RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
French
Menu
Menu
Menu
Menu
A subscription to JoVE is required to view this content. Sign in or start your free trial.
Research Article
Pascale Vonaesch1, Philippe J. Sansonetti1,2, Pamela Schnupf3
1Unité de Pathogénie Microbienne Moléculaire, INSERM U786,Institut Pasteur, 2Microbiologie et Maladies Infectieuses,Collège de France, 3Laboratory of Intestinal Immunity, Institut Imagine-INSERM UMR 1163,Université Paris Descartes-Sorbonne Paris Cité
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Nous décrivons une méthode pour l'analyse qualitative et quantitative de la formation de granules de stress dans des cellules de mammifères après que les cellules sont confrontées à des bactéries et à un certain nombre de contraintes différentes. Ce protocole peut être appliqué pour étudier la réponse des granules de stress cellulaire dans une large gamme d'interactions hôtes-bactéries.
L'imagerie fluorescente des composants cellulaires est un outil efficace pour étudier les interactions hôte-pathogène. Les agents pathogènes peuvent affecter de nombreuses caractéristiques différentes des cellules infectées, y compris l'ultrastructure des organelles, l'organisation du réseau cytosquelettique, ainsi que les processus cellulaires tels que la formation du granulé du stress (SG). La caractérisation de la façon dont les agents pathogènes subversent les processus hôtes est une partie importante et intégrante du domaine de la pathogenèse. Bien que les phénotypes variables puissent être facilement visibles, l'analyse précise des différences qualitatives et quantitatives dans les structures cellulaires induites par le défi des agents pathogènes est essentielle pour définir des différences statistiquement significatives entre les échantillons expérimental et les témoins. La formation du SG est une réponse au stress évolutive qui conduit à des réponses antivirales et a longtemps été étudiée en utilisant des infections virales 1 . La formation SG affecte également les cascades de signalisation et peut avoir d'autres conséquences encore inconnues2 . La caractérisation de cette réponse au stress par des agents pathogènes autres que les virus, tels que les agents pathogènes bactériens, est actuellement un domaine émergent de recherche 3 . Pour l'instant, l'analyse quantitative et qualitative de la formation SG n'est pas encore utilisée de manière routinière, même dans les systèmes virales. Nous décrivons ici une méthode simple pour induire et caractériser la formation de SG dans les cellules non infectées et dans les cellules infectées par un agent pathogène bactérien cytosolique, ce qui affecte la formation de SG en réponse à divers contraintes exogènes. L'analyse de la formation et de la composition du SG est obtenue en utilisant un certain nombre de marqueurs SG différents et le plug-in détecteur spot de ICY, un outil d'analyse d'image open source.
La visualisation des interactions hôte-pathogène au niveau cellulaire est une méthode puissante pour obtenir des idées sur les stratégies pathogènes et pour identifier les voies cellulaires clés. En effet, les agents pathogènes peuvent être utilisés comme outils pour identifier des cibles ou des structures cellulaires importantes, car les agents pathogènes ont évolué pour subvertir les processus cellulaires centraux en tant que stratégie pour leur propre survie ou propagation. La visualisation des composants cellulaires peut être obtenue par l'expression recombinante de protéines hôtes marquées par fluorescence. Bien que cela permette une analyse en temps réel, la génération de lignées cellulaires avec des protéines hôtes spécifiquement étiquetées est très laborieuse et peut entraîner des effets secondaires indésirables. Plus pratique est la détection de facteurs cellulaires à l'aide d'anticorps spécifiques, car plusieurs facteurs d'hôte peuvent être analysés simultanément et l'un n'est pas limité à un type de cellule particulier. Un inconvénient est que seule une vue statique peut être capturée car l'analyse d'immunofluorescence nécessite une fixation de cellule hôteion. Cependant, un avantage important de l'imagerie immunofluorescente est qu'il se prête facilement à l'analyse qualitative et quantitative. Ceci à son tour peut être utilisé pour obtenir des différences statistiquement significatives pour fournir de nouvelles idées sur les interactions hôte-pathogène.
