Ici, nous présentons un protocole complet pour la génération et l’analyse en aval d’organoïdes cérébraux humains à l’aide du séquençage de l’ARN unicellulaire et mononucléique.
Method Article
* These authors contributed equally
Ici, nous présentons un protocole complet pour la génération et l’analyse en aval d’organoïdes cérébraux humains à l’aide du séquençage de l’ARN unicellulaire et mononucléique.
Au cours de la dernière décennie, la transcriptomique unicellulaire a considérablement évolué et est devenue une méthode de laboratoire standard pour l’analyse simultanée des profils d’expression génique de cellules individuelles, permettant de capturer la diversité cellulaire. Afin de surmonter les limites posées par les types de cellules difficiles à isoler, une approche alternative visant à récupérer des noyaux uniques au lieu de cellules intactes peut être utilisée pour le séquençage, ce qui rend le profilage du transcriptome des cellules individuelles universellement applicable. Ces techniques sont devenues une pierre angulaire dans l’étude des organoïdes cérébraux, les établissant comme des modèles du cerveau humain en développement. Exploitant le potentiel de la transcriptomique unicellulaire et mononucléus dans la recherche sur les organoïdes cérébraux, ce protocole présente un guide étape par étape englobant des procédures clés telles que la dissociation des organoïdes, l’isolement d’une cellule unique ou de noyaux, la préparation de banques et le séquençage. En mettant en œuvre ces approches alternatives, les chercheurs peuvent obtenir des ensembles de données de haute qualité, permettant l’identification de types de cellules neuronales et non neuronales, de profils d’expression génique et de trajectoires de lignées cellulaires. Cela facilite l’étude approfondie des processus cellulaires et des mécanismes moléculaires qui façonnent le développement du cerveau.
Au cours des dernières années, les technologies des organoïdes sont apparues comme un outil prometteur pour la culture de tissus semblables à des organes 1,2,3. En particulier pour les organes qui ne sont pas facilement accessibles, comme le cerveau humain, les organoïdes offrent la possibilité d’obtenir des informations sur le développement et la manifestation de la maladie4. En tant que tels, les organoïdes cérébraux ont été largement utilisés comme modèle expérimental pour étudier divers troubles du cerveau humain, y compris les maladies développementales, psychiatriques ou même neurodégénératives 4,5,6.
Avec l’avènement des technologies de profilage du transcriptome unicellulaire, les tissus humains primaires et les modèles in vitro complexes ont pu être étudiés avec un niveau de granularité sans précédent, fournissant des informations mécanistes sur les changements d’expression génique au niveau des sous-populations cellulaires en santé et en maladie et informant sur de nouvelles cibles thérapeutiques présumées 7,8,9. Le domaine des organoïdes a progressé en utilisant le profilage du transcriptome unicellulaire pour évaluer la composition cellulaire, la reproductibilité et la fidélité des technologies organoïdes cérébraux 10,11,12. Le séquençage de l’ARN unicellulaire (scRNA-seq) a permis la classification cellulaire et l’identification de la dysrégulation génétique chez les organoïdes malades13,14. Il est important de noter que c’est la complexité des tissus organoïdes qui nécessite la mise en œuvre de techniques permettant le profilage de cellules individuelles. La caractérisation des organoïdes à l’aide de méthodes telles que le profilage du transcriptome en vrac (séquençage de l’ARN en vrac) conduit à une hétérogénéité cellulaire masquée et à des profils d’expression génique qui sont moyennés sur tous les types de cellules du tissu complexe, limitant finalement notre compréhension des processus en cours au cours du développement des organoïdes dans la santé et la maladie 15,16,17. Au fur et à mesure que les méthodes de séquençage de l’ARNsc continuent de progresser, un nombre croissant d’atlas sont créés, comme en témoignent des ressources telles que l’Allen Brain Atlas ou l’Atlas unicellulaire des organoïdes du cerveau humain d’Uzquiano et al.18.
