Name: Quantifizierung von Zell-Substrat-Adhäsionsflächen und Zellformverteilungen in MCF7-Zell-Monolayern (Video) | JoVE Journal
Uploaded: 2020-06-24T13:00:00.000+00:00
Duration: 6 min 46 s
Description: Lernen Sie die Quantifizierung von Zell-Substrat-Adhäsionsflächen und Zellformverteilungen in MCF7-Zell-Monolayern mit konfokaler Mikroskopie und ImageJ-Software. Diese Methode ermöglicht präzise Analysen für Krebsforschung.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Diese Arbeit wurde vom Polnischen National Science Center unter der Fördernummer 2014/14/M/NZ1/00437 unterstützt.

1. Vorbereitende Schritte
<ol><li>Zellaussaat zur Gewinnung von konfluenten Monolayern<ol>
<li>Vor der Aussaat die Brunnen einer 4-Wells-Kammerrutsche mit Kollagen I (oder einer anderen ECM-Komponente nach Wahl) beschichten. Für die Kollagen-I-Beschichtung folgen Sie einem kommerziellen Protokoll: https://www.sigmaaldrich.com/technical-documents/articles/biofiles/collagen-product-protocols.html bei einer Konzentration von 8 g/cm2.</li>
		<li>Samen 400.000 Zellen zu einem Brunnen einer 4-Well-Kammerrutsche.</li>
		<li>Kultur die Zellen für 24 h (oder länger, je nach den experimentellen Endpunkten) vor der Färbung, in einem Inkubator bei 37 °C, 5%CO2. Dieser Schritt ermöglicht die Reifung von Zell-Zell-Kontakten und die Bildung von Monolayern.</li>
		<li>Verwenden Sie ein optisches, invertiertes Mikroskop, um die Konfluenz (ca. 90% erforderlich) und einen allgemeinen Zustand von Monolayern zu überprüfen. Gehen Sie nicht vor, wenn Zellen schweben oder gestresst aussehen.</li>
	</ol>
</li>
	<li>Immunfluoreszierende Färbung HINWEIS: Zellen können mit einem Protokoll Ihrer Wahl befleckt werden. Hier wurde die Immunfluoreszenz wie zuvor beschrieben4durchgeführt.<ol>
<li>Für die fokale Adhäsionsanalyse färben Sie die Zellen mit einem fokalen Adhäsionsprotein der Wahl (in diesem Protokoll paxillin). Für die Zellformanalyse Fleck mit Zell-Zell-Knoten-Protein der Wahl (in diesem Protokoll desmosomalProtein Plakoglobin).</li>
		<li>Verwenden Sie für das Verfahren 0,5 ml der angegebenen Lösungen, sofern nicht anders angegeben.</li>
		<li>Fix Zellen in 4% Formaldehyd in PBS für 30 min auf Eis.</li>
		<li>Mit 0,1 M Ammoniumchlorid (in PBS) für 10 min zur Abschreckung der Autofluoreszenz inkubieren.</li>
		<li>Fügen Sie 0.5% Triton X-100 (in PBS) für 30 min (Permeabilisierung).</li>
		<li>Block mit 5% Milch (oder 1% BSA) in TBS-T für 1 h.</li>
		<li>Inkubieren mit primärem Antikörper bei 4 °C über Nacht (Anti-Paxillin: Kaninchen, 1:250, Antiplakoglobin: Kaninchen, 1:400)</li>
		<li>Inkubat mit Sekundärantikörper für 30 min (Alexa Fluor 594 Ziege Anti-Kaninchen, 1:500, 1:500)</li>
		<li>Fleck mit 300 nM DAPI für 1-5 min, lichtgeschützt. HINWEIS: Optional kann eine zusätzliche Färbung von Actin mit fluoreszierenden Phalloidin-Konjugaten (konz. 1:400) durchgeführt werden; Phalloidin sollte im selben Schritt wie der sekundäre Antikörper hinzugefügt werden.</li>
	</ol>
</li>
	<li>Konfokale Bildgebung<ol>
<li>Nehmen Sie Einzelne Z-Scheiben mit einem konfokalen Mikroskop (z. B. Zeiss LSM800) auf. HINWEIS: Optionale Aktinfärbung kann helfen, die richtige Brennebene zu beurteilen. Die kortikale Aktinfärbung ist im apikalen Bereich vorhanden, während Actin-Spannungsfasern im Basalbereich in der Nähe des Substrats vorhanden sind, wie in Abbildung 1dargestellt.</li>
		<li>Fokale Adhäsions-Bildgebung<ol>
<li>Wählen Sie Z-Slices für die fokale Haftungsanalyse aus dem Basalbereich, in der Nähe des Substrats.</li>
			<li>Verwenden Sie ein Objektiv mit der höchsten verfügbaren numerischen Blende (vorzugsweise 63x N.A.: 1.4). HINWEIS: Die Form von FA ist sehr spezifisch und leicht erkennbar. Daher wird empfohlen, den Scan von einer Brennebene unter den Zellen zu starten und dann langsam in Richtung zu ihnen zu scannen, bis FAs deutlich sichtbar sind. Die Bildanalyse wird aus kleineren Sichtfeldern genauer, die tendenziell einheitlicher sind, aber dies impliziert, dass weniger Zellen in einem einzigen Sichtfeld berechnet werden.</li>
		</ol>
</li>
		<li>Zell-Zell-Kontakte-Bildgebung<ol>
<li>Verwenden Sie ein 40x- oder 63x-Objektiv.</li>
			<li>Wählen Sie Kanäle für die Kernfärbung und die bevorzugte Knotenproteinfärbung aus.</li>
			<li>Wählen Sie Z-Slices für die Zellformanalyse aus dem apikalen Bereich der Monolayer aus.</li>
			<li>Nehmen Sie Bilder für mindestens 3 verschiedene Sichtfelder (200-400 Zellen) auf.</li>
		</ol>
</li>
	</ol>
</li>
</ol>2. Bildanalyse
HINWEIS: Vorausgesetzt, Makros funktionieren optimal auf ImageJ Version 1.50f oder neuer. Verwendung nur zur Quantifizierung von Bildern mit einem hohen Signal-Rausch-Verhältnis und ohne unter- oder übersättigte Pixel. Die beschriebenen Methoden umfassen Schritte, die eine manuelle Parameteranpassung erfordern. Daher wird eine blinde Analyse/blinde Experimenteinrichtung empfohlen. Zum Verschlüsseln von Bilddateinamen können ImageJ-Plugins wie "Blind Analysis Tool" (verfügbar unter: https://imagej.net/Blind_Analysis_Tools) verwendet werden.
<ol><li>Fokale Haftungsanalyse HINWEIS: Die empfohlenen Eingabedateien für die folgenden Methoden sind: Bilder von FAs, die in 8-Bit-Graustufen im .tiff-Format gespeichert sind.<ol><li>Öffnen Sie das Bild mit ImageJ.</li>
		<li>Festlegen des Maßstabs eines Bildes auf Pixel(Analysieren | Set Skala; Entfernen Sie Scale, und aktivieren Sie die Option Global).</li>
		<li>Den Dateinamen und den ROI-Bereich in die Messoptionen einbeziehen (Analysieren | Messen einstellen...); Optionen Bereich und Anzeigebeschriftung aktivieren.</li>
		<li>Hintergrund subtrahieren (Prozess | Hintergrund subtrahieren; Rollkugelradius-Parameter auf 50 Pixel setzen; Option Schiebeparaboloid prüfen). Bei pseudofarbenen RGB-Bildern: Geteilte RGB-Kanäle, lassen Sie den Kanal mit FAs geöffnet, schließen Sie die verbleibenden Kanäle (Bild | Farbe | Split-Kanäle).</li>
