È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo metodologico

La quantificazione di espressione della proteina e co-localizzazione Usando multiplex immunoistochimica di colorazione e multispettrale Imaging

12.6K visualizzazioni

⸱

DOI:

10.3791/53837

⸱

8 aprile 2016

 ,  ,  ,  , 
1Division of Urologic Surgery, Washington University in St. Louis School of Medicine, 2Department of Urology, University of Wisconsin School of Medicine and Public Health, 3Department of Pathology and Laboratory Medicine, University of Wisconsin School of Medicine and Public Health, 4O’Brien Urology Research Center, University of Wisconsin School of Medicine and Public Health

In questo articolo

Sommario

L'immunoistochimica è una potente tecnica di laboratorio per valutare la localizzazione e l'espressione delle proteine all'interno dei tessuti. Gli attuali metodi semi-automatici per la quantificazione introducono soggettività e spesso creano risultati irriproducibili. In questo articolo, descriviamo i metodi per l'immunoistochimica multiplexata e la quantificazione oggettiva dell'espressione proteica e della co-localizzazione mediante imaging multispettrale.

Abstract

L'immunoistochimica è una tecnica di rilevamento clinico e di ricerca comunemente usata per studiare l'espressione e la localizzazione delle proteine all'interno dei tessuti. Sono stati sviluppati molti sistemi semiquantitativi per l'analisi dei punteggi utilizzando l'immunoistochimica, ma la soggettività intrinseca limita la riproducibilità e l'accuratezza dei risultati. Inoltre, lo studio di biomarcatori spazialmente sovrapposti come i fattori di trascrizione nucleare è difficile con le attuali tecniche di immunoistochimica. Abbiamo sviluppato e ottimizzato un sistema per lo studio simultaneo di più proteine utilizzando metodi ad alto rendimento di immunoistochimica multiplexata e imaging multispettrale. L'immunoistochimica multiplexata viene eseguita mediante l'applicazione sequenziale di anticorpi primari con anticorpi secondari coniugati alla perossidasi di rafano o alla fosfatasi alcalina. Cromogeni diversi vengono utilizzati per rilevare ogni proteina di interesse. I vetrini colorati vengono caricati in uno scanner automatico per vetrini e viene creato un protocollo per l'acquisizione automatizzata delle immagini. Una libreria spettrale viene creata colorando una serie di vetrini con un singolo cromogeno su ciascuno. Un sottoinsieme di immagini colorate rappresentative viene importato nel software di imaging multispettrale e viene creato un algoritmo per distinguere il tipo di tessuto definendo i compartimenti tissutali sulle immagini. I compartimenti subcellulari vengono segmentati utilizzando la controcolorazione dell'ematossilina e regolando l'algoritmo intrinseco. La soglia viene applicata per determinare la positività e la co-localizzazione delle proteine. L'algoritmo finale viene quindi applicato all'intero set di tessuti. I dati risultanti consentono all'utente di valutare l'espressione proteica in base al tipo di tessuto (es. epiteli vs. stroma) e al compartimento subcellulare (nucleo vs. citoplasma vs. membrana plasmatica). L'analisi di co-localizzazione consente di studiare i tipi di cellule doppiamente positive, doppie e singole positive. La combinazione dell'imaging multispettrale con l'immunoistochimica multiplex e l'acquisizione automatizzata di immagini è un metodo oggettivo e ad alto rendimento per lo studio dei biomarcatori all'interno dei tessuti.

Introduzione

Immunoistochimica (IHC) è una tecnica di laboratorio standard per il rilevamento di proteine ​​nei tessuti, e IHC è ancora ampiamente utilizzato sia nella ricerca e patologia diagnostica. La valutazione di IHC colorazione è spesso semi-quantitativa, l'introduzione di potenziali bias in interpretazione dei risultati. Molti approcci semi-quantitativi sono stati sviluppati che incorporano sia l'intensità di colorazione e misura colorazione in diagnosi finale 1-4. Altri sistemi includono intensità punteggio e posizione subcellulare al fine di localizzare meglio l'espressione 5. Incorporazione di punteggi medi da più spettatori è spesso utilizzato per ridurre al minimo gli effetti di singolo spettatore pregiudizi 6. Nonostante questi sforzi, la soggettività nell'analisi rimane, in particolare al momento di valutare il grado di colorazione 7. Protocollo di standardizzazione e la soggettività riducendo al minimo da input umano è fondamentale per la creazione di accurati, riproducibili risultati IHC.

content "> Ci sono altre opzioni oltre IHC per determinare l'espressione della proteina all'interno dei tessuti. All'interno del contesto della ricerca, l'immunoistochimica è stata tradizionalmente vista come un mezzo per esaminare la proteina localizzazione 8, mentre altre tecniche come immunoblotting sono visti come gold standard per indagare l'espressione della proteina . Determinare il tessuto o l'espressione specifici vano cella è difficile senza incorporare tecniche avanzate come il frazionamento delle cellule o microdissezione laser 9,10. L'uso di anticorpi fluorescenti su slitte di tessuto offre un compromesso ragionevole, ma sfondo autofluorescenza a causa di NADPH, lipofuscine, reticolare fibre, collagene, elastina e possono rendere difficile la quantificazione precisa 11.

