Los gliomas difusos de grado inferior (LGG), el tumor cerebral primario más común en adultos, son neoplasias infiltrativas que a menudo surgen en el hemisferio cerebral. Los LGG exhiben heterogeneidad inter e intratitumoral, que no solo es impulsada por la población tumoral sino también por las células no malignas intrincadamente involucradas en el desarrollo y la progresión del tumor1,2,3,4,5.
Durante la última década, ha habido una avalancha de datos genómicos recopilados en el campo de los gliomas. Estos datos provienen principalmente de estudios de secuenciación tumoral a granel y han contribuido enormemente a la caracterización molecular, y a la clasificación actual de los tumores cerebrales5,6,7,8,9,10,11. Sin embargo, a pesar de que estos estudios revelaron el amplio panorama molecular asociado con los gliomas, todavía hay una decepcionante falta de progreso con respecto a la intervención terapéutica. Uno de los obstáculos para la resistencia al tratamiento en los tumores cerebrales es la heterogeneidad intratitumoral. Para abordar este problema, diversos estudios se han centrado en la heterogeneidad genómica, transcriptómica, proteómica y epigenética presente dentro de un tumor a nivel de una sola célula12,13,14,15,16,17.
Aunque ha habido avances tecnológicos notables en el campo de una sola célula en los últimos años, uno de los principales factores limitantes es la disponibilidad de especímenes frescos necesarios para aislar las células y realizar estos experimentos. Para superar esta limitación, ha habido varios intentos exitosos de realizar ensayos, como snRNA-seq y snATAC-seq de tejidos congelados, utilizando núcleos en lugar de células18,19. La mayoría de estos métodos se basan en la clasificación celular activada por fluorescencia (FACS) o en estrategias de filtración. Tanto los enfoques de células individuales como de núcleos individuales tienen sus fortalezas e inconvenientes. Los enfoques de una sola célula mantienen las transcripciones mitocondriales, que aunque pueden ser informativas, también pueden reducir la cobertura del transcriptoma debido a su alta abundancia. Los enfoques de aislamiento de núcleos individuales eliminan un alto porcentaje de la fracción mitocondrial, lo que permite una cobertura más profunda de las transcripciones nucleares20.
Hay varias plataformas disponibles comercialmente que se han utilizado en los últimos años para analizar datos genómicos de células individuales, incluidos RNA-seq y ATAC-seq. Una de las plataformas más destacadas es la plataforma 10x Genomics Chromium para la expresión génica de una sola célula y el perfil ATAC de una sola célula. Como la plataforma funciona con la ayuda de cámaras microfluídicas, cualquier residuo o agregado puede obstruir el sistema, lo que lleva a la pérdida de datos, reactivos y muestras clínicas valiosas. Por lo tanto, el éxito de los estudios de células individuales depende en gran medida del aislamiento preciso de células / núcleos individuales.
El protocolo que demostraremos aquí es una combinación ligeramente modificada de los protocolos DroNc-seq y Omni-ATAC-seq, y utiliza un enfoque similar a estudios recientes que utilizan snRNA-seq para comprender los trastornos neurológicos y los tipos de células neuronales en el cerebro humano18,19,21,22,23,24. El protocolo utiliza una combinación de disociación enzimática/mecánica de muestras congeladas seguida de filtración y centrifugación por gradiente y permite un aislamiento rápido y preciso de núcleos individuales de tejidos de glioma frescos congelados. Hemos utilizado con éxito este protocolo para generar datos de snRNA-seq y snATAC-seq a partir de la misma preparación de núcleos a partir de muestras de tumores cerebrales.