		<li>Bestimmen Sie die Fläche der kleinsten Interessenregion (ROI). Mit Freihand- oder Polygonauswahl umreißt die kleinste einzelne Fokushaftung und misst deren Fläche (Analysieren | Maßnahme). Wiederholen Sie diesen Schritt für verschiedene ROIs (FAs) aus einigen zufällig ausgewählten Bildern (für insgesamt 20 ROIs). Berechnen und speichern Sie den Mittelwert der erhaltenen Ergebnisse. HINWEIS: Dieser Schritt ist nur erforderlich, wenn ein bestimmter Satz von Bildern zum ersten Mal analysiert wird (spezifische Zelllinie, Beschichtungsschlitten mit spezifischen extrazellulären Matrixkomponenten, unterschiedliche Kulturbedingungen).</li>
		<li>Konvertieren Sie Image in Binärdatei mit einer der folgenden Methoden:<ol>
<li>Festlegen des globalen Schwellenwerts(Bild | Anpassen | Schwellenwert; Überprüfen Sie die Optionen Standard, B&amp;W und Dark Background, passen Sie den Schwellenwert manuell an oder legen Sie ihn automatisch fest).</li>
			<li>Legen Sie den lokalen Schwellenwert fest(Bild | Anpassen | Auto Lokaler Schwellenwert...; Legen Sie Methode auf Phansalkar fest und aktivieren Sie Weiße Objekte auf schwarzem Hintergrund. Als Nächstes invertieren Sie das Bild (Bearbeiten | Invertieren).</li>
		</ol></li>
		<li>Messen Sie die Anzahl und die Fläche von ROIs. Analysieren auswählen | Analysieren von Partikeln; Überprüfen Sie Pixeleinheiten, Anzeigeergebnisse, Ergebnisse löschen und Optionen zusammenfassen, legen Sie Größenparameterfest , als untere Grenze verwenden Sie den Mittelwert der kleinsten ROIs aus Schritt 2.1.5. Die obere Grenze kann auf 25 % einer typischen Zellfläche festgelegt werden.</li>
		<li>Übertragen Sie Daten (einschließlich Bildname, Anzahl der FAs, Gesamt- und Mittelfläche von FAs; bzw. Slice, Count, Total Area, Average Size) aus dem Fenster Zusammenfassung in das Datenverwaltungsprogramm Ihrer Wahl.</li>
		<li>Bestimmen Sie die Anzahl der Zellen pro Bild, indem Sie DAPI-befleckte Kerne zählen. Zählen kann manuell durchgeführt werden (Plugins | Analysieren | Zellenzähler) oder wie in verfügbaren Protokollen wie: https://imagej.net/Nuclei_Watershed_Separation.</li>
		<li>Alternativ können Sie das angefügte ImageJ-Makro (FAs.ijm) verwenden, um die Zählung von FAs zu erleichtern.<ol>
<li>Verschieben Sie .ijm Datei mit dem Makro in Plugins oder Makros Ordner in ImageJ Quelldateien Ordner befindet.</li>
			<li>Bestimmen Sie einen Bereich mit dem kleinsten ROI, wie in Schritt 2.1.4 beschrieben.</li>
			<li>Makrodatei öffnen (Plugins | Makros | Bearbeiten...).</li>
			<li>Vor dem Ausführen des Makros legen Sie den Wert von drei Variablen fest: Füllwert von area_of_the_smallest_region_of_interest mit einer Zahl, die während Schritt 2.1.4 erworben wurde. Legen Sie threshold_type Wert auf manuell oder automatischfest.</li>
			<li>Änderungen speichern (das Makro sollte einsatzbereit sein).</li>
			<li>Rufen Sie das Makro aus dem ImageJ-Bedienfeld auf, oder erstellen Sie eine Verknüpfung dazu. Das Makro beginnt mit dem standardmäßig geöffneten Dialogfenster. Wählen Sie das zu verarbeitende Bild aus. HINWEIS: Im Falle einer manuellen Schwellenwertanpassung ist eine manuelle Bestätigung des Schwellenwerts erforderlich (vermeiden Sie das Akzeptieren von Änderungen mithilfe der Schaltfläche Anwenden im Dialogfenster Schwellenwert, verwenden Sie stattdessen das benutzerdefinierte Dialogfeld Aktion erforderlich). Die Ergebnisse, die durch arbeiten mit dem Makro erzielt werden, sind die gleichen wie in Schritt 2.1.8 beschrieben (im Dialogfenster Zusammenfassung enthalten). Darüber hinaus wird bei der manuellen Schwellenwertanpassung der untere Schwellenwertpegel in einem Log-Dialogfenster angezeigt, da dieser Wert es ermöglicht, erhaltene Ergebnisse bei Bedarf in der Zukunft zu reproduzieren. Die Zusatzfiguren S1 und S2 wurden als Trainingsdatensatz für das Makro FAs.ijm aufgenommen.</li>
		</ol></li>
	</ol></li>
	<li>Zellformanalyse<ol>
<li>Manuell<ol>
<li>Öffnen Sie ein Bild in ImageJ oder einer anderen Bildverarbeitungssoftware mit einem ähnlichen Satz von Funktionen (weitere Anweisungen zu ImageJ). Wählen Sie die zu messenden Parameter aus, indem Sie im Menü Analyse | Legen Sie Messungen fest und kreuzen Sie Shape-Deskriptoren im angezeigten Feld an.</li>
			<li>Mit dem Freehand-Auswahlsymbol können Sie Zellränder, die durch Junction-Proteine der Wahl gekennzeichnet sind, manuell abgrenzen. Die ausgewählten Parameter werden automatisch für jede Zelle berechnet. Speichern Sie die Ergebnisse nach der Gliederung der einzelnen Zellen, indem Sie auf Bearbeiten | Auswahl | Zum Manager hinzufügen. Es sollten nur vollständige, vollständig sichtbare Zellen mit ununterbrochenen Rahmen gezählt werden.</li>
			<li>Wenn alle Zellen im Sichtfeld umrissen sind, führen Sie die Messung durch Markieren aller Zahlen aus, die im linken Feld des ROI-Managers (den Zellen entsprechen) und auf Messen klicken Die Ergebnisse werden im Feld Ergebnisse angezeigt und können in die Kalkulationstabelle ihrer Wahl übertragen werden.</li>
		</ol>
</li>
		<li>Automatisierte ANMERKUNG: Um die Quantifizierung von Zellformdeskriptoren (CSI, Seitenverhältnis, Rundheit, Solidität) zu erleichtern, wurde ein ImageJ-Makro vorbereitet und diesem Artikel (CSI.ijm) beigefügt. Das Makro basiert hauptsächlich auf DemImageJ-Plugin namens MorphoLibJ (https://imagej.net/MorphoLibJ)5. Das Makro führt die folgenden Schritte aus: 1) Erweiterung jedes Bildrahmens um 10 schwarze Pixel [MorpholibJ]; 2) Runden von Dilatationen und Erosionen - morphologischer Filter [MorpholibJ]; 3) Erzeugung von binären Bild von Zellgrenzen durch morphologische Segmentierung [MorpholibJ]; 4) Dilatation von Zellgrenzen; 5) Umkehrung des Pixelwertes; 6) Generierung von Auswahlen und Messung von Fläche und Umfang der Zellen auf dem Bild; und 7) Speichern des Bildes mit umrissenen Zellen und ImageJ ROI-Auswahl in einer neuen Datei.<ol>