La réussite du séquençage de l’ARNsc à partir d’organoïdes cérébraux repose sur l’isolement et la capture efficaces de cellules intactes. Comme la dissociation des organoïdes cérébraux pour obtenir des cellules individuelles est basée sur la digestion enzymatique, elle peut influencer les modèles d’expression génique en induisant le stress et les dommages cellulaires19,20. Par conséquent, la dissociation du tissu en cellules individuelles est l’étape la plus cruciale. Une autre approche est le séquençage de l’ARN à noyau unique (snRNA-seq), qui facilite l’extraction sans enzyme des noyaux à partir de tissus, frais et congelés21,22. Cependant, l’isolement des noyaux d’un tissu pose d’autres défis tels que l’enrichissement des types cellulaires d’intérêt et la faible teneur en ARN des noyaux par rapport aux cellules.
Les études du transcriptome des organoïdes cérébraux sont couramment menées à l’aide du scRNA-seq 10,18,23. Cependant, l’isolement de noyaux uniques pourrait fournir une méthode orthogonale et supplémentaire pour étudier le profil transcriptomique des organoïdes. Ici, nous présentons une boîte à outils pour le séquençage de l’ARNsc et de l’ARNns pour les organoïdes cérébraux et discutons des points critiques pour obtenir des données de séquençage de la meilleure qualité.
Le protocole décrit est réalisé dans un laboratoire de biosécurité de niveau 1 du Centre Max Delbrück de médecine moléculaire (numéro d’approbation : 138/08), conformément aux exigences et aux règles européennes et nationales en matière d’éthique de la recherche.
1. Dérivation d’organoïdes du cerveau antérieur à partir de cellules souches pluripotentes induites (iPSC)
REMARQUE : Ce protocole a été testé pour plusieurs lignées iPSC différentes cultivées dans une variété de milieux de cellules souches de différentes sociétés (tableau 1). La génération d’organoïdes du cerveau antérieur dépend fortement des iPSC de haute qualité et d’une confluence de 60 % à 70 % avant le début du protocole. Ici, nous avons utilisé une lignée cellulaire disponible dans le commerce (voir la table des matériaux).
2. Dérivation d’une cellule unique à partir d’organoïdes
REMARQUE : La dissociation d’une seule cellule est réalisée à l’aide du kit de dissociation du tissu neural (tableau 2), qui utilise la dissociation mécanique et enzymatique. Nous décrivons ici une dissociation mécanique manuelle. Comme alternative, une machine de dissociation peut être utilisée.
3. Isolement de noyaux uniques à partir d’organoïdes
4. Préparation et séquençage de la bibliothèque
5. Analyse
Pour étudier la composition cellulaire des organoïdes cérébraux à l’aide du scRNA-seq et du snRNA-seq, les organoïdes cérébraux ont été récoltés après 30 jours de culture, car les organoïdes à ce stade présentent déjà des boucles neuroépithéliales composées de progéniteurs entourés de progéniteurs intermédiaires et de neurones à un stade précoce 4,18. Le suivi de la qualité des organoïdes tout au long de la croissance et de la culture est essentiel pour obtenir des données fiables sur les cellules uniques et les noyaux.
Les organoïdes sont formés par l’agrégation d’iPSC en corps embryoïdes (Figure 1B,C). Lors de l’assemblage, ces corps embryoïdes devraient présenter des bords clairs avec un minimum de débris cellulaires (figure 1C). Après l’induction du neuroectoderme, les corps embryoïdes manifestent un éclaircissement observable autour de la surface avec une région interne comparativement plus foncée, indiquant une induction neuronale réussie (Figure 1D). Dans les semaines qui suivent, les organoïdes développent ce que l’on appelle des boucles, des structures neuronales ressemblant à des rosettes, principalement composées de cellules neuroépithéliales (Figure 1E,F). Bien que ces organoïdes puissent être maintenus en culture pendant plusieurs mois, il convient de noter qu’avec leur taille croissante, il y a une augmentation correspondante de la mort cellulaire dans la partie interne des organoïdes en raison du manque de nutriments et de disponibilité de l’oxygène, entraînant finalement le développement d’un noyau nécrotique.