Les programmes d'analyse d'image fluorescente sont des outils analytiques puissants pour effectuer des analyses 3D et 4D. Cependant, le coût élevé du logiciel et de sa maintenance rend les méthodes basées sur des logiciels open source gratuits plus largement attrayantes. Une analyse d'image minutieuse utilisant un logiciel de bioannalyse est précieuse car elle confirme l'analyse visuelle et, lorsqu'on attribue des significations statistiques, augmente la confiance dans l'exactitude d'un phénotype donné. Auparavant, les SG ont été analysés à l'aide du logiciel ImageJ gratuit, ce qui nécessite l'identification manuelle des SG individuels 4 . Ici, nous fournissons un protocole pour l'induction et l'analyse de la formation de SG cellulaire dans le contexte du bacInfections tertiaires en utilisant le logiciel d'analyse de bio-image libre open source ICY (http://icy.bioimageanalysis.org). Le logiciel d'analyse de bio-image dispose d'un programme intégré de détection de points qui est très adapté à l'analyse SG. Il permet le réglage précis du processus de détection automatisé dans les régions d'intérêt spécifiées (ROI). Cela surmonte la nécessité d'une analyse manuelle des SG individuels et supprime le biais d'échantillonnage.
Beaucoup de contraintes environnementales induisent la formation de SG, qui sont des structures cytosoliques, non membranées densément denses, de 0,2 à 5 μm de diamètre 5 , 6 . Cette réponse cellulaire est évolutive conservée dans les levures, les plantes et les mammifères et se produit lorsque la traduction globale des protéines est inhibée. Il implique l'agrégation des complexes d'initiation de traduction bloqués en SG, qui sont considérés comme des lieux de maintien pour les ARNm traductionnellement inactifs, permettant la traduction sélective d'un sous-ensemble d'ARNm cellulaires.Après élimination du stress, les SG se dissolvent et les taux globaux de synthèse des protéines reprennent. Les SG sont composés de facteurs d'initiation à l'allongement de la traduction, des protéines impliquées dans le métabolisme de l'ARN, des protéines liées à l'ARN, ainsi que des protéines d'échafaudages et des facteurs impliqués dans la signalisation 2 de la cellule hôte, bien que la composition exacte puisse varier en fonction du stress appliqué. Les facteurs environnementaux qui induisent la formation de SG comprennent la famine des acides aminés, l'irradiation UV, les chocs thermiques, le choc osmotique, le stress du réticulum endoplasmique, l'hypoxie et l'infection virale 2 , 7 , 8 . De nombreux progrès ont été réalisés dans la compréhension de la façon dont les virus induisent et subent également la formation de SG, alors que peu de choses sont encore connues sur la façon dont d'autres agents pathogènes, tels que les agents pathogènes bactériens, fongiques ou protozoaires, affectent cette réponse de stress cellulaire 1 , 7 .
ShigeLla flexneri est un agent pathogène cytosolique facultatif gram-négatif des humains et l'agent causal de la diarrhée sévère ou de la shigellose. La shigellose est un fardeau majeur de la santé publique et entraîne 28 000 décès par année chez les enfants de moins de 5 ans 9 , 10 ans . S. flexneri infecte l'épithélium colique et se propage de cellule à cellule en détournant les composants cytosquelettiques de l'hôte 11 , 12 . L'infection de l'épithélium soutient la réplication de S. flexneri dans le cytosol, mais les macrophages infectés meurent à travers un processus de mort inflammatoire cellulaire appelé pyroptose. L'infection entraîne un recrutement massif de neutrophiles et une inflammation sévère accompagnée de chaleur, de stress oxydatif et de destruction des tissus. Ainsi, alors que les cellules infectées sont soumises à des contraintes internes induites par une infection, telles que la perturbation de Golgi, le stress génotoxique et le réarrangement cytosquelettiqueS, les cellules infectées sont également soumises à des contraintes environnementales dues au processus inflammatoire.