Piattaforme patologia di calcolo automatici sono una direzione promettente per più quantificazione oggettiva della patologia colorazione 12-15. La combinazione di imaging multispettrale con microarray di tessutifacilita l'analisi ad alta produttività di espressione della proteina in campioni di grandi dimensioni. Con queste tecniche, analisi di proteine ​​co-localizzazione, eterogeneità colorazione, e tessuti e localizzazione subcellulare è possibile riducendo sostanzialmente due polarizzazioni e il tempo necessario per l'analisi intrinseche, mentre restituzione dei dati in modo continuo piuttosto che in formato categorica 16. Pertanto, lo scopo di questo studio era quello di dimostrare l'utilità di e metodologia per l'esecuzione di immunoistochimica multiplex con l'analisi, utilizzando software di imaging multispettrale.

Questo protocollo è stato scritto per il manuale, multiplex colorazione immunoistochimica di una singola diapositiva sezione di tessuto con quattro anticorpi monoclonali ottimizzati. Come un esperimento rappresentativo, nucleare anti-coniglio recettore degli estrogeni alfa (ERα) e del recettore degli androgeni (AR) sono multiplexati con legato alla membrana anti-topo CD147 e legata alla membrana anti-topo E-caderina. Qualsiasi anticorpo di scelta può essere substitutEd per gli anticorpi elencati qui, ma ogni combinazione di anticorpi richiede l'ottimizzazione separata. Pre-trattamento per tutti gli anticorpi devono essere identici. Gli anticorpi AR e CD147 dovrebbe essere ottimizzato individualmente e poi come un cocktail. Ogni anticorpo viene rilevato utilizzando un sistema polimerico privo di biotina e uno dei 4 cromogeni unici.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

NOTA: Il protocollo descrive qui colorazione e analisi di un microarray tissutale (TMA), precedentemente descritto 12,17,18. La spessa sezione TMA 4 micron è stato ottenuto da un blocco di paraffina utilizzando un microtomo standard.

NOTA: Una libreria spettrale per i 4 cromogeni e di contrasto deve essere creato per un'immagine quantificazione. Per fare questo, il protocollo ottimizzato per ciascun anticorpo deve essere eseguito con un anticorpo per vetrino, meno la controcolorazione finale. Un quinto diapositiva deve essere colorato con ematossilina per generare le 5 immagini necessarie per creare la libreria spettrale.

