assoziiert und zufällig verteilt). (D) Entfernung zum Peripherie-Histogramm für zentral gruppierte, zufällig verteilte und toroidal verteilte Kurven und (E) Gelenkaffinitätskurven für Simulationsfälle. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3: Quantitative räumliche Beziehungen von Transkriptionsmarkern um Histondomänen. (A) Ergebnisse des Entfernungs-Peripherie-Histogramms für beispielhafte biologische Daten mehrmarkierter HeLa-Zellen. Für kleine (<40 nm), mittlere (40-80 nm) und große (>120 nm) Domänen für RNAPII und (B) H3K27ac im Vergleich zu H3K9me3-Clustern. (C-E) Beispielbilder für das dreilabelte dSTORM-Bild einer HeLa-Zelle (H3K9me3, H3k27ac, RNAPII2-S2p) mit Einsatz- und Zoombild für eine einzelne Domäne. (F) Konvexe Hülle (rot) Fitting des Definitionsbereichs abgebildet in E mit Analysezone in Grau. (G) Affinitätsdiagramme für RNAPII relativ zu H3K27ac und H3K27ac (H) relativ zu RNAPII in der Analyse-ROI für alle Domänen in den Daten mittlerer Größe im Datensatz. (I) Gemeinsame Dichte von RNAPII und H3K27ac bei der Analyse-ROI für alle mittelgroßen Domänen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.