Afin d’explorer la diversité cellulaire au sein des organoïdes corticaux par analyse de séquençage, nous avons isolé à la fois des cellules uniques et des noyaux à partir d’organoïdes. Pour équilibrer l’hétérogénéité inhérente au sein d’un seul lot d’organoïdes cérébraux, nous avons effectué le séquençage de quatre organoïdes regroupés à partir d’un lot. De plus, à des fins de comparaison entre les processus d’isolement et pour éliminer les effets de lot entre la banque snRNA-seq et la banque scRNA-seq, ces organoïdes ont été divisés en moitiés (huit moitiés au total ; Figure 2). Suite à l’isolement enzymatique de cellules individuelles, il est crucial de s’assurer que la viabilité cellulaire reste supérieure à 80%, tout en observant que les cellules conservent une morphologie ronde (Figure 3A,B). De même, l’isolement mécanique des noyaux individuels devrait permettre d’obtenir des noyaux intacts de tailles variables avec peu ou pas de débris détectables (figures 3C et D).
L’analyse de séquençage a révélé que plus de cellules que de noyaux ont été capturés et séquencés. Les deux ensembles de données ont montré une bonne qualité évaluée par le nombre élevé de gènes et d’UMI par cellule et par noyau, et le faible pourcentage de lectures mitochondriales (Figure 4A-C). Comme prévu, les lectures mitochondriales et ribosomiques représentent une fraction plus élevée du total des lectures récupérées dans l’ensemble de données scRNA-seq par rapport à l’ensemble de données snRNA-seq. Dans l’ensemble de données scRNA-seq, la plupart des cellules contenaient moins de 30 % de lectures ribosomiques, tandis que dans l’ensemble de données snRNA-seq, la majorité des noyaux contenaient moins de 5 % de lectures ribosomiques. De plus, la majorité des cellules capturées dans l’ensemble de données scRNA-seq contiennent moins de 5 % de lectures mitochondriales. Après avoir filtré les lectures mitochondriales, environ 10 000 cellules et 3 000 noyaux ont franchi le seuil de qualité.
L’analyse intégrative des deux ensembles de données a révélé que tous les clusters sont représentés dans les deux ensembles de données, ce qui indique que les deux méthodes récupèrent les mêmes types de cellules (figures 5A, C). L’annotation de l’ensemble de données montre que les principales populations cellulaires comprennent la glie radiale, les progéniteurs intermédiaires, les progéniteurs sous-corticaux et les neurones, ainsi que les neurones de projection de la couche profonde du nouveau-né et les types de cellules moins représentés tels que Cajal-Retzius, l’ourlet cortical et les cellules du plexus choroïde (Figure 5B). Dans l’ensemble, le scRNA-seq et le snRNA-seq ont pu récupérer tous les types de cellules susceptibles d’être présents dans un organoïdecérébral âgé de 30 jours.