1. Multiplex immunoistochimica

  1. diapositive Cuocere in forno a 60 ° C per 20 min. Usando una cappa, immergere scivolo in 100% xilene. Ripetere per 2 cambi di xilene. Immergere scorrevole in 100% di etanolo per 5 min. Ripetere con fresco al 100% di etanolo.
  2. Immergere vetrino in etanolo al 95% per 3 min. Ripetere con fresco95% di etanolo. Immergere vetrino in etanolo al 70% per 3 min. Immergere vetrino in acqua distillata per 3 min. Ripetere con acqua fresca distillata. Toccare scorrere verticalmente per drenare l'acqua dalla diapositiva. Applicare 200 ml di ready-to-use endogena bloccanti perossidasi per 5 min.
  3. Drain perossidasi bloccante dal vetrino ed immergerlo in 45 ml di tampone di recupero ready-to-use (pH inferiore a 7,0). Collocare il contenitore di diapositive in una pentola a pressione e avviare il programma impostato a 124 ° C per 4 min. Lasciare pentola a pressione raffreddare per 20 minuti. prima dell'apertura.
  4. Rimuovere il contenitore di tampone recupero e lasciare raffreddare altri 10 min. Sciacquarlo in acqua distillata per 10 min. Scaricare l'acqua dal vetrino e delimitare accuratamente il tessuto sul vetrino con una penna barriera idrofobica.
  5. Aggiungere 200 ml di tampone fosfato di scorrimento (PBS) .Transfer ad una presa piatta con coperchio (camera di incubazione) contenente una garza umida.
  6. Preparare 1 litro di soluzione salina 1x Tris tamponata con Tween-20 (TBST) diluendo 50 ml di 20x Tris tamponata salina contenente 1% Tween-20 e 950 ml di acqua distillata.
  7. Scolare PBS dal vetrino e applicare 200 ml di 1x TBST. Incubare 2 min. Scolare TBST dalla presentazione e tornare scorrevole nella camera di incubazione. Applicare 200 ml di blocco della proteina universale pronta per l'uso, nei pressi della camera e incubare per 7 min.
  8. Scolate blocco di proteine ​​e tornare scorrevole nella camera di incubazione. Diluire anti-ERα anticorpi 1: 400 con l'aggiunta di 0,6 ml di anticorpi a 239,4 ml di diluente. Applicare 200 ml di anticorpo diluito a scivolare e vicino da camera.
  9. Incubare il vetrino a temperatura ambiente per 2 ore. Drain anticorpo vetrino e sciacquare con TBST seguito da immersione per 5 min in TBST.
  10. Scolare TBST dalla presentazione e tornare scorrevole nella camera di incubazione. Applicare 200 ml di capra anti-coniglio perossidasi polimero da usare pronto e vicino da camera. Incubare per 30 min. a temperatura ambiente. vetrino Risciacquare con TBST e posto in un contenitore di diapositive TBST per 5 min.
  11. Preparare marrone perossidasi-3,3'-diaminobenzidina (HRP-DAB) cromogeno con l'aggiunta di 8 ml di cromogeno DAB a 250 microlitri tampone substrato DAB e mescolando bene.
  12. Scolare TBST da slitta, slitta ritorno alla camera di incubazione e applicare 200 ml di marrone cromogeno HRP-DAB per 6 min. Risciacquare il vetrino con acqua distillata e posto vetrino in un recipiente di acqua distillata.
  13. Miscelare la soluzione di denaturazione combinando 50 microlitri del primo reagente eluizione con 150 ml di secondo reattivo tampone. Scolare l'acqua dal vetrino e applicare la soluzione di denaturazione diluita alla diapositiva per 3 min. a temperatura ambiente. Decantare e risciacquare denaturazione reagente con TBST. Immergere scivolo in TBST per 5 min.
  14. Preparare AR / CD147 anticorpo cocktail diluendo 4,2 ml di anticorpo anti-AR e 2,8 ml di anticorpo anti-CD147 con 203 ml di diluente. Scolare TBST dalla diapositiva, tornare scorrevole alla camera di incubazione e applicare 200 ml di AR / CD147 cocktail alla diapositiva. Chiudere la camera e incubare per 1 ora a temperatura ambiente. vetrino Risciacquare con TBST e immergersi in TBST per 5 min.
  15. Scolare TBST, scivolo ritorno alla camera di incubazione e applicare 200 ml di ready-to-use di capra anti-coniglio fosfatasi alcalina polimero. Chiudere la camera e scivolo incubare per 30 min. a temperatura ambiente. vetrino Risciacquare con TBST e immergersi in TBST per 5 min.
  16. Preparare fosfatasi alcalina rosso cromogeno con l'aggiunta di 3,2 ml di cromogeno rosso a 250 microlitri di buffer cromogeno rosso e mescolare bene.
  17. Scolare TBST dalla presentazione e tornare scorrevole nella camera di incubazione. Applicare 200 ml di diluito alcalina rosso fosfatasi cromogeno alla diapositiva, chiudere da camera e incubare per 7 min.
  18. Scolare cromogeno e sciacquare scivolo con acqua distillata. Posizionare vetrino in un recipiente di acqua distillata per 5 min. Scolare l'acqua dal vetrino, sciacquare con TBST e tornare alla camera di incubazione. Applicare 200 microlitri di capra anti-topo-HRP polimero alla slitta e close da camera. Incubare per 30 min. a temperatura ambiente.
  19. Scolare polimero dalla diapositiva e risciacquare con TBST. Porre il vetrino in TBST per 5 min. Preparare 200 ml di viola cromogeno HRP-linked con l'aggiunta di 3,2 ml di reagente di stabilizzazione a 250 microlitri di buffer e mescolare bene. Aggiungere 3,2 ml di cromogeno viola e mescolate bene, poi 3,2 ml di reagente perossido di idrogeno e mescolare bene.
  20. Scolate TBST off vetrino e applicare 200 ml di cromogeno viola pronti a scivolare e incubare per 7 min. a temperatura ambiente. scivolo Risciacquare con acqua e posto distillata diapositiva in un contenitore di acqua distillata per 5 minuti.
  21. Miscelare la soluzione di denaturazione miscelando 50 ml di primo reattivo eluizione con 150 ml di secondo reattivo tampone. Scolare l'acqua dal vetrino e applicare la soluzione di denaturazione diluita alla diapositiva per 3 min. a temperatura ambiente.
  22. Risciacquare denaturazione reagente via con TBST. Porre il vetrino in un contenitore di TBST per 5 min. Diluire anti- E-caderina-anticorpia 1: 200 con l'aggiunta di anticorpi 1,1 ml a 218,9 ml diluente. Scolare la TBST dalla diapositiva, scorrevole ritorno alla camera di incubazione e applicare 200 ml di E-caderina alla diapositiva. Chiudere la camera e incubare 30 min. a temperatura ambiente.
  23. vetrino Risciacquare con TBST e posto in un contenitore di diapositive TBST per 5 min. Scolare la TBST da slitta, slitta tornare alla camera di incubazione e applicare 200 pl di capra anti-topo HRP polimero. Incubare a temperatura ambiente per 30 min. vetrino Risciacquare con TBST e posto in un contenitore di diapositive TBST per 5 min.
  24. Preparare nero HRP-linked cromogeno con l'aggiunta di 8 ml di cromogeno a 250 microlitri di buffer. Applicare 200 microlitri cromogeno a scivolare e sviluppare per 2 min. Sciacquare accuratamente scivolo con acqua distillata e immergere in un contenitore di acqua distillata.
  25. Diluire ematossilina con l'aggiunta di 40 microlitri ematossilina a 200 ml di acqua distillata. Scolare l'acqua dal vetrino e applicare 200 ml di ematossilina diluita a scivolare per 30 secondi. scivolo Rinseaccuratamente in acqua corrente per 2 min., quindi risciacquare in acqua distillata per 30 secondi. Porre il vetrino in un forno a 60 ° C per 15-30 minuti.
  26. Immergere diapositiva appena preparato al 100% xilene per 30 secondi, eliminare l'eccesso xilene fuori e aggiungere una goccia di mezzo di montaggio permanente. Coprioggetti con un No. 1.5 vetrino.