La caractérisation de l'effet de l'infection par S. flexneri sur la capacité des cellules à répondre aux contraintes environnementales en utilisant un certain nombre de marqueurs SG a démontré que l'infection entraîne des différences qualitatives et quantitatives dans la composition SG 3 . Cependant, on connaît peu d'autres agents pathogènes bactériens. Nous décrivons ici une méthodologie pour l'infection des cellules hôtes avec le pathogène cytosolique S. flexneri , le stress des cellules avec différents contraintes environnementales, l'étiquetage des composants SG et l'analyse qualitative et quantitative de la formation et de la composition du SG dans le contexte des infections Et des cellules non infectées. Cette méthode est largement applicable à d'autres agents pathogènes bactériens. En outre, l'analyse d'image de la formation SG peut être utilisée pour les infections par des virus ou d'autres agents pathogènes. Il peut être utilisé pour analyser SGFormation sur l'infection ou l'effet de l'infection sur la formation de SG en réponse à des contraintes exogènes.
1. Préparation des bactéries et des cellules hôtes
2. Défi bactérien des cellules hôtes
3. Induire la formation de granulés de stress par addition de facteurs de stress exogènes
4. Fixation et analyse de l'immunofluorescence de la formation de granules de stress
REMARQUE: Traiter le contrôle etDes lamelles expérimentales en même temps pour éviter de colorer des différences qui peuvent avoir une incidence sur l'analyse d'image dans les étapes suivantes. Les échantillons de contrôle ne comprennent pas d'infection avec et sans traitement générateur de SG, et des échantillons infectés avec et sans SG induisant un traitement.
5. Imagerie en fluorescence
REMARQUE: Reportez-vous au mode d'emploi du microscope pour l'optimisation de la configuration.
6. Analyse d'image
REMARQUE: Ici, l'analyse SG sur les piles effondrées utilisant le freeware ICY est décrite. L'analyse d'image des reconstructions en 3D peut également être effectuée à l'aide d'autres logiciels spécialisés. La détection SG peut être effectuée via un flux de travail entièrement automatisé établi pour ce protocole (disponible sur http://icy.bioimageanalysis.org/protocol/Stress_granule_detection_in_fluorescence_imaging). Pour utiliser ce protocole, les noyaux doivent être colorés avec une tache d'ADN pour que le logiciel trouve le centre de chaque cellule et les bords des cellules doivent être marqués soit par un marqueur cytoplasmique (tel que eIF3b), soit par une tache d'actine pour le logiciel Pour identifier les limites des cellules. Le flux de travail automatique peut être utilisé pour valider les résultats dérivés manuellement ou directement pour l'analyse lorsque les limites des cellules sont détectées avec une grande confiance, qui sera moStly dépend de la densité des cellules et du marqueur utilisé pour détecter les limites des cellules.
Pour expliquer et démontrer le protocole décrit dans ce manuscrit, nous avons caractérisé l'image des SGs induites par le clotrimazole dans les cellules HeLa infectées ou non avec le pathogène cytosolique S. flexneri . Un schéma de la procédure est présenté dans la figure 1 , et comprend S. flexneri virulent et avirulent rayé sur les plaques rouges du Congo, la préparation des bactéries, l'infection, l'ajout de stress environnemental, la fixation et la coloration des échantillons, l'imagerie et la quantification des échantillons, ainsi que l'analyse d'image . Un certain nombre de contraintes différentes peuvent être utilisées pour induire une formation SG et une variété de marqueurs SG sont disponibles pour interrogatoire. EIF3b est un marqueur SG canonique qui dégage également clairement le compartiment cytoplasmique de la cellule et peut être utilisé pour identifier les bords des cellules. G3BP1 est un marqueur SG largement utilisé qui s'accumule en SG sans coloration d'arrière-plan ( Figure 2 A, B D ). Les cellules sont mieux imagées avec un microscope confocal, et les piles couvrant toute la profondeur de la cellule sont chargées sur l'analyse de l'imagerie freeware ICY ( Figure 2 A-C ). Pour mieux identifier les cellules infectées et mettre des cellules dans le groupe infecté ou non infecté pour une analyse ultérieure, il est utile d'augmenter l'intensité de la tache d'acide nucléique ( figure 2 D ). Dans le logiciel d'analyse d'imagerie, le détecteur local est ensuite utilisé pour identifier les SG dans chacun des ROI désignés ( Figure 2 E ) et une image binaire est générée qui affiche tous les SGs identifiés ( Figure 2 F ).