<li>Verschieben Sie die .ijm-Datei mit dem Makro in den Plugins- oder Makroordner, der sich in den ImageJ-Quelldateien befindet. Rufen Sie das Makro aus dem ImageJ-Bedienfeld auf, oder erstellen Sie eine Verknüpfung dazu.</li>
			<li>Bestimmen Sie vor der Quantifizierung eines neuen Datasets die Werte der kleinsten und größten Interessengebiete. Gliederung (Freihand- oder Polygonauswahl) einige (3-10) Beispiele der kleinsten und größten Zellen auf dem Bild und dann deren Fläche messen (Analysieren | Maßnahme).</li>
			<li>Alternativ können Sie das Makro mit den Standardeinstellungen ausführen (die untere Größenbeschränkung ist auf 0 und die obere Grenze auf unendlich festgelegt), warten Sie, bis das Makro beendet ist, und wählen Sie die Option Zellengrößengrenzen festlegen aus. Messen Sie die Fläche der kleinsten und größten Zellen, indem Sie auf ihr Etikett klicken und dann im ImageJ ROI Manager auf Messen drücken. Legen Sie den Wert von the_smallest_cell und the_biggest_cell Variablen fest. Speichern Sie Änderungen, schließen Sie alle Makrodialogfenster, und führen Sie das Makro erneut aus. HINWEIS: Das Makro kann ohne Festlegen von ROI-Größengrenzen verwendet werden, wird jedoch nicht empfohlen, da es die Wahrscheinlichkeit, ungeeignete Zellfragmente oder Zellcluster zu messen, erheblich erhöht.</li>
			<li>Starten Sie das Makro mit dem standarddialogfeld Öffnen. Wählen Sie das zu verarbeitende Bild (Graustufen).</li>
			<li>Analysieren Sie die Ergebnisse. Die Ausgabe des Makros besteht aus: Tabelle der Ergebnisse (Zellbeschriftung, Bildbeschriftung, Zellbereich [Pixel2], Zellperimeter [Pixel2], Zirkularität [CSI], Seitenverhältnis, Rundheit, Solidität), Bild mit umrissenen Zellen und ROI-Auswahlliste (die auch in einer neuen Datei im Unterordner Ergebnisse gespeichert wird). Die Ergebnistabelle wird automatisch in die Zwischenablage des Benutzers kopiert. HINWEIS: Die Zusatzzahlen S3 und S4 wurden als Trainingsdatensatz für das CSI.ijm-Makro aufgenommen.</li>
		</ol>
</li>
	</ol></li>
</ol>3. Quantifizierung
<ol><li>Quantifizierung von FAs<ol>
<li>Berechnen Sie die durchschnittliche FAs-Zahl und die durchschnittliche FA-Größe pro Zelle/Kerne. HINWEIS: Bei einigen Zelllinien ist es möglich, FAs getrennt in verschiedenen Zellen zu zählen. Bei Zelllinien, die starke Zellzellenkontakte haben und als Monolayer wie MCF7 wachsen, können Anzahl und Größe der FAs pro Zelle berechnet werden, indem die aus fAs erhaltenen Werte durch die Anzahl der Kerne im gesamten Bild dividiert werden.</li>
		<li>Bewerten Sie die statistische Signifikanz potenzieller Unterschiede zwischen Populationen (experimentelle Gruppen). Je nach Verteilung und Varianz der Daten verwenden Sie für den Vergleich der beiden verschiedenen Gruppen Student t-test (Normalverteilung) oder nicht-parametrischen U-Test (Mann-Whitney). Zum Vergleich mehrerer Gruppen verwenden Sie einwegs ANOVA oder Kruskal-Wallis in Verbindung mit den entsprechenden Post-hoc-Tests.</li>
	</ol>
</li>
	<li>Zellformanalyse<ol>
<li>Berechnung von Formdeskriptoren<ol>
<li>Manuelle Analyse: Berechnen Sie den Zellformindex (CSI, auch Zirkularität oder Zellform genannt) in der Kalkulationstabelle der Wahl für jede gemessene Zelle aus der entsprechenden Fläche und dem entsprechenden Umfang mit der Formel: <img alt="Equation 1" src="/files/ftp_upload/61461/61461equ01.jpg"> HINWEIS: CSI geht von Werten zwischen 1 (kreisförmig) und 0 (langgestreckt) aus. Die Beispiele verschiedener Zellformen (mit demselben Bereich) und deren jeweiligen CSIs sind in Abbildung 2dargestellt. In der automatisierten Analyse werden die Werte von Formdeskriptoren (eingetragen und unten definiert) automatisch berechnet und erscheinen im Ergebnisfeld: (1) CSI = 4x*Fläche/(Perimeter)2 (2) AR = Hauptachse/Nebenachse (3) Rundheit = 4*Fläche/-*(Hauptachse)2 (4) Festigkeit = Fläche/Konvexfläche</li>
		</ol>
</li>
		<li>Histogramme der Zellformverteilung<ol>
<li>Plotzellenformverteilung als Histogramm der Zirkularität (CSI). Klassifizieren Sie Zellen nach ihrem CSI-Wert (berechnet für mindestens 200–400 Zellen) in einen der zehn gleichmäßigen Intervalle (Bereich: 0-1, Lagerplatzbreite: 0,1). Das Histogramm zeigt die Anzahl der Zellen in jeder Kategorie an. HINWEIS: Das Histogramm, das die Formverteilung der typischen MCF7-Zellschicht anzeigt, zeigt einen Spitzenwert von etwa 0,7-0,8 CSI. Wenn die Form der Zellen durch einen Faktor verzerrt wird (z. B. Paclitaxel-Behandlung, die einen G2/M-Phasenstillstand verursacht und in der Folge mehr Zellen rund sind), sollte sie auf dem Histogramm reflektiert werden.</li>
		</ol>
</li>
		<li>Kumulierte Verteilungsdiagramme<ol>
<li>Vergleichen Sie die kumulativen CSI-Verteilungen für jede Zelllinie, da dies die beste Möglichkeit ist, statistisch wichtige Unterschiede in Zellformänderungen (oder anderen Änderungen in der Verteilung) zu bewerten. Sie kann z. B. angewendet werden, um die sich ändernde Verteilung von FAs nachzuverfolgen.</li>
			<li>Berechnen Sie die kumulative Verteilungsfunktion (CDF), um Verteilungen zu vergleichen. CDF weist für einen bestimmten CSI-Wert (auf der X-Achse dargestellt) den Prozentsatz (oder die relative Anzahl) zu, für den alle Werte kleiner oder gleich diesem CSI-Wert (auf der Y-Achse geplottet) sind. Wenn also der CSI-Wert höher wird, wird auch der Prozentsatz der Werte, die kleiner oder gleich diesem Wert sind, höher. CDF kann durch die statistische Software der Wahl oder manuell berechnet werden.</li>
			<li>Für die statistische Analyse verwenden Sie Kolgomorov-Smirnov nichtparametrischen Test.</li>
		</ol>
</li>
	</ol>
</li>
</ol>