2. Automated Image Acquisition e analisi

  1. Caricare i vetrini colorati su uno scanner automatico scorrevole. Sulla base del diametro, la separazione, e il numero di core TMA, creare un protocollo di scansione automatica in funzione manuale di istruzioni del produttore.
  2. Aprire il software di imaging multispettrale per costruire una libreria spettrale da vetrini di controllo colorati con i singoli cromogeni e la slitta ematossilina macchiato. Aprire un cubo di immagine acquisita da un vetrino di controllo e selezionare quattro o cinque aree colorate positivamente per definire otticamente che cromogeno. Ripetere con cubetti di immagini provenienti da altri vetrini di controllo fino a quando un completo representi biblioteca spettraleng tutti i cromogeni è stato creato, e quindi salvare la libreria spettrale.
  3. Iniziare un nuovo progetto all'interno di software di imaging multispettrale. Selezionare "multispettrale (.im3)" per l'opzione formato di immagine e "campo chiaro" per il formato campione. In primo luogo, configurare il progetto scegliendo opzioni desiderate: "Segmento Tissue", "Trova Funzioni", "Fenotipizzazione", "punteggio" e "Esporta". A questo punto, la risoluzione dell'immagine può essere modificata per accelerare i tempi di analisi, se desiderato.

3. Tessuto Segmentazione

  1. Importare la libreria spettrale creato in precedenza e selezionare tutti i cromogeni da includere nell'analisi.
  2. Aperte cubetti di immagini da includere nei dati di formazione di selezionando l'opzione "Apri immagine Cube". Per garantire la precisione di formazione, selezionare almeno il 18% del numero totale di immagini da analizzare. Scegliere le immagini che rappresentano tutti gli stati di malattia per aumentare la precisione di segmentazione. Questa porzione di immagini is chiamato il training set di immagini.
  3. immagini di bilanciamento del bianco nella formazione impostata selezionando lo strumento contagocce e selezionate un territorio in una sola immagine che è bianco.
  4. Selezionare il pulsante "advance" per passare alla segmentazione dei tessuti. Utilizzare il pannello "Tissue Categorie" per scegliere i tipi di tessuto da analizzare (cioè "tessuto" e "non-tessuto"). Per più precisa localizzazione dei tessuti di proteine, più categorie di tessuti possono essere utilizzati (es. "Epiteli," "stroma," e "non-tessuto").
  5. Iniziare a creare l'algoritmo e definizione delle categorie di tessuto disegnando intorno a gruppi di cellule all'interno di immagini di addestramento. Una volta terminato con una categoria di tessuto, ripetere per altre categorie di tessuto. Siate sicuri di scegliere gruppi di cellule all'interno delle immagini che sono caratteristici di questo tipo di tessuto categoria.
  6. Ripetere questa procedura per tutte le immagini all'interno del training set di immagini.
  7. Selezionare i componenti (cromogeni) da inserire nel Training per il "Tissue segmenter". Quando si esegue l'analisi di immagini in campo chiaro immunoistochimica, tutti i componenti sono normalmente inclusi nella formazione. Includi abbondanti immagini colorazione negativa nella formazione impostata per evitare distorsioni durante questa fase.
  8. Scegliere un adeguato "Scala del modello" per la formazione del tessuto segmenter. Sotto 20X di ingrandimento, una scala modello di grandi dimensioni è in genere appropriato. Quando si lavora con i tessuti con una raffinata architettura sotto ingrandimento più elevato, una scala modello più piccolo è più appropriato.
  9. Selezionare il pulsante "Treno Tissue segmenter" per avviare la formazione del tessuto segmenter. Osservare una precisione finestra pop-up che visualizza riflette la percentuale di pixel all'interno di regioni di formazione che sono correttamente classificate.
    NOTA: Il software tenta continuamente di migliorare la precisione degli algoritmi fino all'arresto manuale. Abbiamo precedentemente dimostrato che la formazione, il 18% delle immagini risultati nel 97% di precisione di formazione 12.
  10. Dopo il segmenter tessuto è formato, scegliere una risoluzione segmento appropriato. risoluzione segmento corrisponde al tempo necessario per le immagini del segmento, con una risoluzione grossolana che richiede meno tempo e risoluzione fine che richiede più tempo.
  11. Segmento l'intero set di formazione di immagini facendo clic su "segmento immagini". Lasciare il software tempo sufficiente per applicare l'algoritmo a tutte le immagini di addestramento. Al termine, rivedere l'allenamento impostato per trovare qualsiasi tessuto classificato erroneamente con l'algoritmo di formazione corrente.
  12. Per mettere a punto il processo di segmentazione dei tessuti, aggiungere, modificare o rimuovere le regioni di formazione di tessuto. Utilizzare l'opzione "bordi di taglio", se si estendono pixel sui bordi di una categoria di tessuto in un altro. Se piccoli gruppi di pixel sono classificate erroneamente, regolare la soglia della dimensione minima dei segmenti.
  13. Quando le modifiche sono completate, selezionare "Immagini del settore", questo sarà ri-formare il segmenter tessuti per creare un nuovo algoritmo per la segmentazione dei tessuti. L'algoritmo precedenteviene salvato automaticamente e possono essere restituiti a se necessario.
  14. Quando fiducioso con risultati algoritmo di segmentazione dei tessuti, avanzare alla segmentazione delle cellule selezionando il pulsante "Advance".