L'analyse SG doit être adaptée à chaque marqueur SG analysé et le paramètre approprié pour l'analyse doit être soigneusement choisi. Mettre l'accent sur la Ma SGRker G3BP1, la modification de la taille requise du spot détecté ou la modification de la sensibilité des paramètres de détection entraînera des résultats variables, comme le montre la Figure 3 A-C . La sélection de l'échelle (1 à 3, bien que les échelles puissent être ajoutées) est basée sur la taille des pixels et donc à des échelles plus élevées, les SG inférieurs ne seront pas comptés et le nombre de SG diminuera ( Figure 3 C ). La sensibilité est mesurée de 1 à 100, 100 étant les plus sensibles. En augmentant la sensibilité, le nombre de SG détectés augmente ( figure 3 C ). Ainsi, les paramètres corrects doivent être trouvés pour minimiser les faux positifs et les faux négatifs. Ceci est mieux fait en analysant soigneusement les visuels obtenus pour chaque réglage. Pour G3BP1, une échelle de 2 avec une sensibilité de 100 (2 - 100, mise en surbrillance en rouge) a donné le meilleur résultat. Une échelle de 2 avec une sensibilité inférieure (50 ou 25) laissée petiteSG non comptés (voir les flèches orange). De même, une échelle de 3 a laissé un petit SG non comptabilisé alors qu'une échelle de 1 dépassait la taille. Il est important de noter que des échelles supplémentaires peuvent être ajoutées pour se concentrer uniquement sur les gros SG, si cela est justifié. Pour eIF3b, une échelle de 2 avec une sensibilité de 55 (2 - 55) a donné le meilleur résultat pour eIF3b (mis en surbrillance en rouge) bien que les flèches rouges mettent en surbrillance soit sous ou suréchantillonnage dans une échelle de 2 à 50 et 2 à 55 respectivement.
Une fois que les paramètres de l'analyse SG sont correctement définis, les données peuvent être analysées de plusieurs façons ( Figure 4 ). Le détecteur de points donne le nombre de SG détectés au sein de chaque ROI de sorte que les cellules non infectées et infectées peuvent être comparées ( Figure 4 A ). De même, la taille, dans ce cas, nombre de pixels, est donnée à partir de laquelle la surface peut être calculée ( Figure 4 B ). Distribution de fréquence pD'autre part, il est utile de mettre en évidence des changements dans la taille des SG trouvés dans différentes populations de cellules. Ici, une absence complète de gros SG dans les cellules infectées par S. flexneri , ainsi qu'un changement définitif de la distribution devient plus claire ( figure 4 C ). En outre, l'intensité (montrée ici est l'intensité minimale et maximale) fournit des informations sur la qualité des SG analysés. Pour les cellules infectées par S. flexneri , les SG sont nettement moins intenses. Ces analyses fournissent des informations statistiquement pertinentes sur le caractère qualitatif et quantitatif des SG formées en réponse à un stress exogène lorsque les cellules sont infectées avec ou sans S. flexneri .