<ol><li>Li, D. S., Zimmermann, J., Levine, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+closure+of+circular+wounds+through+coordinated+collective+motion%5BTitle%5D)+AND+%22Search+Results%22%5BJournal%5D)">Modeling closure of circular wounds through coordinated collective motion.</a> Search Results. 13 (1), 016006(2016).</li>
<li>Ilina, O., Friedl, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mechanisms+of+collective+cell+migration+at+a+glance%5BTitle%5D)+AND+%22Journal+of+Cell+Science%22%5BJournal%5D)">Mechanisms of collective cell migration at a glance.</a> Journal of Cell Science. 122, Pt 18 3203-3208 (2009).</li>
<li>Ladoux, B., Mege, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mechanobiology+of+collective+cell+behaviours%5BTitle%5D)+AND+%22Nature+Reviews+Molecular+Cell+Biology%22%5BJournal%5D)">Mechanobiology of collective cell behaviours.</a> Nature Reviews Molecular Cell Biology. 18 (12), 743-757 (2017).</li>
<li>Stossi, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+throughput+microscopy+identifies+bisphenol+AP%2C+a+bisphenol+A+analog%2C+as+a+novel+AR+down-regulator%5BTitle%5D)+AND+%22Oncotarget%22%5BJournal%5D)">High throughput microscopy identifies bisphenol AP, a bisphenol A analog, as a novel AR down-regulator.</a> Oncotarget. 7 (13), 16962-16974 (2016).</li>
<li>Legland, D., Arganda-Carreras, I., Andrey, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MorphoLibJ%3A+integrated+library+and+plugins+for+mathematical+morphology+with+ImageJ%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">MorphoLibJ: integrated library and plugins for mathematical morphology with ImageJ.</a> Bioinformatics. 32 (22), 3532-3534 (2016).</li>
<li>Balcerak, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((HAX1+impact+on+collective+cell+migration%2C+cell+adhesion%2C+and+cell+shape+is+linked+to+the+regulation+of+actomyosin+contractility%5BTitle%5D)+AND+%22Molecular+Biology+of+the+Cell%22%5BJournal%5D)">HAX1 impact on collective cell migration, cell adhesion, and cell shape is linked to the regulation of actomyosin contractility.</a> Molecular Biology of the Cell. 30 (25), 3024-3036 (2019).</li>
<li>Buskermolen, A. B. C., Kurniawan, N. A., Bouten, C. V. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated+quantitative+analysis+of+cell%2C+nucleus+and+focal+adhesion+morphology%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">An automated quantitative analysis of cell, nucleus and focal adhesion morphology.</a> PLoS One. 13 (3), 0195201(2018).</li>
<li>Fokkelman, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cellular+adhesome+screen+identifies+critical+modulators+of+focal+adhesion+dynamics%2C+cellular+traction+forces+and+cell+migration+behaviour%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">Cellular adhesome screen identifies critical modulators of focal adhesion dynamics, cellular traction forces and cell migration behaviour.</a> Scientific Reports. 6, 31707(2016).</li>
<li>Horzum, U., Ozdil, B., Pesen-Okvur, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Step-by-step+quantitative+analysis+of+focal+adhesions%5BTitle%5D)+AND+%22MethodsX%22%5BJournal%5D)">Step-by-step quantitative analysis of focal adhesions.</a> MethodsX. 1, 56-59 (2014).</li>
<li>Kim, D. H., Wirtz, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Focal+adhesion+size+uniquely+predicts+cell+migration%5BTitle%5D)+AND+%22FASEB+Journal%22%5BJournal%5D)">Focal adhesion size uniquely predicts cell migration.</a> FASEB Journal. 27 (4), 1351-1361 (2013).</li>
<li>Pincus, Z., Theriot, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+quantitative+methods+for+cell-shape+analysis%5BTitle%5D)+AND+%22Journal+of+Microscopy%22%5BJournal%5D)">Comparison of quantitative methods for cell-shape analysis.</a> Journal of Microscopy. 227, Pt 2 140-156 (2007).</li>
<li>Tsygankov, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CellGeo%3A+a+computational+platform+for+the+analysis+of+shape+changes+in+cells+with+complex+geometries%5BTitle%5D)+AND+%22Journal+of+Cell+Biology%22%5BJournal%5D)">CellGeo: a computational platform for the analysis of shape changes in cells with complex geometries.</a> Journal of Cell Biology. 204 (3), 443-460 (2014).</li>
<li>Tiryaki, V. M., Adia-Nimuwa, U., Ayres, V. M., Ahmed, I., Shreiber, D. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Texture-based+segmentation+and+a+new+cell+shape+index+for+quantitative+analysis+of+cell+spreading+in+AFM+images%5BTitle%5D)+AND+%22Cytometry+A%22%5BJournal%5D)">Texture-based segmentation and a new cell shape index for quantitative analysis of cell spreading in AFM images.</a> Cytometry A. 87 (12), 1090-1100 (2015).</li>
<li>Tong, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cell+micropatterning+reveals+the+modulatory+effect+of+cell+shape+on+proliferation+through+intracellular+calcium+transients%5BTitle%5D)+AND+%22Biochimica+et+Biophysica+Acta%22%5BJournal%5D)">Cell micropatterning reveals the modulatory effect of cell shape on proliferation through intracellular calcium transients.</a> Biochimica et Biophysica Acta. 1864 (12), 2389-2401 (2017).</li>
<li>Vartanian, K. B., Kirkpatrick, S. J., Hanson, S. R., Hinds, M. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Endothelial+cell+cytoskeletal+alignment+independent+of+fluid+shear+stress+on+micropatterned+surfaces%5BTitle%5D)+AND+%22Biochemical+and+Biophysical+Research+Communications%22%5BJournal%5D)">Endothelial cell cytoskeletal alignment independent of fluid shear stress on micropatterned surfaces.</a> Biochemical and Biophysical Research Communications. 371 (4), 787-792 (2008).</li>
</ol>