4. cellulare Segmentazione

  1. Scegli i compartimenti subcellulari da includere nella segmentazione delle cellule. Assicurarsi che "nuclei" è già selezionato per scegliere "citoplasma" o "a membrana".
    NOTA: "a membrana" segmentazione dovrebbe essere scelto soltanto quando un marcatore specifica proteina-membrana è stata inclusa nel IHC, ad esempio E-caderina.
  2. All'interno della scheda "Nuclei", ci sono diverse opzioni. Inizia scegliendo impostazioni appropriate per la segmentazione nucleare (vedi punto 4.3). Scegliere se singole o tutte le categorie di tessuto saranno incluse nella segmentazione.
  3. Selezionare un metodo per la segmentazione nucleare
    1. Selezionare la di contrasto "basato su pixel (soglia)" approccio per un metodo semplificato per l'ottenimento di un buonrisultati senza sapere molto sulle impostazioni di elaborazione delle immagini.
      NOTA: Questo rende spesso una buona scelta. Quando si seleziona un approccio "basato su pixel (soglia)" è più appropriato quando vi è una contro-colorazione nucleare affidabile, mentre "object-based" dovrebbe essere usato se vi è una mancanza di di contrasto nucleare coerente.
    2. Selezionare il "Pixel-Based (soglia)" approccio quando vi è un di contrasto nucleare affidabile.
      NOTA: Questo approccio è puramente basato su pixel. Questo approccio può essere utilizzato anche per altre esigenze di analisi delle immagini che possono essere soddisfatte con un semplice soglia, ad esempio rilevare tutti i pixel all'interno di una categoria tessuto che macchia positivo per una macchia IHC.
    3. Selezionare l'approccio basato su oggetti se il nucleare di contrasto non fornisce colorazione coerente e specifico di oggetti nucleari, e sono necessari approcci morfometria basata più avanzati per rilevare nuclei.
    4. Selezionare "Componenti per la segmentazione Nucleare", "Nuclorecchio Size "e" Clean-up "se l'utente desidera definire ulteriormente le impostazioni di segmentazione nuclei.
  4. Selezionare parametri di forma citoplasma
    1. Selezionare il pulsante "advance" per passare alla segmentazione del citoplasma.
      NOTA: Ci sono diverse opzioni all'interno di citoplasma segmentazione tra cui scegliere. L'opzione chiamata "distanza interno al nucleo" è pixel in base. Essa riflette la distanza tra l'esterno del nucleo e l'interno del citoplasma. Aumentando questo valore diminuisce la probabilità che il segnale nucleare attraversa nel vano citoplasma.
    2. Avanti, selezionare, "distanza esterno per nucleo".
      NOTA: Questo è anche pixel in base. La distanza esterna al nucleo riflette la distanza tra l'esterno del nucleo e l'esterno della cellula. Questo valore può essere impostato o grande abbastanza piccolo da includere o escludere segnali di membrana se desiderato.
    3. Avanti, selezionare, "dimensione minima".
      NOTA: La dimensione minima, PIXEl basato, riflette la dimensione minima del campione citoplasma da includere nell'analisi. Se la dimensione citoplasma è più piccolo in una cella particolare come quando le cellule sono strettamente imballati insieme, questo citoplasma segmentazione è escluso dall'analisi.
    4. Selezionare l'opzione successiva, "Component" con "Primario", "secondario", e selezionare "Terziario" come opzioni secondarie.
      NOTA: Qui si può scegliere un marcatore citoplasma specifica. Simile alla segmentazione nucleare, se è stato usato un marcatore IHC citoplasmatica specifica, questo componente può essere utilizzato per definire citoplasma trovando un valore minimo di soglia. Questo aiuta nel definire citoplasma, ma non è necessario per la precisione accettabile.
    5. Spostare l'ultima delle tre opzioni a schede è "a membrana". Qui, l'utente definisce il vano membrana con proteina marker. Scegliere "Primario", "Secondario" e / o "terziario" per ogni marker specifico membrana utilizzata. Regolare "Full Scale OD "per trovare una soglia minima o positiva per ogni marcatore sulle membrane cellulari.
    6. Proseguendo nella scheda "a membrana" e selezionare l'opzione "Cell Dimensione massima".
      NOTA: Questa è la distanza al valore di membrana, in pixel, che specifica la dimensione massima delle celle. Un valore di 12 è normalmente adeguata per le immagini scattate a 20X di ingrandimento.
    7. Dopo aver selezionato tutte le opzioni, selezionare "Segment immagine" o "Segmento All". Applicare le impostazioni per immagini e osservarle "singolarmente" o in modalità "Galleria".
      NOTA: regolare le impostazioni e le soglie, se necessario, e ri-segmento fino soddisfatti con i risultati di segmentazione delle cellule del training set di immagini.

5. Fenotipizzazione di celle

NOTA: accurata segmentazione delle cellule è necessaria al fine di ottenere precise fenotipizzazione delle cellule, e la funzione di fenotipizzazione è addestrabile.