Figure 1 : Contour de la Procédure expérimentale pour infecter les cellules avec S. Flexneri etPour analyser l'effet de l'infection SG Formation. Une colonie rouge-congolaise et une colonie non renvoyante au Congo-Rouge-négatif sont choisies et cultivées O / N dans du bouillon de soja tryptique. La culture de nuit est sous-cultivée jusqu'à la phase exponentielle tardive avant que les bactéries ne soient revêtues de PLL pour favoriser l'adhérence. Les cellules hôtes cultivées sur des lamelles en verre dans des plaques à 12 puits sont infectées par des bactéries pendant 30 min. Les cellules de contrôle ne sont pas infectées. Les cellules sont lavées et traitées avec des inducteurs de contraintes pour induire une formation de SG soit en remplaçant le milieu par un milieu contenant une contrainte, soit en soumettant les cellules à des conditions de contrainte telles que la chaleur. Les cellules sont ensuite fixées, perméabilisées, colorées avec des marqueurs spécifiques de SG immunofluorescents et imagées à l'aide d'un microscope confocal. Les projections Z sont réalisées à l'aide d'ImageJ et analysées à l'aide du détecteur local du logiciel d'analyse d'image. Les données sont ensuite analysées. Cliquez ici pour voir un grandEr version de ce chiffre.

Figure 2 : Analyse Spot Detector des cellules HeLa Infectées avec S. Flexneri pendant 1,5 h avant l'addition de Clotrimazole pendant 1 h. A. Image immunofluorescente d'une projection z montrant des cellules colorées avec les marqueurs SG eIF3b et G3BP1, DAPI et l'actine. B. Même image que dans (A) mais sans la tache d'acttin pour mettre en évidence l'utilisation d'eIF3b pour délimiter les limites de cellule. C. Prise de vue du logiciel d'analyse d'image avec le module détecteur spot. D. Gating des cellules infectées et non infectées comme on l'a vu en utilisant différents canaux. Pour voir toutes les bactéries, l'intensité augmente. Les cellules contenant plus d'une bactérie présente dans la cellule sont étiquetées avec une étoile rouge. E. Sortie de la détection spotPour l'analyse des ROI individuels, indiquant le nom du ROI, le nombre de spots et leur emplacement. F. Image des spots détectés dans les ROI. Barre d'échelle = 30 μm. Cliquez ici pour voir une version plus grande de ce chiffre.

Figure 3 : Comparaisons de différents paramètres d'échelle et de sensibilité du détecteur Spot pour la détection des SG à travers différents marqueurs SG. A. Zoom sur les cellules HeLa infectées ou non avec S. flexneri et colorées avec DAPI et le marqueur SG G3BP1 et analysées à différentes échelles (taille pixel coupée, 1 à 3) et sensibilité (1 à 100). Représentation graphique des nombres SG dans les cellules non infectées et infectées analysées à différentes échelles ( > B) et les sensibilités ( C ). Visuels ( D ) et représentation graphique ( E ) de la détection de numéro SG du marqueur SG eIF3b pour la même image lors du changement de la limite de sensibilité sans changer la coupure de taille de point. L'écriture rouge et les symboles rouges indiquent les meilleurs paramètres. Les flèches rouges pointent vers les faux positifs et les flèches d'oranges à un manque de détection SG. Les valeurs incluent le moyen avec l'écart type. Les meilleurs résultats sont en surbrillance en rouge. Une analyse statistique sélectionnée a été incluse pour plus de clarté à l'aide des valeurs de P de test de rang de Wilcoxon à gauche et du test de variance F sur la droite. * = <0,05, ** = <0,01, *** = <0,001, ns = non significatif. Barre d'échelle = 10 μm. Cliquez ici pour voir une version plus grande de ce chiffre.