Die Autoren haben nichts zu verraten.

Die Zellzell- und Zellsubstratadhäsion sind inhärente Attribute der Epithelzellen und spielen die entscheidende Rolle bei der Gewebemorphogenese und Embriogenese. In erwachsenen Geweben ist die richtige Regulierung der mechanischen Eigenschaften der Zellschicht entscheidend für die Aufrechterhaltung der Homöostase und die Verhinderung pathologischer Reaktionen wie Tumorprogression und Metastasierung. Die Größe und Anzahl der Fokaladesionen hängt von der Stärke der Zellsubstrathaftung ab, während die Zellform von kontrakt...

Epithelzellmonolayer fungieren als Kollektiv, in dem Zell-Zell- und Zellsubstratadhäsion sowie kontraktile Kräfte und Spannungen wichtige Parameter darstellen und ihr richtiges Gleichgewicht zur Gesamtintegrität der Einheit1,2,3beiträgt. Die Bewertung dieser Parameter stellt daher eine Möglichkeit dar, den aktuellen Status der Zellschicht festzulegen.
Die beiden hier beschriebenen Methoden stellen eine zweidimensionale Analyse der konfluenten Monolayer von anhaftenden Epithelzellen dar (in diesem Fall MCF7 Brustkrebszelllinie). Die Analyse erfolgt mit konfokalen Bildern (einzelne Z-Slices) aus verschiedenen Regionen auf der Z-Achse; Basalbereich in der Nähe eines Substrats für fokale Adhäsionsmessungen (FA) und apikaler Bereich für Zellformmessungen. Die vorgestellten Methoden sind relativ einfach und erfordern Standardlabortechniken und Open-Source-Software. Die konfokale Mikroskopie ist für dieses Protokoll ausreichend, so dass sie ohne speziellere TIRF-Mikroskopie (Total Internal Reflection Fluorescence) durchgeführt werden kann. Somit könnte das Protokoll in einer relativ standardisierten Laborumgebung implementiert werden. Obwohl die Genauigkeit der Methoden begrenzt ist, können sie grundlegende Unterschiede in der fokalen Haftung und Zellform unterscheiden.
Beide hier beschriebenen Methoden bestehen aus den üblichen experimentellen Verfahren wie Zellkultivierung, Immunfärbung, konfokale Bildgebung und Bildanalyse, die mit ImageJ durchgeführt werden. Es kann jedoch jede Bildverarbeitungssoftware mit den entsprechenden Funktionen verwendet werden. Die vorgestellten Methoden können Veränderungen nachverfolgen und vergleichen, die durch pharmakologische Behandlung oder minimale genetische Veränderung verursacht werden. Aufgrund der begrenzten Genauigkeit dieser Methoden wird nicht empfohlen, bestimmte Werte zu erhalten. Zwei automatisierte Makros wurden aufgenommen, um die Messung vieler Bilder zu erleichtern.