  1. Utilizzare il "Aggiungi &# 34; pulsante per aggiungere fenotipi alla lista "fenotipi". Gli utenti possono selezionare un colore per il fenotipo.
  2. Clicca su "Modifica fenotipi" per assegnare un fenotipo a una cella. Clicca su una particolare cella per visualizzare un menu a discesa, che permette all'utente di scegliere il fenotipo e poi passare. Identificare almeno cinque (5) cellule in ciascun fenotipo per procedere. La scelta di 25 o più celle di ogni fenotipo è necessaria per ottenere risultati ottimali.

6. punteggio IHC e co-localizzazione

  1. Scegliere "Advance" per passare al "punteggio IHC o IF" step. Scegliere un "tessuto categoria" per segnare.
    NOTA: solo una categoria di tessuto può essere segnata nel corso di una particolare analisi, ma se i risultati di punteggio in un'altra categoria dei tessuti sono desiderati, l'analisi può essere ripetuta più tardi con impostazioni diverse.
  2. Scegliere un tipo di "scoring" desiderato.
    NOTA: positività crea due scomparti (positivo e negativo) per un componente di interesse, Mentre doppia positività è utilizzato per l'analisi co-localizzazione. Altre opzioni includono 4-bin, 10-bin, e 50-bin analisi per un marker di scelta.
  3. Scegliere la cella "scomparto" da utilizzare nel notare analisi.
  4. Simile alla ricerca di una soglia minima per la componente nucleare primaria, selezionare "View componente dati" e spostare il cursore sopra le immagini di addestramento per trovare appropriate densità ottica soglie minime di colorazione per le cellule positive per il componente (s) di interesse.
  5. Se le cellule intensamente colorate devono essere esclusi, abbassare la soglia massima ad un livello appropriato. In caso contrario, utilizzare il tasto AUTO per scegliere una soglia massima per l'analisi.
  6. Scegliere la formazione immagini di segnare al fine di convalidare i valori thresholding.
    NOTA: La percentuale di cellule all'interno di un particolare bin verrà restituito e può essere confrontato mediante ispezione visiva o conteggio manuale. Una volta completato, selezionare "Advance" per passare al punto "Esporta".

7. Applicando l'algoritmo e Batch Analysis

  1. Testare l'algoritmo creato attraverso la segmentazione dei tessuti, la segmentazione delle cellule, e dei valori di punteggio esportando i dati per il training set. Seguire le istruzioni per creare una nuova cartella per la directory di esportazione. Selezionare le immagini e le tabelle da creare e inclusi nell'analisi. Eseguire l'analisi selezionando "Esporta per tutti".
  2. Le tabelle vengono esportati in file di testo separati da tabulazioni e possono essere aperti nella maggior parte dei programmi di analisi dei dati.
  3. Quando l'analisi è completa, visualizzare i dati di segmentazione delle cellule e di punteggio per le immagini con alta e bassa colorazione per valutare l'accuratezza delle impostazioni.
  4. Quando si è soddisfatti con le impostazioni, applicare l'algoritmo creato dal training set di immagini per l'intero set di immagini attraverso l'analisi dei lotti. Fare clic sulla scheda "Batch Analysis" e l'algoritmo aperto verrà copiato dal progetto attivo.
  5. Scegli una nuova directory di esportazione e selezionare quali immagini e tables devono essere inclusi nell'analisi. Sotto l'opzione file di input, selezionare "Aggiungi immagini" e scegliere tutte le immagini da includere nell'analisi batch.
  6. Eseguire l'analisi selezionando l'opzione "Esegui". Come con l'analisi del training set, questo passaggio richiede un tempo variabile, a seconda delle particolari impostazioni e numero di immagini incluse nell'analisi.
  7. Una volta completato, passare alla scheda "Review / Merge". Le impostazioni predefinite della directory in batch nella directory di esportazione dall'analisi dei lotti e possono essere modificati se lo si desidera. Selezionare "Includi tutto" e selezionare "Merge" per creare schede tecniche con i dati di riepilogo per l'analisi.

8. Analisi dei dati esportati

  1. Aprire tavoli esportati software di analisi dei dati e rimuovere o nascondere le colonne di dati che sono irrilevanti per l'analisi, come ad esempio i valori minimo e massimo per ciascun componente. I dati primario utilizzato in analisi è la densità ottica c medioolumn per ogni componente.
  2. Recensione esportato mappe di segmentazione e le immagini RAW per determinare quali campioni o per anime TMA devono essere esclusi dall'analisi. valori percentuali tessuto aiutano a determinare se un campione deve essere inclusa o meno, con un cut-off arbitrario di <5% utilizzato più spesso per criteri di esclusione.
  3. Rimuovere i dati irrilevanti o le righe contenenti i campioni che devono essere esclusi dall'analisi dei dati.
  4. Utilizzare i dati di proteine ​​di quantificazione per indagare cambiamenti di stato di malattia o il rapporto con le caratteristiche clinico-patologici della malattia 12,18-21.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

In figura 1, la formazione viene eseguito sui tessuti della prostata per immagini segmento in porzioni epiteliali e stromali, insieme con il vano non tessuto. Utilizzando il marcatore epiteliale di membrana E-caderina, la segmentazione delle cellule è stata eseguita per separare il nucleo, il citoplasma, e porzioni di membrana, mostrate nella Figura 2.