Es / ftp_upload / 55536 / 55536fig4.jpg "/>
Figure 4 : Analyse des données SG générées par détecteur de points obtenues à partir de cellules HeLa traitées au clotrimazole infectées par S. Flexneri . A. Nombre de SG G3BP1 par cellule dans des cellules HeLa infectées et non infectées. B. Surface des G3BP1-SG dans les cellules infectées et non infectées, et leur pourcentage de fréquence de distribution ( C ). D. Valeurs d'intensité minimale et maximale (arbitraire) de G3BP1-SG. Les valeurs comprennent une moyenne avec une erreur standard. Une analyse statistique sélectionnée a été incluse pour plus de clarté à l'aide des valeurs de P de test de rang de Wilcoxon à gauche et du test de variance F sur la droite. * = <0,05, ** = <0,01, *** = <0,001, ns = non significatif. Cliquez ici pour voir une version plus grande de ce chiffre.
Les auteurs n'ont rien à dévoiler.
Nous décrivons une méthode pour l'analyse qualitative et quantitative de la formation de granules de stress dans des cellules de mammifères après que les cellules sont confrontées à des bactéries et à un certain nombre de contraintes différentes. Ce protocole peut être appliqué pour étudier la réponse des granules de stress cellulaire dans une large gamme d'interactions hôtes-bactéries.
PS est récipiendaire de la subvention Grand Challenge de Bill et Melinda Gates OPP1141322. PV a été soutenu par une bourse de mobilité postdocale de la Fondation nationale de la science nationale suisse et une bourse postdoctorale Roux-Cantarini. PJS est soutenu par une subvention HHMI et ERC-2013-ADG 339579-Decrypt.
| Anticorps primaires | |||
| eIF3b (N20), origine chèvre | Santa Cruz | sc-16377 | Marqueur SG robuste et largement utilisé. La coloration cytosolique permet la délimitation cellulaire. Dilution 1:300 |
| eIF3b (A20), origine chèvre | Santa Cruz | sc-16378 | Même cible que eIF3b (N20) et dans nos mains était identique à eIF3b (N20). Dilution 1:300 |
| eIF3A (D51F4), origine lapin (MC : monoclonal) | Signalisation cellulaire | 3411 | Partie du complexe multiprotéique eIF3 avec eIF3b . Dilution 1:800 |
| eIF4AI, origine chèvre | Santa Cruz | sc-14211 | Recommandé par (Réf # 13). Dilution 1:200 |
| eIF4B, origine lapin | Abcam | ab186856 | Bon marqueur de granule de stress entre nos mains. Dilution 1:300 |
| eIF4B, origine lapin | Signalisation cellulaire | 3592 | Recommandée par Ref # 13. Dilution 1:100 |
| eIF4G, origine lapin | Santa Cruz | sc-11373 | Marqueur SG largement utilisé. (Réf # 13) : peut ne pas bien fonctionner dans les lignées cellulaires de souris. Dilution 1:300 |
| G3BP1, origine lapin (MC : monoclonal) | BD Biosciences | 611126 | Marqueur SG largement utilisé. Dilution 1:300 |
| Tia-1, origine chèvre | Santa Cruz | sc-1751 | Marqueur SG largement utilisé. Peut également être trouvé dans les corps P lorsque des SG sont présents (Ref # 13). Dilution 1:300 |
| Alexa-conjugual Secondary Antibodies | |||
| A488 anti-chèvre, origine âne | Thermo Fisher | A-11055 | Cross absorbé. Dilution 1:500 |
| A568 anti-chèvre, origine âne | Thermo Fisher | A-11057 | Croix absorbée. Dilution 1:500 |
| A488 anti-souris, origine âne | Thermo Fisher | A-21202 | Dilution 1:500 |
| A568 anti-souris, origine âne | Thermo Fisher | A10037 | Dilution 1:500 |
| A647 anti-souris, origine âne | Thermo Fisher | A31571 | Dilution 1:500 |
| A488 anti-lapin, origine âne | Thermo Fisher | A-21206 | Dilution 1:500 |
| A568 anti-lapin, origine âne | Thermo Fisher | A10042 | Dilution 1:500 |
| Shigella flexneri | Disponible auprès de différents laboratoires sur demande | ||
| Tryptone Caséine Bouillon de soja (TCS) | BD Biosciences | 211825 | Milieu de croissance standard pour Shigella, application - croissance bactérienne |