<table><tbody><tr><td>Alexa Fluor 594</td><td>ThermoFisher Scientific</td><td>A32740</td><td>Anti-Kaninchen für Ziegen, 1:500</td></tr><tr><td>Ammoniumchlorid</td><td>Sigma</td><td>A9434</td><td></td></tr><tr><td>BSA</td><td>BioShop</td><td>ALB001.500</td><td></td></tr><tr><td>Kollagen aus Kalbsleder</td><td>Sigma</td><td>C9791-10MG</td><td></td></tr><tr><td>DAPI</td><td>Sigma</td><td>D9542</td><td>1:10000 (Lager 1 mg/mL in H2O), Nukleinsäure Färben DMEM</td></tr><tr><td>+ GlutaMAX, 1 g/L D-Glukose, Pyruvat</td><td>ThermoFisher Scientific</td><td>21885-025</td><td></td></tr><tr><td>FBS</td><td>ThermoFisher Scientific</td><td>10270-136</td><td></td></tr><tr><td>Junction Plakoglobin</td><td>Cell Signaling</td><td>2309S</td><td>Kaninchen, 1:400</td></tr><tr><td>Laminar-Flow-Schrank Klasse 2</td><td>Alpina</td><td></td><td>Standardausrüstung</td></tr><tr><td>MCF7-basierteHAX1KD Zelllinie</td><td>Zelllinie, die am Nationalen Institut für Onkologie, Warschau, etabliert wurde, beschrieben in Balcerak et al., 2019</td><td></td><td>MCF7-Zelllinie mitHAX1knockdown</td></tr><tr><td>MCF7-Zelllinie (KONTROLLE)</td><td>ATCC</td><td>ATCC HTB-22</td><td>epitheliale, adhärente Brustkrebs-Zelllinie</td></tr><tr><td>Olympus CK2 Lichtmikroskop</td><td>Olympus</td><td></td><td></td></tr><tr><td>Paxillin</td><td>Abcam</td><td>ab32084</td><td>Kaninchen, 1:250, Y113</td></tr><tr><td>PBS</td><td>ThermoFisher Scientific</td><td>10010023</td><td></td></tr><tr><td>Phalloidin-TRITC-Konjugat</td><td>Sigma</td><td>P1951</td><td>1:400 (vorrätig 5 mg/mL in DMSO), Aktinmarkierung</td></tr><tr><td>PTX</td><td>Sigma</td><td>T7402-1MG</td><td></td></tr><tr><td>TBST &ndash; NaCl</td><td>Sigma</td><td>S9888</td><td></td></tr><tr><td>TBST &ndash; Trizma base</td><td>Sigma</td><td>T1503</td><td></td></tr><tr><td>Triton X-100</td><td>Sigma</td><td>9002-93-11</td><td></td></tr><tr><td>Zeiss LSM800 Konfokalmikroskop</td><td>Zeiss</td><td></td><td></td></tr></tbody></table>

quantifizierung von zell-substrat-adhäsionsflächen und zellformverteilungen in mcf7-zell-monolayern

Quantification of Cell-Substrate Adhesion Area and Cell Shape Distributions in MCF7 Cell Monolayers

Die hier vorgestellten Methoden quantifizieren einige Parameter von konfluent haftenden Zellmonolayern aus mehreren entsprechend gefärbten konfokalen Bildern: Haftung auf dem Substrat in Abhängigkeit von Anzahl und Größe der Fokaladesionen und Zellform, gekennzeichnet durch den Zellformindex und andere Formdeskriptoren. Fokale Adhäsionen wurden durch Paxillin-Färbung visualisiert und Zellzellränder wurden durch Kreuzung Plakoglobin und Actin gekennzeichnet. Die Methoden für Zellkultur und Färbung waren Standard; Bilder stellen einzelne Fokalebenen dar; Die Bildanalyse wurde mit einer öffentlich zugänglichen Bildverarbeitungssoftware durchgeführt. Die vorgestellten Protokolle werden verwendet, um die Anzahl und Größe der fokalen Adhäsionen und die Unterschiede in der Zellformverteilung in den Monolayern zu quantifizieren, aber sie können für die Quantifizierung der Größe und Form jeder anderen unterschiedlichen Zellstruktur, die gefärbt werden kann (z. B. Mitochondrien oder Kerne), umfunktioniert werden. Die Bewertung dieser Parameter ist wichtig für die Charakterisierung der dynamischen Kräfte in der anhaftenden Zellschicht, einschließlich Zellhaftung und Actomyosin-Kontraktilität, die sich auf die Zellform auswirkt.

Fokale Haftungsanalyse Der Knockdown des HAX1-Gens hatte zuvor gezeigt, dass er fokale Adhäsionen beeinflusst6. Die Zellen wurden auf kollageni-beschichteter Oberfläche für 48 h kultiviert. Bilder der MCF7-Kontrollzellen und MCF7-Zellen mit einem HAX1-Knockdown (HAX1 KD) aus drei unabhängigen Experimenten, die mit fokalem Adhäsionsprotein Paxillin gefärbt waren, wurden mit einem konfokalen Mikroskop (Bild von einer einzigen Fokalebene/Z-Scheibe aus de...

Der Artikel beschreibt die Quantifizierung von 1) der Größe und Anzahl der fokalen Verklebungen und 2) Zellformindex und seine Verteilung von konfokalen Bildern der konfluenten Monolayer von MCF7-Zellen.

Quantifizierung von Zell-Substrat-Adhäsionsflächen und Zellformverteilungen in MCF7-Zell-Monolayern

The methods presented here quantify some parameters of confluent adherent cell monolayers from multiple appropriately stained confocal images: adhesion to ...