In un esperimento, abbiamo usato multipla...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

L'uso di immunoistochimica tradizionale per valutare l'espressione della proteina è limitata dalla metodi semiquantitativi soggettivi di analisi 22,23. piattaforme Advance sono stati creati per l'analisi high-throughput di espressione biomarker e la localizzazione. la segmentazione dettagliata di entrambi i tessuti e compartimenti subcellulari consente agli utenti di studiare l'espressione biomarker, la localizzazione, e co-localizzazione con altri marcatori di interesse. In studi precedenti, ...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere interessi finanziari concorrenti.

Ringraziamenti

Gli autori ringraziano l'Università del Wisconsin traslazionale Initiative di ricerca nel laboratorio di patologia, in parte sostenuto dal Dipartimento UW di Patologia e Medicina di Laboratorio e UWCCC concessione P30 CA014520, per l'utilizzo delle sue strutture e servizi.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
XyleneFisher ChemicalX3F1GALValutazione NFPA: Salute – 2, Fuoco – 3 , Reattività – 0
Alcol etilico-200 proofFisher Scientific 4355223Valutazione NFPA: Salute – 0, Fuoco – 3 , Reattività – 0
Tris BaseFisher ScientificBP152-500Valutazione NFPA: Salute – 2, Fuoco – 0 , Reattività – 0
Tris idrossimetilamnometano HClFisher ScientificBP153-1Valutazione NFPA: Salute – 2, Fuoco – 0 , Reattività – 0
Tween 20Chem-Impex1512Valutazione NFPA: Salute – 0, Fuoco – 1 , Reattività – 0
Soluzione salina tamponata con fosfatoFisher ScientificBP2944-100Valutazione NFPA: Salute – 1, Fuoco – 0 , Reattività – 0
PerossidatoBiocare MedicalPX968Evitare il contatto con la pelle e gli occhi. Può causare irritazioni cutanee e danni agli occhi.
Recettore degli estrogeni alfaThermo Fisher Scientific-LabvisionRM9101Non classificato come pericoloso
Recettore degli androgeniSCBTsc-816Non classificato come pericoloso
CD147BiodesignP87535MNon classificato come pericoloso
E-caderinaDakoM3612Non classificato come pericoloso
Renoir Red Andibody DiluenteBiocare MedicalPD904È appositamente progettato per funzionare con anticorpi a base di Tris
DeCloaking Chamber Biocare MedicalModel DC2002Prendere le normali precauzioni per l'utilizzo di una pentola a pressione
Barrier pen-Immuno Edge Vector LabsH-4000-Fase
di eluizioneBiocare MedicalDNS001HNon classificato come pericoloso
Mach 2 Capra anti-coniglio HRP PolimeroBiocare MedicalRHRP520Non classificato come pericoloso
Mach 2 Capra anti-coniglio AP PolimeroBiocare MedicalRALP525Non classificato come pericoloso
Mach 2 Capra anti-Topo HRP PolimeroBiocare MedicalM3M530Non classificato come pericoloso
Kit di cromogeni Betazoidi DABBiocare MedicalBDB20041. Il DAB è noto per essere un sospetto cancerogeno.
2. Non esporre i componenti DAB a luce intensa o alla luce diretta del sole.
3. Indossare dispositivi e indumenti di protezione individuale adeguati.
4. Il DAB può causare sensibilizzazione della pelle. Evitare il contatto con la pelle e gli occhi.
5. Osservare tutte le normative federali, statali e locali in materia di smaltimento
Warp Red Chromogen KitBiocare MedicalWR806Corrosivo. Acido che può causare irritazione della pelle o danni agli occhi.
Kit cromogeno verde VinaBiocare MedicalBRR807Dannoso se ingerito
Kit cromogeno viola BajoranBiocare MedicalBJP807Liquido infiammabile. Tenere lontano da fonti di calore, fiamme e scintille. Nocivo per ingestione o assorbimento. Evitare il contatto con la pelle o gli occhi ed evitare l'inalazione.
Gatto EmatossilinaBiocare MedicoCATHEViola   soluzione   con   a   lieve   acetico   acido   (aceto)   profumo.   Maggio   be
  irritante   per   pelle   oppure   occhi.   Evitare   Contatto   con   pelle   e   occhi.   Evitare   ingestione.
Supporti di montaggio XYLRichard Allen8312-4Valutazione NFPA: Salute - 2, Fuoco - 3 , Reattività - 0
1.5 Vetrini coprioggettiFisher Brand22266858Spigoli vivi
Incubazione (Umidità) Cameraobsoleta obsoletaPiù fornitori disponibili
Forno a convezioneStabil- ThermC-4008-Q
Sfondo Reagente bloccante PunitoreBiocare MedicalBP974Questo prodotto non è classificato come pericoloso.
Software inFormPerkinElmerCLS135781Software di imaging multispettrale primario utilizzato nel software
Nuance SoftwarePerkinElmerNuance EXSoftware utilizzato per creare librerie spettrali all'interno
microscopio e scanner per vetrini VectraPerkinElmerVECTRAScanner e microscopio automatizzato per vetrini per ottenere cubi di immagini IM3
Kit di denaturazione del