| Gélose TCS | BD Biosciences | 236950 | Gélose de croissance standard pour Shigella, application - croissance bactérienne |
| Rouge Congo | SERVA Electrophoresis GmbH | 27215.01 | Outil de distrimination pour Shigell qui ont perdu le plasmide de virulence, application - croissance bactérienne |
| Poly-L-Lysine (PLL) | Sigma-Aldrich | P1274 | Utile pour enrober les bactéries afin d’augmenter l’infection, application - infection |
| Gentamicine | Sigma-Aldrich | G1397 | Destruction sélective des bactéries extracellulaires mais non cytosoliques, application - infection |
| HEPES | Life Technologies | 15630-056 | Tampon de PH utile lorsque les cellules sont incubées à RT, application - culture cellulaire |
| Dulbecco’s Modified Eagle Medium (DMEM) | Life Technologies | 31885 | Milieu de culture standard pour cellules HeLa, application - culture cellulaire |
| Sérum de veau fœtal (FCS) | Biowest | S1810-100 | Supplémentation à 5 % utilisée pour le milieu de culture cellulaire HeLa, application - culture cellulaire |
| Acides aminés non essentiels (NEAA) | Life Technologies | 11140 | Dilution 1:100 utilisée pour le milieu de culture cellulaire HeLa, application - culture cellulaire |
| DMSO | Sigma-Aldrich | D2650 | Diluant réactif, application - culture cellulaire |
| Arsénite | de sodiumSigma-Aldrich | S7400 | Inducteur de stress granulaire puissant (Remarque : hautement toxique, manipulation et élimination spéciales requises), application - inducteur de stress |
| Clotrimazole | Sigma-Aldrich | C6019 | Inducteur de granules de stress puissant (Remarque : danger pour la santé, manipulation et élimination spéciales requises), application - inducteur |
| de stress Paraformaldéhyde (PFA | Electron Microscopy Scences | 15714 | 4 % de PFA est utilisé pour la fixation standard des cellules, application - fixation |
| Triton X-100 | Sigma-Aldrich | T8787 | Utilisé à 0,03 % pour la perméabilisation des cellules hôtes avant coloration immunofluorescente, application - perméabilisation |
| A647-phalloidin Thermo | Fisher | A22287 | La dilution est à 1:40, mieux ajouté lors de la coloration secondaire des anticorps, application - coloration |
| DAPI | Sigma-Aldrich | D9542 | Coloration à l’acide nucléide utilisée pour visualiser à la fois le noyau de l’hôte et les bactéries, application - coloration Parafilm |
| Sigma-Aldrich | BR701501 | film de paraffine utile pour la coloration immunofluorescente des lamelles, application - coloration Prolong | |
| Gold | Thermo Fisher | 36930 | Milieu de montage robuste qui fonctionne bien pour la plupart des fluorophores , application - montage |
| Mowiol | Sigma-Aldrich | 81381 | Support de montage bon marché et robuste qui fonctionne bien pour la plupart des fluorophores, application - montage |
| de plaque de culture cellulaire 24 puits | Sigma-Aldrich | CLS3527 | Plaques de culture tissulaire standard, application - culture cellulaire |
| 12 mm lamelles en verre | NeuVitro | 1001/12 | Support de culture cellulaire pour applications immunofluorescentes, application - pince de support cellulaire |
| Sigma-Aldrich | 81381 | Support de montage bon marché et robuste qui fonctionne bien pour la plupart des fluorophores, application - montage | |
| Prism | GraphPad Logiciel | d’analyse de données et de graphiques avec des options de test statistique robustes, application - analyse de données | |
| Leica SP5 | Leica Microsystems | Microsope confocale, application - image acquisition | |
| Imaris | Bitplane | Programme professionnel d’analyse d’images, application - analyse de données | |
| Excel | Microsoft | Programme d’analyse de données et de graphiques, application - analyse de données |