Figure 1 : Génération d’organoïdes cérébraux à partir d’iPSC. Évolution temporelle de la génération d’organoïdes cérébraux (A). Exemples d’une différenciation corticale réussie à partir d’iPSC (B), qui forment des corps embryoïdes (72 h après l’ensemencement) (C) et montrent une induction neuronale réussie après 7 jours de culture (D). L’organoïde représente des boucles distinctes au jour 15 (E) et au jour 30 (F). Barre d’échelle : B-D 200 μm, E 400 μm, F 800 μm. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2 : Flux de travail pour obtenir des cellules uniques et des noyaux uniques à partir d’organoïdes cérébraux. La dissociation des organoïdes en cellules uniques est effectuée par hachage des organoïdes à l’aide d’un scalpel, suivi d’une digestion enzymatique (en haut). L’isolement des noyaux est effectué par dissociation mécanique, suivie d’une purification via un gradient de Percoll (en bas). La suspension de cellules uniques et de noyaux est filtrée et chargée dans un système microfluidique pour la génération de banques et le séquençage. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3 : Résultats représentatifs de cellules et de noyaux isolés d’organoïdes âgés de 30 jours. (A) Image exemplaire de cellules colorées au bleu trypan prise à l’aide d’un compteur de cellules et (B) gros plan correspondant. (C) Superposition d’une image en fond clair et fluorescente de noyaux colorés au DAPI et (D) gros plan correspondant. Barre d’échelle : 100 μM Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4 : Contrôle de la qualité du séquençage de l’ARNsc et de l’ARNns. Les graphiques en violon illustrent le nombre absolu d’UMI (A), le nombre de gènes (B), les lectures mitochondriales (C) et ribosomiaux (D) des cellules (bleu) et des noyaux (rose-violet). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5 : scRNA-seq et snRNA-seq récupèrent des populations cellulaires similaires dans des organoïdes âgés de 30 jours. UMAP intégré intégré d’organoïdes âgés de 30 jours, montrant les résultats du scRNA-seq (bleu) et du snRNA-seq (rose-violet) (A), intégré et annoté et profils individuels de scRNA-seq et snRNA-seq (B, C). Veuillez cliquer ici pour voir une version agrandie de cette figure.
Tableau 1 : Milieux de culture cellulaire et composants de revêtement Veuillez cliquer ici pour télécharger ce tableau.
Tableau 2 : Tampons de dissociation pour l’ARNsc et le séquençage de l’ARNnb. Veuillez cliquer ici pour télécharger ce tableau.
Fichier de codage supplémentaire 1 : Fichier de codage utilisé pour analyser les données scRNA-seq et snRNA-seq. Veuillez cliquer ici pour télécharger ce fichier.
L’analyse transcriptomique de cellules uniques et de noyaux uniques est apparue comme un outil essentiel pour comprendre les mécanismes de régulation des gènes dans les tissus complexes. Les deux méthodes permettent d’étudier le transcriptome des organoïdes cérébraux. Pour garantir le succès global de l’expérience, la qualité du matériau de départ est d’une grande importance. Par conséquent, il est nécessaire de couper régulièrement les organoïdes pour éviter la formation d’un noyau nécrotique26. Il est également possible d’éliminer ce problème avec une culture d’interface air-liquide27. Pour réduire les effets de lot dus à l’hétérogénéité des organoïdes, nous suggérons d’utiliser au moins quatre organoïdes par extraction. Alternativement, il est possible d’effectuer plusieurs cycles de séquençage d’organoïdes individuels, ce qui permet en outre d’examiner la variabilité au sein d’un même lot17. En utilisant les deux méthodes, scRNA-seq et snRNA-seq, en parallèle, couper les organoïdes en deux et les diviser pour chaque méthode peut réduire davantage les différences causées par l’hétérogénéité des organoïdes.
Pour obtenir un profil transcriptomique de bonne qualité d’une cellule ou d’un noyau individuel, il est crucial que la membrane cellulaire ou nucléaire reste intacte pendant toute la procédure. Par conséquent, il est crucial d’optimiser à la fois la concentration enzymatique et le moment de la digestion enzymatique, qui doivent être ajustés à l’âge et à la taille de l’organoïde. De plus, il est essentiel d’utiliser les bonnes températures et la bonne vitesse de centrifugation et d’éviter le pipetage brutal. En cas de faible viabilité, un kit d’élimination des cellules mortes peut être utilisé après la dissociation des organoïdes en cellules uniques. Complémentairement, pour l’isolement des noyaux, il est essentiel de laver soigneusement l’organoïde avec du PBS et d’adapter le nombre de coups avec le présentateur à la taille de l’organoïde. Il est également important de superposer soigneusement le dégradé Percoll afin d’éviter les perturbations dans la superposition. Si des noyaux endommagés restent après l’isolement, il est conseillé de mettre en œuvre une étape de tri via le tri cellulaire activé par fluorescence22. Dans l’ensemble, l’utilisation d’inhibiteurs de l’ARNase est essentielle à toutes les étapes, de la dissociation de l’échantillon à la génération de la banque, afin de préserver l’ARN de haute qualité de chaque cellule ou noyau.