Dieses Protokoll ermöglicht die Quantifizierung der Fläche, des Umfangs und der Form der intrazellulären Struktur aus seinem zweidimensionalen Bild. Diese Technik ist schnell und einfach, erfordert nur Standard-Laboreinstellungen und ein konfokales Mikroskop und verwendet Open-Source-Software. Demonstriert wird das Verfahren von Anna Balcerak, einer Doktorandin aus meinem Labor.Beginnen Sie mit der Aussaat viermal 10 bis fünf Zellen in 0,5 Milliliter Kulturmedium pro Brunnen in einem vier-Well-Kollagen-ein beschichteten Kammerschlitten für eine 24-Stunden-Kultur in einem 37 Grad Celsius und fünf Grad Kohlendioxid-Inkubator. Verwenden Sie am nächsten Morgen ein optisches invertiertes Mikroskop, um das Vorhandensein einer mindestens 90%konfluenten Monoschicht zu überprüfen, und verwenden Sie ein konfokales Mikroskop, um einzelne Z-Slice-Bilder zu erhalten. Öffnen Sie für die Fokushaftungsanalyse die Bilder in ImageJ, und wählen Sie Analysieren, Festlegen von Skalierung, Entfernungsskala und Global auswählen, um die Bildskala in Pixel n. Chr. festzulegen.Um den Dateinamen und den Bereich des Interessenbereichs in die Messoptionen einzubeziehen, klicken Sie auf Analysieren und Festlegen von Messungen, und überprüfen Sie die Bereichs- und Anzeigebeschriftungsoptionen. Um den Hintergrund zu subtrahieren, wählen Sie Prozess aus und subtrahieren Sie den Hintergrund. Stellen Sie den Rollenkugelradius auf 50 Pixel ein und überprüfen Sie das Gleitparaboloid.Um die Fläche der kleinsten Interessensregion zu bestimmen, skizzieren Sie die kleinste einzelne fokussokale Haftung, und klicken Sie auf Analysieren und Messen, um die Fläche zu messen. Wenn mindestens 20 Interessengebiete ausgewählt und gemessen wurden, berechnen und speichern Sie den Mittelwert der erzielten Ergebnisse. Legen Sie die obere Grenze auf 25 % eines typischen Zellenbereichs fest.Um das Bild binär zu verleihen, klicken Sie auf Bild, Anpassen und Schwellenwert, und aktivieren Sie Standard, Schwarzweiß und dunklen Hintergrund. Um die Anzahl und die Flächen der Interessengebiete zu messen, wählen Sie Partikel analysieren und analysieren und Pixeleinheiten überprüfen, Ergebnisse anzeigen, Ergebnisse löschen und zusammenfassen. Übertragen Sie die Daten der Segment-, Zähl- und Gesamtflächendurchschnittsgröße aus dem Zusammenfassungsfenster in das Datenverwaltungsprogramm Ihrer Wahl.Für die fokale Haftungsquantifizierung öffnen Sie das fokale Adhäsions-ImageJ-Makro und geben Sie den Bereich der kleinsten Interessenregion als Bereich des kleinsten Bereichs von Interesse ein. Legen Sie den Schwellenwerttypwert auf manuell oder automatisch fest, und speichern Sie die Änderungen. Rufen Sie dann das Makro von ImageJ auf, und wählen Sie das zu verarbeitende Bild aus.Öffnen Sie für die manuelle Zellformanalyse ein Bild in einem entsprechenden Bildverarbeitungssoftwareprogramm, und wählen Sie die zu messenden Parameter aus. Verwenden Sie das Freihandauswahlwerkzeug, um die Zellränder manuell zu abgrenzen, wie sie durch die Knotenproteine Ihrer Wahl gekennzeichnet sind. Die ausgewählten Parameter werden automatisch für jede Zelle berechnet.Wenn alle Zellen umrissen wurden, wählen Sie Bearbeiten, Auswählen und Hinzufügen zum Manager aus. Es sollten nur vollständige vollständig sichtbare Zellen mit ununterbrochenen Rahmen ausgewählt werden. Um die Messung durchzuführen, markieren Sie alle Zahlen, die im linken Feld des Bereichs des Interessenmanagers angezeigt werden, und klicken Sie auf Maß.Die Ergebnisse werden im Ergebnisfeld angezeigt und können in die Kalkulationstabelle ihrer Wahl importiert werden. Die automatisierte Zellanalyse erleichtert die Quantifizierung der großen Anzahl von Zellen. Führen Sie für jeden neuen Zelltyp zuerst das Makro aus, um Parameter festzulegen.Wenn das Makro fertig ist, wählen Sie Zellengrößengrenzen festlegen aus. Klicken Sie auf die Beschriftung der kleinsten und größten Zellen, und klicken Sie auf Maß. Legen Sie den Wert der kleinsten Zelle und der größten Zellvariablen fest, und speichern Sie die Änderungen.Schließen Sie alle Makrofenster, und wählen Sie das Bild aus, das in Graustufen verarbeitet werden soll. Führen Sie dann das Makro erneut aus. Das Makro stellt eine Tabelle der Ergebnisse bereit, die den Zellformindex, das Seitenverhältnis und die Listendaten der Interessensauswahl umfasst.Hier können repräsentative Bilder von Brennadesionen, die mit ImageJ gezählt werden, einschließlich der endgültigen nummerierten Umrisse und der Überlagerungen der Fokushaftungsumrisse mit dem Originalbild sowohl für die Steuer- als auch für die Knockdown-Zelllinien beobachtet werden. Wie in dieser Analyse dargestellt, zeigten die Knockdown-Zellen eine höhere Anzahl von Adhäsionen pro Zelle sowie Adhäsionen, die größer sind als Kontrollzellen. In diesen Bildern werden repräsentative Regionen unbehandelter und chemotherapeutisch behandelter Zellmonolayer dargestellt.Die Umrisszellen wurden entsprechend ihren Zellformindexwerten charakterisiert, z. B. in dieser Analyse, die eine Zunahme des letzten Behälters und eine Abflachung der Hauptspitzen für die medikamentös behandelten Zellen im Vergleich zu unbehandelten Kontrollen zeigt. Für jede Zellkultur kann dann eine Frequenzverteilung und eine kumulative Verteilung generiert werden. Die Graustufenbildgebung der Monolayer, wie gezeigt, ermöglichte die Analyse und Quantifizierung von 512 Zellen aus 12 Sichtfeldern, die eine relative Frequenzverteilung des Zellformindex aufzeigten.Damit dieses Protokoll funktioniert, ist es wichtig, Bilder von der bestmöglichen Qualität zu verwenden. Die richtige Zellaussaat, Färbung und Bildgebung sollte Bilder von ausreichender experimenteller Qualität gewährleisten.

quantification-cell-substrate-adhesion-area-cell-shape-distributions

Research

Forschung

JoVE Journal

Biology

Biologie

Eine Haftung Frequenz-Assay zur Messung der Rezeptor-Ligand-Wechselwirkung Kinetik, wenn beide Moleküle auf der Oberfläche der interagierenden Zellen verankert sind beschrieben. Diese mechanisch-basierter Assay wird beispielhaft mit einer Mikropipette unter Druck menschlichen roten Blutkörperchen als Haftvermittler Sensor und Integrin αLβ2 und ICAM-1 als interagierende Rezeptoren und Liganden.