Riferimenti

  1. Valdman, A., et al. Expression of redox pathway enzymes in human prostatic tissue. Anal Quant Cytol Histol. 31 (6), 367-374 (2009).
  2. Rimm, D. L., Camp, R. L., Charette, L. A., Olsen, D. A., Provost, E. Amplification of tissue by construction of tissue microarrays. Exp Mol Pathol. 70 (3), 255-264 (2001).
  3. Jonmarker, S., et al. Expression of PDX-1 in prostate cancer, prostatic intraepithelial neoplasia and benign prostatic tissue. APMIS. 116 (6), 491-498 (2008).
  4. McCarty, K. S., Miller, L. S., Cox, E. B., Konrath, J., McCarty, K. S. Sr Estrogen receptor analyses. Correlation of biochemical and immunohistochemical methods using monoclonal antireceptor antibodies. Arch Pathol Lab Med. 109 (8), 716-721 (1985).
  5. Volante, M., et al. Somatostatin receptor type 2A immunohistochemistry in neuroendocrine tumors: a proposal of scoring system correlated with somatostatin receptor scintigraphy. Mod Pathol. 20 (11), 1172-1182 (2007).
  6. Muris, J. J., et al. Immunohistochemical profiling of caspase signaling pathways predicts clinical response to chemotherapy in primary nodal diffuse large B-cell lymphomas. Blood. 105 (7), 2916-2923 (2005).
  7. Jaraj, S. J., et al. Intra- and interobserver reproducibility of interpretation of immunohistochemical stains of prostate cancer. Virchows Arch. 455 (4), 375-381 (2009).
  8. Nakane, P. K., Pierce, G. B. Enzyme-labeled antibodies: preparation and application for the localization of antigens. J Histochem Cytochem. 14 (12), 929-931 (1966).
  9. Peters, T. J. Investigation of tissue organelles by a combination of analytical subcellular fractionation and enzymic microanalysis: a new approach to pathology. J Clin Pathol. 34 (1), 1-12 (1981).
  10. Emmert-Buck, M. R., et al. Laser Capture Microdissection. Science. 274 (5289), 998-1001 (1996).
  11. Waters, J. C. Accuracy and precision in quantitative fluorescence microscopy. J Cell Biol. 185 (7), 1135-1148 (2009).
  12. Huang, W., Hennrick, K., Drew, S. A colorful future of quantitative pathology: validation of Vectra technology using chromogenic multiplexed immunohistochemistry and prostate tissue microarrays. Hum Pathol. 44 (1), 29-38 (2013).
  13. Rimm, D. L. C-Path: A Watson-Like Visit to the Pathology Lab. Science Translational Medicine. 3 (108), (2011).
  14. Fiore, C., et al. Utility of multispectral imaging in automated quantitative scoring of immunohistochemistry. J Clin Pathol. 65 (6), 496-502 (2012).
  15. Stack, E. C., Wang, C., Roman, K. A., Hoyt, C. C. Multiplexed immunohistochemistry, imaging, and quantitation: A review, with an assessment of Tyramide signal amplification, multispectral imaging and multiplex analysis. Methods. 70 (1), 46-58 (2014).
  16. Rizzardi, A. E., et al. Quantitative comparison of immunohistochemical staining measured by digital image analysis versus pathologist visual scoring. Diagn Pathol. 7, 42(2012).
  17. Bauman, T. M., et al. Characterization of fibrillar collagens and extracellular matrix of glandular benign prostatic hyperplasia nodules. PLoS One. 9 (10), e109102(2014).
  18. Bauman, T. M., et al. Beta-catenin is elevated in human benign prostatic hyperplasia specimens compared to histologically normal prostate tissue. Am J Clin Exp Urol. 2 (4), 313-322 (2014).
  19. Bauman, T. M., Ewald, J. A., Huang, W., Ricke, W. A. CD147 expression predicts biochemical recurrence after prostatectomy independent of histologic and pathologic features. BMC Cancer. 15 (1), 549(2015).
  20. Bauman, T. M., et al. Finasteride treatment alters tissue specific androgen receptor expression in prostate tissues. Prostate. 74 (9), 923-932 (2014).
  21. Nicholson, T. M., Sehgal, P. D., Drew, S. A., Huang, W., Ricke, W. A. Sex steroid receptor expression and localization in benign prostatic hyperplasia varies with tissue compartment. Differentiation. 85 (4-5), 140-149 (2013).
  22. Taylor, C. R., Levenson, R. M. Quantification of immunohistochemistry--issues concerning methods, utility and semiquantitative assessment II. Histopathology. 49 (4), 411-424 (2006).
  23. Matos, L. L., Trufelli, D. C., de Matos, M. G., da Silva Pinhal, M. A. Immunohistochemistry as an important tool in biomarkers detection and clinical practice. Biomark Insights. 5, 9-20 (2010).
  24. Kononen, J., et al. Tissue microarrays for high-throughput molecular profiling of tumor specimens. Nat Med. 4 (7), 844-847 (1998).
  25. Ong, C. W., et al. Computer-assisted pathological immunohistochemistry scoring is more time-effective than conventional scoring, but provides no analytical advantage. Histopathology. 56 (4), 523-529 (2010).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

Immunoistochimica multiplexquantificazione dell'espressione proteicaanalisi della co-localizzazione proteicaalgoritmo di segmentazione tissutalecreazione di librerie spettralimetodi di rilevamento dei cromogeniacquisizione automatizzata delle immaginianalisi dei compartimenti subcellularitessuti per l'indagine dei biomarcatori
La quantificazione di espressione della proteina e co-localizzazione Usando multiplex immunoistochimica di colorazione e multispettrale Imaging
Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.