Dans cette étude, le scRNA-seq a produit plus de cellules, ce qui a permis d’avoir une vue d’ensemble plus large des populations cellulaires. De plus, les cellules contiennent plus d’ARN et sont plus faciles à enrichir pour des types de cellules spécifiques grâce à des marqueurs de surface par rapport aux noyaux. Cependant, la dissociation d’une cellule unique repose sur un processus enzymatique qui peut induire la transcription des ARN liés au stress19,28. En particulier dans les maladies associées à une réponse accrue au stress, cela peut entraîner des artefacts induits par la dissociation20. De plus, il a été démontré que l’isolement d’une seule cellule entraînait la perte de populations cellulaires sensibles 3,29. Bien que cela ne soit peut-être pas évident dans cette étude, c’est un résultat possible lors de l’utilisation d’organoïdes cérébraux plus anciens qui se caractérisent par une plus grande diversité cellulaire.
Comme les deux ensembles de données récupèrent les mêmes populations cellulaires, le choix de la méthode d’isolement dépend fortement des questions de recherche, de l’acquisition de tissus et de la gestion du temps. Alors qu’après dissociation, la fixation et le stockage des cellules uniques des organoïdes cérébraux dans le méthanol sont bien établis30, l’isolement des noyaux uniques des organoïdes cérébraux congelés doit encore être optimisé.
Dans l’ensemble, nos protocoles fournissent une plate-forme polyvalente et adaptable pour étudier le profil transcriptomique des cellules et des noyaux individuels dans les organoïdes cérébraux, ouvrant la voie à des investigations approfondies des questions liées au développement et aux maladies dans les modèles de cerveau humain in vitro.
Les auteurs ne déclarent aucun intérêt financier concurrent.
Nous remercions Valeria Fernandez-Vallone pour les instructions originales pour le kit de dissociation neuronale Miltenyi. Nous remercions également la plateforme technologique de génomique du Max Delbrueck Centrum pour avoir fourni la recette du tampon de lyse NP40 et de précieux conseils sur la mise en place de ce protocole. Nous remercions également Margareta Herzog et Alexandra Tschernycheff pour le soutien organisationnel du laboratoire.
| Name | Company | Catalog Number | Comments |
|---|---|---|---|
| 1,4-DITHIO-DL-THREIT-LSG., F. D. MOL.-BIOL., ~1 M IN H2O (DTT) | Sigma | ; 43816-10ML | |
| 1,5 ml Tubes à faible liaison d’ADN ; | Tube de microcentrifugation | VWR | 525-0130 |
| 10x pipeline Cellranger ; | Pipeline d’analyse | ||
| 15 ml Falcon | Falcon | Tube à centrifuger | |
| 2-Mercaptoethanol (BME) | Life Technologies | 21985023 | |
| 50 ml Falcon | Tube | à centrifuger | |
| A83-01 | Bio Technologies | 379762 | |
| Solution antibiotique/antimycosique (100X) | Life Technologies | 15240062 | |
| B-27 Plus Supplément | Life Technologies | 17504044 | |
| B-27 Supplément sans vitamine A | Life Technologies | 12587010 | |
| Albumine sérique bovine, sans acides gras (BSA) | Sigma Aldrich | A8806-5G ; | |
| cAMP | Biogems | 6099240 | |
| cAMP | Biogems | 6099240 | |
| C-CHIP NEUBAUER IMPROVED | VWR | DHC-N01 | |