Adhesion Frequency-Assay für In Situ Kinetics Analyse der Cross-Junktionaler Molecular Interactions an der Zell-Zell-Schnittstelle

Wir beschreiben die prototypische Verfahren zur Herstellung Mikroskop Deckgläser mit fluoreszierenden Gelatine zur Visualisierung invadopodia-vermittelte Matrixabbau beschichtet. Rechenverfahren Verwendung verfügbarer Software für die Quantifizierung der resultierenden Ebenen der Matrix Proteolyse durch einzelne Zellen innerhalb einer Mischpopulation und für Gruppen, die vielzelligen gesamte mikroskopische Felder dargestellt.

Quantitative Messung der Invadopodia-vermittelte extrazellulären Matrix Proteolyse in Einzel-und Multizelluläre Contexts

Hier präsentieren wir ein Protokoll, um kontinuierlich zu quantifizieren Zelladhäsion und de-Klebeprozesse mit hoher zeitlicher Auflösung in eine nicht-invasive Weise durch Zell-Substrat-Impedanz und Live Cell Imaging analysiert. Diese Ansätze zeigen die Dynamik der Zelladhäsion / de-Klebeverfahren durch Matrixmodifikation und ihre zeitliche Beziehung, um die Haftung abhängige Signalereignisse ausgelöst.

Benutzen Sie die Cell-Substrat-Impedanz und Live Cell Imaging, um Echtzeit-Änderungen in der Zelladhäsion und De-Haftung durch Matrix Änderung Induzierte Messen

Wir berichten über eine in vitro Methode, die die Quantifizierung der tatsächlichen Anzahl von Adhäsionszellen innerhalb einer Endothelzell-Monoschicht ermöglicht.

Die Quantifizierung der Endothelial Cell Haftfähigkeit<em&gt; In-vitro-</em

Dieser Strömungs Adhäsionsassay stellt eine einfache, hochschlag Modell von T-Zell-epithelialen Zell-Wechselwirkungen. Eine Spritzenpumpe wird verwendet, Scherspannung zu erzeugen, und die konfokale Mikroskopie erfasst Bilder für die Quantifizierung. Das Ziel dieser Studien ist es, um effektiv T Zelladhäsion quantifizieren Strömungsbedingungen.

Test der Haftung unter Scherspannung für das Studium der T-Lymphozyten-Adhäsions-Molekül-Wechselwirkungen

Die Zelldifferenzierung wird durch eine Vielzahl von Mikroumgebungsfaktoren reguliert, einschließlich der beiden Matrixzusammensetzung und Substratmaterialeigenschaften. Wir beschreiben hier eine Technik unter Verwendung von Zellmicroarrays in Verbindung mit Traktionskraftmikroskopie sowohl Zelldifferenzierung und biomechanischen Zell-Substrat-Wechselwirkungen als Funktion der Mikroumgebungskontext zu bewerten.

Ein Hochdurchsatz-Zellarray-Plattform für korrelative Analyse von Zelldifferenzierung und Zugkräften

Diese Studie zeigt den nutzen und die einfache quantitative Zellmembran Erweiterung Messung und ihre Korrelation zum Klebstoff Kapazität von Zellen. Als ein repräsentatives Beispiel zeigen wir hier der Dickkopf-related Protein 3 (DKK3) fördert erhöhte Pseudopodien Bildung und Zelle Haftfähigkeit in NNR Karzinom-Zellen in Vitro.

Charakterisierung der Zellmembran Erweiterungen und studieren ihre Rolle im Krebs Zelle Adhäsion Dynamik

Eine HMCA-basierte Speicherfolie wird für Invasion Testleistung vorgestellt. Diese Platte erleichtert die Bildung von dreidimensionalen (3D) Tumor Sphäroide und die Messung der Krebs Zelle eindringen in die extrazelluläre Matrix (ECM). Die Invasion-Assay-Quantifizierung wird durch halbautomatische Analyse erreicht.

Analyse der Krebs Zellinvasion und anti-metastatischen Drogen-Screening mit Hydrogel Micro-Kammer Array (HMCA)-basierte Platten

Hier beschreiben wir eine einfache und kostengünstige Methode, die die Quantifizierung von klebenden Tumorzellen zu Lymphknoten (LN) Kryosektionen ermöglicht. LN-anhängliche Tumorzellen werden leicht durch Lichtmikroskopie identifiziert und durch eine fluoreszenzbasierte Methode bestätigt, die einen Haftindex ergibt, der die Tumorzellbindungsaffinität zu LN-Parenchym offenbart.

Quantifizierung der Tumorzelladhäsion in Lymphknoten-Kryosektionen

Dieses Protokoll stellt die experimentellen Verfahren zur Durchführung des Adhäsions-Footprint-Assays vor, um die Adhäsionsereignisse während der schnellen Zellrollenadhäsion abzubilden.

Abbildung der molekularen Adhäsion im Zellrollen durch Adhäsion Footprint Assay

Lernen Sie die Quantifizierung von Zell-Substrat-Adhäsionsflächen und Zellformverteilungen in MCF7-Zell-Monolayern mit konfokaler Mikroskopie und ImageJ-Software. Diese Methode ermöglicht präzise Analysen für Krebsforschung.

Quantifizierung von Zell-Substrat-Adhäsionsflächen und Zellformverteilungen in MCF7-Zell-Monolayern

Weitere Videos entdecken