| Crépine de cellules 40 µ ; m | Neolab | 352340 | |
| Filtre à cellules 70 µ ; m (blanc) Nylon | Sigma | CLS431751-50EA | |
| Chromium Controller & Next GEM Kit | d’accessoires 10X Genomics | 1000204 | |
| Chromium Next GEM Chip G Single Cell Kit, 16 rxns | 10X Genomics | 1000127 | |
| Chromium Next GEM Single Cell 3' Kit v3.1 | 10X Genomics | 1000268 | |
| Complete, ; Inhibiteur de protéase sans EDTA Cocktaill | Roche | 11873580001 | |
| DAPI | MERCK Chemicals | 0000001722 | |
| DMEM/F12 | Life Technologies | 11320074 | |
| Dounce Broyeur de tissus 2 mL complet | Sigma Aldrich | 10536355 | |
| Essential E8 Flex Medium | Life Technologies | A2858501 | |
| EVE Cell Counting Lames | VWR | EVS-050 ( 734-2676) | |
| Sérum fœtal bovin sans tétracycline (FBS) | PAN Biotech | P30-3602 | |
| Geltrex LDEV-Free (revêtement) | Life Technologies | A1413302 ; | |
| gentleMACS | Miltenyi Biotec | dissociation maschine | |
| GlutaMAX suppléments | Life Technologies | 35050038 | |
| Héparine sodique culture cellulaire testée | Sigma | H3149-10KU | |
| recombinant humain BDNF | StemCell Technologies | 78005.3 | |
| recombinant humain GDNF | StemCell Technologies | 78058.3 | |
| Solution d’insuline Human | Sigma Aldrich | I2643-25MG | |
| Knockout sérum de remplacement | Life Technologies | 10828028 | |
| LDN193189 Chlorhydrate 98 % | Sigma Aldrich | 130-106-540 | |
| MEM acide aminé non essentiel (100x) | Sigma Aldrich | M7145-100ml | |
| MgCl2 Chlorure de magnésium (1M) RNAse free | Thermo | Scientific AM9530G | |
| mTeSR Plus | StemCell Technologies | 100-0276 | milieu de cellules souches |
| mTeSR1 | StemCell Technologies | 85850 | milieu de cellules souches |
| N2 Supplément ; | StemCell Technologies | 17502048 | |
| Kit de dissociation des tissus neuraux | Miltenyi Biotec B.V. & Co. KG | 130-092-628 | |
| Neurobasal Plus | Life Technologies | A3582901 | |
| Système NextSeq500 | Séquenceur | Illumina | |
| NP-40 Surfact-Amps Détergent Solution | Life Technologies | 28324 | |
| PBS Dulbecco' s | Invitrogen | 14190169 | |
| PenStrep (Pénicilline - Streptomycine) | Life Technologies | 15140122 | |
| Percoll | Th. Geyer | 10668276 | |
| Pluronic (R) F-127 | Sigma Aldrich | P2443-1KG | |
| RiboLock RNase Inhibitor | Life Technologies ; | EO0382 | |
| Inhibiteur de roche (chlorhydrate d’Y-27632) SB | Biomol | Cay10005583-10 | |
| SB 431542 ; | Biogems | 3014193 | |
| Chlorure de sodium NaCl (5M), sans RNase-100 mL | Invitrogen | AM9760G | |
| StemFlex Medium | Thermo Scientific | A3349401 | milieu de cellules souches |
| StemMACS iPS-Brew XF | Miltenyi Biotec | 130-104-368 | milieu de cellules souches |
| TC-Platte 96 Puits, fond rond | Sarstedt | 83.3925.500 | |
| TISSUi006-A | TissUse GmbH | https://hpscreg.eu/cell-line/TISSUi006-A | |
| Trypan Blue | T8154-20ml | Sigma | |
| TrypLE Express Enzyme, sans rouge de phénol | Life Technologies | 12604013 | réactif à base de trypsine |
| UltraPure 1M Tris-HCl Buffer, pH 7.5 | Life Technologies | 15567027 | |
| XAV939 | Enzo Life sciences | BML-WN100-0005 |
Request permission to reuse the text or figures of this JoVE article
Request Permission